Classification des battements cardiaques en utilisant les réseaux de neurones profonds

Abstract

L‘ électrocardiogramme (ECG) est un outil de diagnostic important pour l'évaluation des arythmies cardiaques . Actuelle ment , de nombreuses solutions d 'apprentissage automatique peuvent être utilisées pour analyser et classer les données ECG. Cependant, l’un des inconvénients de ces méthodes réside dans la difficulté de t rouver les caractéristiques les plus appropriées permettant d’avoir des précision s élevées . L'une des solutions proposées dans littérature consiste à utiliser des architectures d'apprentissage approfondi dans lesquelles les premières couches de neurones co nvolutifs se comportent comme des extracteurs de caractéristiques et, à la fin, des couches entièrement connectées sont utilisés pour la décision finale . Dans ce travail, nous utilisons un classificateur basé sur ce type d’ architecture approfondi pour la c lassification des battements ECG . Nous présentons les résultats de classification obtenus sur la base de données public « MIT - BIH Arrhythmia »