Réalisation d’un système de surveillance cardiaque et respiratoire à distance

Abstract

Le signal électrocardiogramme (ECG) représente l’activité électrique du coeur. Dans notre travail, nous allons présenter une nouvelle architecture d’ECG portable sans fil. L'estimation de la respiration dérivée de l'ECG (EDR) est également développée. Deux formes d’apnée du sommeil dont identifiée : l’apnée du sommeil obstructive (OSA) et l’apnée du sommeil centrale (CSA). La transformée en ondelette continue (CWT) et le réseau neuronal convolutionnel (CNN) sont utilisées pour la detection de l’apnée du sommeil basé sur des signaux ECG à une seul derivation. Les architectures CNN, GoogLeNet et SqueezeNet sont utilises pour classifier l’ECG en deux catégories: apnée et normal. Un système d’identification biométrique basé sur les paramètres du signal ECG est développé. L’avantage de la méthode proposée est d’extraire les informations à partir d’un seul signal en utilisant le CWT et le CNN. Le CNN accepte les images RVB (red, green, blue). Ainsi, il est nécessaire dans un premier temps de convertir les données ECG en images en utilisant la transformée en ondelettes continue (CWT). Un résultat de 97,75 % de performance a été obtenu dans la détection de l'identification biométrique individuelle.