Identification de la pathologie cardiaque " ESV" par un classificateur neuronal

Abstract

On va présenter dans cet article la conception, l’entraînement et la validation de deux classificateurs neuronaux pour la reconnaissance de l’Extrasystole Ventriculaire" ESV". Les pathologies à classer sont extraites d’une base de données appelée MIT-BIH. Ces classificateurs conçus, sont basés sur des réseaux de neurones multicouches à une seule couche cachée, et l’algorithme d’apprentissage utilisé est la rétropropagation du gradient. La couche d’entrée du premier réseau est constituée de 33 neurones, dont 30 neurones représentants les échantillons du complexe QRS, et les trois autres neurones d’entrée représentent respectivement, le cycle cardiaque (la durée " RR"), la moyenne de 10RR (mrr) et la moyenne carrée du 30 échantillons du complexe QRS ( la puissance moyenne du complexe QRS( qrsc ) ) ce qui constitue un vecteur d’entré de 33 composantes. Puis, on va réduire les 30 échantillons du complexe QRS en 13 échantillons en utilisant la méthode d’analyse en composantes principales (ACP), afin d’augmenter la susceptibilité de classificateur sans compliqué l’architecture de ce dernier, et on aura un nouveau vecteur d’entré (de 16 composantes : 13 échantillons QRS, RR, mrr, qrsc) pour notre deuxième réseau de neurones. L’évaluation des performances de nos classificateurs, est basé sur les paramètres suivants : la sensibilité (SE), la spécificité (SP), la prédictivité (PP) et le taux de classification correcte (CC).