Développement d’un stéthoscope électronique intelligent avec classification automatique des murmures cardiaques (IA embarquée)

Abstract

Le développement d’un stéthoscope électronique intelligent capable de classifier automatiquement les souffles cardiaques représente une avancée majeure pour le diagnostic précoce en cardiologie. Ce projet de fin d’études a consisté à concevoir un dispositif portable et autonome intégrant une intelligence artificielle embarquée (TinyML). Le système repose sur un microphone à électret (module KY-038) couplé à une cloche acoustique, dont le signal est numérisé par un microcontrôleur ESP32 à 200 Hz. Un prétraitement en temps réel (centrage, filtrage médian d’ordre 5, contrôle automatique de gain) est appliqué, puis trois descripteurs temporels sont extraits par fenêtres glissantes de 100 échantillons : le taux de passage par zéro (ZCR), l’aplatissement (kurtosis) et l’asymétrie (skewness). Un modèle Random Forest de 25 arbres, pré-entraîné sur la base de référence Physio Net Challenge 2016 (exactitude de 94,2 %), a été converti en code C++ natif via l’outil EloquentTinyML et intégré dans l’ESP32. Le diagnostic binaire (normal / pathologique) est affiché sur un écran OLED et transmis par liaison série à une interface Python. Les tests réalisés sur 5 sujets (3 sains, 2 pathologiques) ont donné une exactitude de 80 %, une sensibilité de 100 % et une spécificité de 66,7 %, avec une consommation de 80 mA sous 5 V (soit un appel de courant de 127 mA sur la batterie 3,7 V après conversion), et une autonomie estimée à 15 heures en conditions réelles d'utilisation. Ce prototype valide la faisabilité d’un stéthoscope numérique portable, économique et doté d’une intelligence embarquée pour l’aide au diagnostic cardiaque en milieu clinique ou en télé médecine