UNE APPROCHE DE REGRESSION LOGISTIQUE MULTINOMIALE POUR LA DETECTION DE L'ARYTHMIE

Abstract

Les arythmies électrocardiographiques (ECG) telles que les arythmies ventriculaires et auriculaires … sont l’une des causes les plus courantes du décès. Ces anomalies de l'activité électrique cardiaque peuvent entraîner la mort immédiate ou peuvent être responsables des séquelles graves nécessitant une prise en charge précoce et efficace afin de récupérer l’activité électrique de base. Si les symptômes anormaux peuvent être détectés et diagnostiqués tôt, le temps sera gagné pour prévenir la survenue d'une crise cardiaque. Par conséquent, il est nécessaire de disposer d’une méthode efficace de la détection et du traitement précoce. Nous proposons, dans ce mémoire, une méthode intelligente pour classer le rythme cardiaque des signaux ECG avec précision par la régression logistique multinomiale (MLR). La base de données est utilisée pour classer les arythmies en trois types différents: battements normales (N), Bloc de branche droit (RBBB) et Bloc de branche gauche (LBBB). Le taux de classification (MLR) obtenu est de 81,50%, ce qui est considéré un résultat très satisfait pour la détection des arythmies cardiaque.