Développement d’une approche multi-échelle et multimodale pour la caractérisation et la classification des valvulopathies à partir des signaux phono cardiogrammes (PCGs)

Abstract

Les valvulopathies cardiaques représentent un problème majeur de santé publique nécessitant un diagnostic précoce et fiable. L’analyse des signaux phonocardiographiques (PCG), qui reflètent l’activité mécanique du cœur à travers les bruits cardiaques, constitue une méthode non invasive intéressante pour l’identification des anomalies valvulaires. Ce travail propose une approche automatisée pour la caractérisation et la classification des valvulopathies à partir des signaux PCG. La base de données utilisée comprend 1000 enregistrements répartis en cinq classes : sujets sains (Normal), sténose aortique (AS), régurgitation mitrale (MR), sténose mitrale (MS) et prolapsus de la valve mitrale (MVP). La méthodologie développée repose sur une chaîne complète de traitement débutant par un prétraitement des signaux à travers un filtrage passe-bande de Butterworth et un débruitage par ondelettes afin d’améliorer la qualité des enregistrements. Une analyse temps fréquence avancée est ensuite réalisée en combinant la décomposition modale variationnelle (VMD) et la transformée en paquets d’ondelettes (PWT). La transformée de Hilbert est utilisée pour extraire les informations caractéristiques liées aux événements cardiaques. Des paramètres statistiques, énergétiques et entropiques sont ensuite extraits afin de représenter les signatures acoustiques des différentes pathologies. Ces caractéristiques sont exploitées par un classificateur SVM à noyau RBF associé à une stratégie ECOC pour assurer la classification multi-classes. Les résultats obtenus confirment la capacité de l’approche proposée à différencier efficacement les signaux normaux et pathologiques, montrant l’intérêt de l’association du traitement avancé des signaux biomédicaux et de l’apprentissage automatique pour le développement d’outils intelligents d’aide au diagnostic cardiovasculaire