Traitement automatique du signal ECG pour l'aide au diagnostic de ...

More documents

Recommendations

Info

CHAPITRE 2. INTRODUCTION 10 Figure 2.3 – Illustration d’un homme portant un Holter. - L’électromyogramme : L’activité électrique des autres muscles se superpose à celle du cœur. L’inverse est vrai lors de l’acquisition du signal EMG. - La respiration : Des dérives sinusoïdales de la ligne de base sont observées à une fréquence inférieure à 1 Hz. - Le mouvement : Les mouvements du patient peuvent aussi mener à des dérives dans la ligne de base. 2.5 Standards AAMI Pour pouvoir classifier les battements cardiaques, il faut commencer par définir des classes. De nombreuses classifications différentes peuvent être trouvées dans la littérature. Dans ce mémoire, c’est la classification recommandée par l’AAMI « Association for the Advancement of Medical Instrumentation » [1], [17] qui a été choisie. La correspondance entre les standards de l’AAMI et le système utilisé pour notre base de données est repris à la Figure 2.4.
CHAPITRE 2. INTRODUCTION 11 Les classes sont au nombre de cinq mais dans un souci pratique, la classe Q (battements inconnus) ne sera pas utilisée car l’hypothèse sera faite que chaque battement pourra être attribué à l’une des quatre autres classes (N, S, V ou F) ou sera supprimé de la base de données. Les quatre classes sont : - Classe N : Ce sont les battements « normaux ». Ce sont de loin les battements les plus fréquents. - Classe S : Ce sont les battements « anormaux » d’origine Supra-ventriculaire (dont ceux originaires des oreillettes, voir Section 2.1). - Classe V : Ce sont les battements « anormaux » d’origine Ventriculaire (ceux originaires des ventricules, voir Section 2.1). - Classe F : Ce sont les battements « anormaux » résultant de la Fusion d’un battement V et d’un battement N. Figure 2.4 – Standards de l’AAMI et correspondance avec le système utilisé pour notre base de données. 2.6 Etat actuel et objectifs Le but final est de repérer les battements anormaux dans un nouveau tracé ECG pour pouvoir poser un diagnostic. On peut distinguer deux genres d’approches pour extraire ces battements :
Page 1 and 2: Université catholique de Louvain E
Page 3 and 4: TABLE DES MATIÈRES 3 3.4 Discussio
Page 5 and 6: CHAPITRE 1. AVANT-PROPOS 5 unk : Bo
Page 7 and 8: CHAPITRE 2. INTRODUCTION 7 2.1 Anat
Page 9: CHAPITRE 2. INTRODUCTION 9 Figure 2
Page 13 and 14: CHAPITRE 2. INTRODUCTION 13 2.6.1 M
Page 15 and 16: CHAPITRE 3. EFFET DU SOUS-ÉCHANTIL
Page 37 and 38: CHAPITRE 4. EFFET DE LA SÉLECTION
Page 43 and 44: CHAPITRE 5. EFFET DES OUTLIERS 43 C
Page 45 and 46: CHAPITRE 5. EFFET DES OUTLIERS 45 c
Page 47 and 48: CHAPITRE 5. EFFET DES OUTLIERS 47 C
Page 49 and 50: CHAPITRE 5. EFFET DES OUTLIERS 49 F
Page 55 and 56: CHAPITRE 6. VALIDATION DU MODÈLE 5
Page 61 and 62:
CHAPITRE 7. CONCLUSIONS 61 Chapitre
Page 63 and 64:
CHAPITRE 7. CONCLUSIONS 63 7.4 Trav
Page 65 and 66:
BIBLIOGRAPHIE 65 [13] R. Jafari, H.
show all

Traitement automatique du signal ECG pour l'aide au diagnostic de ...

Create successful ePaper yourself

Delete template?

Save as template?