Please use this identifier to cite or link to this item:
http://univ-bejaia.dz/dspace/123456789/21276
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Bouhoui, Hamza | - |
dc.contributor.author | Ouamara, Billal | - |
dc.contributor.author | Amroun, Kamal;promoteur | - |
dc.date.accessioned | 2023-02-15T13:17:16Z | - |
dc.date.available | 2023-02-15T13:17:16Z | - |
dc.date.issued | 2022 | - |
dc.identifier.other | 004MAS/1070 | - |
dc.identifier.uri | http://univ-bejaia.dz/dspace/123456789/21276 | - |
dc.description | Option : Intelligence Artificielle | en_US |
dc.description.abstract | Récemment, deep learning (DL) ou le réseau de neurone est devenu un centre de recherche dans divers domaines, y compris la médecine et les soins de santé, où l'identification précoce des perturbations de l'électrocardiogramme (ECG) est très utile dans la gestion des soins de santé. Ce document fournit une revue des méthodes DL utilisées sur le signal ECG à des fins de classification.Cette étude examine certaines méthodes DL telles que le réseau de neurones convolutifs (CNN) et LENET-5. CNN est le plus souvent observé comme la technique appropriée pour extraire les caractéristiques.Les méthodes DL ont montré une grande précision dans la classification des pathologies cardiaques, en utilisant respectivement CNN et sa précision est (99.84 %) et LENET-5 sa précision est (99.75 %). | en_US |
dc.language.iso | fr | en_US |
dc.publisher | Univer.Abderramane Mira-Bejaia | en_US |
dc.subject | ECG : Pathologies :Deep Learning : CNN : LENET-5 | en_US |
dc.title | Classification des pathologies cardiaques a l'aide des signaux ECG avec des méthodes se Deep Learning. | en_US |
dc.type | Thesis | en_US |
Appears in Collections: | Mémoires de Master |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
memoire.pdf | 3.58 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.