Méthodes Supervisées et Non Supervisées en Classification des Signaux ECG

Abstract

Le signal électrocardiogramme (ECG) est l’un des outils les plus utilisés dans le diagnostic et le suivi de l’état cardiaque des patients. Il représente l’activité électrique du coeur en fonction du temps. Il contient aussi des informations qui permettent la distinction des maladies cardiovasculaires. La classification de ces signaux est une tâche très importante en traitement de signal. La classification est partagée en deux grandes familles qui sont la classification « supervisée » et « non supervisée », et un grand nombre de chercheurs ont développés ces méthodes de classification. Dans ce travail nous nous somme intéressé à ces différentes méthodes de classification qui sont, « K-Means et FCM », pour la méthode non supervisée et « les réseaux de neurones », pour la méthode supervisée. La classification ne peut se faire qu’après avoir traité le signal ECG et l’extraction des paramètres caractérisant ce signal; comme le dé-bruitage, la détection du complexe QRS et la détection de l’intervalle R-R.