Abstract:
L'électrocardiogramme (ECG) est un test crucial pour évaluer l'activité
électrique du coeur en enregistrant les variations des ondes électriques résultant de la polarisation et de la dépolarisation des ventricules et des oreillettes. Il joue un rˆole essentiel dans le domaine médical en permettant la détection de divers problèmes cardiaques. Dans ce contexte, notre étude aborde la problématique de la détection des anomalies de rythme cardiaque en utilisant des techniques de deep learning, plus précisément les réseaux neuronaux convolutifs (CNN). Notre approche se base sur l'utilisation du transfert learning, o`u nous exploitons un mod`ele pré-entraˆiné sur des images d'ECG pour classifier les arythmies cardiaque. Les performances de notre algorithme ont été évaluées sur des signaux ECG provenant de patients différents de la base de données " MIT-BIH Arrhythmia" et " PTB Diagnostic ECG ". Cette approche novatrice ouvre de nouvelles perspectives dans le domaine de la classification des arythmies cardiaques en exploitant les avancées du deep learning.
