Académique Documents
Professionnel Documents
Culture Documents
Faculté de la Technologie
Département d’Electronique
Mémoire
Thème
Président :
Mr : Bensaad Abdellah
Examinateur :
Mr : Bouyddou Benamar
Encadreur :
Dr. Garadi Ahmed
Promotion 2017/2018
Remerciements
REMERCIEMENTS
MERCI
Dédicaces
Je dédie ce travail à :
A mes parents,
A mon Fils Nadir
A mes frères et mes sœurs,
A toute ma famille,
A tous mes enseignants surtout mon
encadreur et mes amies à l’université de
Saida et mes collègues de travail
« ONML ».
A tous ceux que j'aime.
près.
moralement et scientifiquement
Daikh Faiza
Sommaire
SOMMAIRE
REMERCIEMENTS……………………………………………………………… I
DÉDECACES…………………………………………………………………...... II
DÉDECACES……………………………………………………………………... III
SOMMAIRE……………………………………………………………………… IV
LISTE DES FIGURES……………………………………………………………. VII
LISTE DES TABLEAUX………………………………………………………… IX
LISTE DES ABRÉVIATIONS…………………………………………………… X
INTRODUCTION GENERALE………………………………………………….. 01
CHAPITRE I : Les notions de base de l’électrocardiographie
1.1. Introduction…………………………………………………………………. 03
1.2. Le cœur……………………………………………………………………... 03
1.2.1. Anatomie et activité musculaire du cœur…………………………….. 03
1.2.2 Activité Electrique du cœur…………………………………………... 05
1.3. L’électrocardiographie……………………………………………………… 05
1.3.1. Définition…………………………………………………………….. 05
1.3.2. Principe de fonctionnement………………………………………….. 06
1.3.3. Enregistrement de l’électrocardiogramme et dérivations……………. 07
1.3.4. L’ECG d’Holter……………………………………………………… 11
1.4. Tracé électrique du cœur……………………………………………………. 11
1.5. Intervalles temporels………………………………………………………... 12
a. L'Intervalle PR ou PQ………………………………………………….. 12
b. L'Intervalle QRS……………………………………………………….. 12
c. L'Intervalle ST…………………………………………………………. 13
d. L'Intervalle QT………………………………………………………… 13
e. L'Intervalle RR…………………………………………………………. 13
1.6. Les sources de bruits dans les signaux électrocardiographiques…………… 14
1.7. Caractéristiques électrocardiographiques…………………………………... 17
1.8. A quoi sert l’électrocardiogramme…………………………………………. 17
1.9. Les pathologies cardiaques…………………………………………………. 18
IV
Sommaire
1.9.1. Rythme sinusal……………………………………………………….. 18
1.9.2. Les arythmies cardiaques…………………………………………….. 19
1.9.2.1. Types d'arythmies courantes ………………………………… 19
a. L'extrasystole………………………………………………… 20
b. Le flutter atrial (auriculaire) ………………………………… 20
c. La fibrillation atriale (Fibrillation auriculaire………………. 21
d. La tachycardie supra-ventriculaire (auriculaire ou jonctionnelle) 22
e. La fibrillation ventriculaire …………………………………... 23
f. La tachycardie ventriculaire ………………………………….. 23
1.10. Le neurone………………………………………………………………… 24
1.11. Conclusion………………………………………………………………… 25
CHAPITRE II : Détection du complexe QRS
2.1. Introduction…………………………………………………………………. 26
2.2. Performance d’un détecteur de complexe QRS…………………………….. 26
a. Les vrais positifs (TP)…………………………………………………. 26
b. Les faux positifs (FP)……………………………………………………. 27
b. Les faux négatifs (FN)………………………………………………… 27
2.3. Différents Algorithmes de détection du QRS………………………………. 27
a. Approches dérivatives et filtres numériques……………………………. 28
b. Dérivation entière……………………………………………………….. 28
c. Dérivation non entière…………………………………………………… 29
d. Filtres numériques………………………………………………….......... 29
e. Détection basée sur la transformée en ondelettes……………………...... 29
f. Approches basées sur les réseaux de neurones…………………………... 30
g. Seuillage adaptatif………………………………………………………. 30
h. Autre approche……………………………………………………........... 32
2.4. Théorie……………………………………………………………………… 33
2.5. Filtre adapté et filtre blanchissant………………………………………… 33
2.5.1. Le filtre blanchissant neuromimétique………………………………... 34
2.5.1.1. Filtre blanchissant adaptatif non linéaire à base d’un PMC…. 34
V
Sommaire
a. Choix de la longueur de la couche cachée…………………... 34
b. Utilisation du Pas d’apprentissage variable………………….. 35
c. Le pas d’apprentissage pour la couche de sortie…………….. 36
d. Le pas d’apprentissage pour la couche cachée………………. 36
2.5.2 Filtre adapté…………………………………………………………… 36
2.6. Conclusion………………………………………………………………….. 37
VI
Liste des Figures
VII
Liste des Figures
VIII
Liste des Tableaux
LISTE DES TABLEAUX
IX
Liste des abréviations
LISTE DES ABRÉVIATIONS
ECG : Electrocardiogramme
EMG : Electromyogramme (contraction musculaire)
MISO : Multi Inputs, Single Output
TP : True Positive, La valeur vrai positive.
FP : False Positive, La valeur fausse positive.
FN : False Négative, La valeur fausse négative.
RIF : Réponse Impulsionnelle Finie
TDL : Tapped Delay Line
ANN : Artificial Neural Network, Réseaux de neurones.
RBF : Radial Basis Function.
LVQ : Learning Vector Quantization.
PMC : Perceptrone Multi-Couches.
PRNN : Pipelined Recurrent Neural Network.
WT : Wavelet Transform
X
Introduction Générale
INTRODUCTION GÉNÉRALE
En dépit des progrès récents, les maladies cardio-vasculaires sont encore
responsables de la moitié des décès en Etats-Unis et dans les pays occidentaux. Ainsi,
le diagnostic et le traitement de ces affections restent encore une des préoccupations la
plus importante des médecins. L’électrocardiogramme a suscité la publication d’une
abondante littérature qui n’a d’intérêt que pour le spécialiste et il est difficilement
envisageable que la majorité des médecins lisent même une petite partie des nombreux
articles, monographies ou traités d’électrocardiographie. Donc l’implémentation d’un
algorithme aboutissant à un diagnostic est indispensable pour le clinicien, permettant
l’interprétation précise de l’électrocardiogramme.
L’électrocardiogramme (ECG) regroupe trois paramètres importants P, QRS, T
qui caractérisent l’activité cardiaque, et un quatrième paramètre d’importance
non encore identifié l’onde U.
Parmi les ondes caractéristiques du signal ECG; le complexe QRS qui
complexe représente le phénomène de dépolarisation des ventricules
cardiaques. Une classification battement par battement et automatiquement de
celui-ci, est très importante dans le diagnostique des cas pathologiques
cardiaques. Cependant une telle opération n’est possible que par une bonne
détection du complexe QRS.
Ainsi, nous allons présenter plusieurs algorithmes capables de détecter pour
chaque battement cardiaque, les complexes QRS, de les caractériser par leurs
emplacements temporels, leurs largeurs et leurs amplitudes. L’interprétation de ces
paramètres en corrélation avec des structures de fonctionnement cardiaques normales,
permettent d’aboutir à un aide au diagnostic de cas pathologiques [1].
Plusieurs algorithmes sont étudiés pour la détection des complexes QRS.
Chacun comporte respectivement deux étapes : Un filtrage linéaire du signal ECG, une
transformation non linéaire et une règle de détection, dans ce travail, nous somme
intéressées par la deuxième étape.
L’étude que nous abordons dans ce travail vise l’étude d’un programme de
détection des paramètres de l’ECG à savoir les ondes QRS T. Nous nous sommes
1
Introduction Générale
concentrés essentiellement sur une approche basée sur un seuillage d’amplitude du
signal et qui permet de détecter ces ondes.
Le présent document est reparti en trois chapitres :
Le premier chapitre présente brièvement le fonctionnement du système
cardiovasculaire, et notamment le cœur. Il permet en particulier de comprendre
l’origine et la nature des signaux électriques enregistrés par l’électrocardiographie, et
présente aussi quelques pathologies cardiaques typiques souvent illustrées dans un
enregistrement électrocardiographique ECG.
Le deuxième chapitre présente l’algorithme de détection des complexes QRS
que nous avons étudié et simulé la caractérisation des battements cardiaques. Il est
entamé d’abord par une étude de plusieurs techniques de détection des complexes QRS
présentent dans la littérature suivi par une description détaillée de l’algorithme proposé
et qui est basé sur la méthode de Seuillage adaptatif.
Le dernier chapitre du mémoire exploite l’élaboration d’un algorithme de
détection d’un paramètre de diagnostic du signal dans le signal ECG qui est les ondes
QRS T.
Nous terminons ce mémoire avec nous conclusions sur l'utilité et la portée de
l'utilisation de notre réseau pour la détection des ondes.
2
Chapitre 01 Les notions de base de l’électrocardiographie
1.1. Introduction:
Le cœur est divisé en deux parties par une cloison, une partie droite et une
partie gauche.
3
Chapitre 01 Les notions de base de l’électrocardiographie
Chaque partie est divisée, elle-même, en deux parties, une partie haute qui est
les oreillettes et une partie basse qui sont les deux ventricules. La figure 1.1 illustre la
structure anatomique détaillée du cœur humain.
Le sang pauvre en oxygène arrive au cœur par la veine cave. Il y entre par
l’oreillette droite, il est chassé par sa contraction appelée systole auriculaire qui le
déplace dans le ventricule droit. La contraction ventriculaire (systole ventriculaire)
propulse le sang du ventricule droit vers les poumons où il va se charger en oxygène.
De retour au cœur par les veines pulmonaires, le sang s’accumule dans
l’oreillette gauche puis, lors de la contraction auriculaire, passe dans le ventricule
gauche de la systole ventriculaire qui l’envoie vers les organes par l’artère Aorte.
4
Chapitre 01 Les notions de base de l’électrocardiographie
Du fait que le muscle cardiaque est myogénique, les contractions rythmiques se
produisent spontanément et sont coordonnées par une impulsion électrique qui le
stimule. Dans le prochain paragraphe en va aborder le processus de contraction
cardiaque du point de vue électrique.
A l’état de repos , les cellules cardiaques sont polarisées tel que : l’intérieur des
cellules étant chargées négativement par rapport à l’extérieur, c’est le potentiel de
repos dont la valeur est comprise entre -80 et -90 mV , de plus si les cellules sont
stimulées ou bien contractées alors l’intérieur de ces cellules va se charger
positivement :cette stimulation est appelée la dépolarisation et qui va provoquer leur
contraction . Cette dernière peut-être considéré comme la progression d’une onde de
charges positives à l’intérieur des cellules, l’onde stimulante de dépolarisation charge
l’intérieur des cellules myocardiques positivement : c’est le potentiel d’action qui peut
atteindre de +20 à +30 mV, au cours de la répolarisation des cellules myocardiques
retrouvent les charges positives à l’intérieur de chacune d’elles.
1.3. L’électrocardiographie:
1.3.1. Définition:
5
Chapitre 01 Les notions de base de l’électrocardiographie
Un ensemble d’électrodes destinés à être appliqués en contacte directe du
patient.
Un système d’amplification des signaux issus des électrodes.
Un appareil enregistreur.
Un système d’enregistrement graphique.
L’ECG a apparu en 1887 avec les travaux de Waller, puis en 1895 Willem
Einthoven met en évidence les cinq déflexions P, Q, R, S et T, il utilise le
galvanomètre à cordes en 1901 et publié les premières classifications
d’électrocardiogrammes pathologiques en 1906, il obtiendra en 1924 un prix Nobel
pour ses travaux sur l’électrocardiographie,
Les dérivations précordiales sont utilisées pour le diagnostic médical à partir de
1932 et les dérivations frontales unipolaires à partir de 1942, ce qui permet à Emanuel
Goldberger de réaliser le premier tracé sur 12 voies.
Aujourd'hui l'électrocardiographie est une technique relativement peu coûteuse,
permettant à l'aide d'un examen indolore et sans danger, de surveiller l'appareil cardio-
circulatoire, notamment pour la détection des troubles du rythme et la prévention de
l'infarctus du myocarde.
Une cellule vivante, lors de transfert ionique entre ses parois, peut être
considérée comme un dipôle électrique. Au repos aucune différence de potentiel
n’existe, alors et par une représentions vectorielle du potentiel électrique, le vecteur est
nulle (figure 1.2.a.) Après une stimulation, la polarité des parois se change induisant
ainsi une différence de potentiel qui se propage tout au long de la paroi marquée par un
vecteur positif(b) qui atteint son maximum lorsque l’impulsion électrique arrive au
milieu(c). La fin de la dépolarisation est marquée par un vecteur positif de faible
amplitude. Une fois la cellule et dépolarisée le vecteur est nul (d). La répolarisation du
la cellule se manifeste par un vecteur négatif (e), qui suit les même étapes que la
premier dans le sens opposé (f) (figure 1.2).
6
Chapitre 01 Les notions de base de l’électrocardiographie
𝑉𝐿 − 𝑉𝐹 𝑉𝑅
aVR = 𝑉𝑅 − = ∗
𝑉𝐹 − 𝑉𝑅 𝑉𝐿
a𝑉𝐿 = 𝑉𝐿 − = ∗
𝑉𝑅 − 𝑉𝐿 𝑉𝐹
a𝑉𝐹 = 𝑉𝐹 − = ∗
8
Chapitre 01 Les notions de base de l’électrocardiographie
9
Chapitre 01 Les notions de base de l’électrocardiographie
Figure 1.6. Les douze dérivations standard dans chaque plan du corps.
10
Chapitre 01 Les notions de base de l’électrocardiographie
11
Chapitre 01 Les notions de base de l’électrocardiographie
L’espace PQ : Correspond au temps écoulé entre le début de la contraction de
l’oreillette et celle du ventricule. C’est le temps de conduction atrio-
ventriculaire (ou auriculo-ventriculaire). Il est normalement de 0.16 seconde.
Le complexe QRS : Reflète la contraction des deux ventricules, sa durée est de
0.08 seconde ;
* La pointe Q est négative et de faible amplitude
* La pointe R est positive et de grande amplitude
* La pointe S est négative et de faible amplitude
L’onde T: Correspond à la fin de la contraction ventriculaire et à la
répolarisation du myocarde. La durée QT est de 0.36 seconde.
L’onde U : Apparaît parfois mais elle n’est pas utilisée pour le diagnostic.
a. L'Intervalle PR ou PQ:
b. L'Intervalle QRS:
12
Chapitre 01 Les notions de base de l’électrocardiographie
c. L'Intervalle ST:
d. L'Intervalle QT:
e. L'Intervalle RR:
13
Chapitre 01 Les notions de base de l’électrocardiographie
1.6. Les sources de bruits dans les signaux électrocardiographiques [1]:
La ligne de base est la ligne d’équilibre de l’activité cardiaque : Elle doit être
isoélectrique. Des ondulations de très basses fréquences dues aux mouvements du sujet
où au mauvais contact des électrodes, peuvent perturber cette ligne.
Interférence du réseau 50 Hz
Motion artefact: C’est la forme de bruit la plus difficile à extraire des signaux
ECG, et ceci en raison du chevauchement de son spectre avec celui de l’ECG
ainsi que sa morphologie qui ressemble celles des ondes P, QRS, T. La figure
1.9 montre les différentes densités spectrales du signal ECG, du complexe QRS
et les différents types de bruits associés au signal ECG .
14
Chapitre 01 Les notions de base de l’électrocardiographie
Figure 1.9 : Différentes densités spectrales du signal ECG, du complexe QRS et les
différents types de bruits associés au signal ECG
15
Chapitre 01 Les notions de base de l’électrocardiographie
régulièrement communiqués à un centre médical pour analyse. Cependant l’analyse
automatique d’un ECG, qui pourrait être par exemple implantée sur ces enregistreurs
portatifs, offrirait un compromis encore plus intéressant, tant au niveau de la qualité de
vie du patient, que du dérangement du corps médical, puisque l’analyseur pourrait
alors ne demander une expertise qu’en cas de détection d’une pathologie (potentielle).
L’analyse automatique des ECG n’est pas simple (de la même manière que son
expertise médicale), du fait de la variabilité des enregistrements d’un patient à un autre
et de leur variabilité interne, en fonction de l’état physiologique d’un patient (au repos,
en mouvement, stress...). Qui plus est, l’expertise médicale d’un enregistrement
d’ECG est souvent complétée par l’analyse de l’histoire clinique du patient, difficile à
exploiter dans la mise en œuvre d’une expertise automatique.
Les troubles du rythme cardiaque trouvent principalement leurs origines dans
des problèmes de conduction (chemin suivi par l’onde de dépolarisation a partir de son
point d’activation électrique), des troubles de la fréquence cardiaque (fonction du
pacemaker naturel (nœud) qui initie la dépolarisation) ou encore de la forme des
différentes ondes composant le cycle cardiaque (déformation onde P, segment ST…).
Parmi les pathologies les plus courantes nous citerons :
Les bradycardies et tachycardies (.ralentissement et accélération de la fréquence
cardiaque)
Les fibrillations auriculaires et ventriculaires (contractions indépendantes et
désordonnées (asynchrone) des fibres musculaires entrant dans la propagation
de l’onde de dépolarisation)
Les blocs auriculo-ventriculaires (défauts de cheminement de l’onde de
dépolarisation suivant la voie courante de propagation)
Les extrasystoles (ou rythmes d’échappement), qui ne sont pas a proprement
parlé des « pathologies », mais qui peuvent indiquer des évolutions vers des
états pathologiques ou bien des problèmes situés en amont de la voie de
conduction. (Les extrasystoles sont des battements initiés par des foyers
différents du nœud courant de dépolarisation).
16
Chapitre 01 Les notions de base de l’électrocardiographie
Ainsi les troubles du rythme cardiaque ont des manifestations nombreuses, qui
résultent le plus souvent d’une combinaison de ces divers troubles élémentaires
(conduction, fréquence cardiaque, formes des ondes). Tout l’objet d’un analyseur, ou
détecteur de pathologie serait donc d’exploiter un grand nombre de paramètres
(statistiques, caractéristiques des différentes ondes) extraits de l’ECG et de les
combiner pour effectuer un pré-diagnostic.
18
Chapitre 01 Les notions de base de l’électrocardiographie
Pour un sujet normal, chaque battement du cœur propulsant le sang dans les
artères (la phase systolique) est déclenché par une impulsion électrique. Cette
excitation est générée par un groupe de cellules cardiaques de nature différente, appelé
le nœud sinusal, situé dans l'oreillette droite.
L'arythmie survient lorsque l'excitation électrique naît ailleurs que dans le nœud
sinusal, dans le nœud atrio-ventriculaire ou les ventricules par exemple, ou que
l'impulsion électrique ne suit plus les chemins de propagation normales.
19
Chapitre 01 Les notions de base de l’électrocardiographie
a. L'extrasystole :
20
Chapitre 01 Les notions de base de l’électrocardiographie
21
Chapitre 01 Les notions de base de l’électrocardiographie
possible, dans la circulation, d’emboles formés au niveau des oreillettes
(particulièrement préjudiciables s’il s’agit de l’oreillette gauche, puisque le ventricule
gauche envoie le sang dans la circulation générale, et en priorité vers le cœur et le
cerveau). Ce risque est relativement faible lorsqu’une FA est permanente, tandis qu’il
est augmenté lors d’épisodes de FA sur fond sinusal (FA paroxystique), surtout lors du
passage d’un rythme à l’autre.
22
Chapitre 01 Les notions de base de l’électrocardiographie
Le principal risque de ce type de pathologie est le manque d’efficacité des
ventricules qui, contraints de se contracter très fréquemment, n’ont pas le temps de se
remplir correctement de sang : l’alimentation du corps en oxygène peut en être altérée.
e. La fibrillation ventriculaire :
C’est l’équivalent physiologique de la fibrillation auriculaire, mais elle
correspond aux ventricules. Les ventricules se déchargent alors de manière totalement
désynchronisée, et il n’y a plus de systole cardiaque. L'ECG enregistre une activité
ventriculaire rapide irrégulière, anarchique, prenant un aspect oscillatoire (figure 1.13).
Une fibrillation ventriculaire constitue donc une arythmie particulièrement
grave, puisqu’elle est une menace de mort subite, en effet le cœur n’assure plus du tout
son travail de pompe, le sang ne circule plus, ce qui conduit à une asphyxie de tous les
tissus du corps, dont le myocarde lui-même. Sans une intervention (défibrillation)
immédiate, susceptible de re-synchroniser la dépolarisation des cellules du myocarde
et faire ainsi « repartir » le mouvement cardiaque, la mort s’ensuit. Les personnes qui
présentent de tels risques peuvent aujourd’hui bénéficier de l’implantation d’un
défibrillateur : placé au niveau du thorax, comme un pacemaker, il est muni d’une
sonde qui peut détecter l’anomalie rythmique et conduire l’appareil à délivrer une forte
décharge électrique.
f. La tachycardie ventriculaire :
23
Chapitre 01 Les notions de base de l’électrocardiographie
conduit au décès du patient si elle n’est pas traitée à l’aide d’un défibrillateur dans les
quelques minutes qui suivent son apparition.
24
Chapitre 01 Les notions de base de l’électrocardiographie
x n : L’entrée n du kème neurone.
w ik : Poids associé au ième entrée du neurone k.
Net k = Σ w ik x i + w0 : règle de propagation ou valeur net.
w0 : Valeur d’offset ou biais interne.
F k : Fonction d’activation.
Y k : Sortie du neurone k.
1.11. Conclusion :
25
Chapitre 02 Détection du complexe QRS
2.1. Introduction :
Dans le signal ECG, le complexe QRS est la forme la plus distinguée (voir
figure 2.1). Et comme il désigne l’activité électrique du cœur au cours de la
contraction ventriculaire, son temps d’occurrence et sa morphologie sont la source
d’une importante information concernant l’état actuel du cœur. Une fois les instants
d’occurrences des complexes QRS sont identifiés, la fréquence cardiaque peut-être
calculée, différents segments et intervalles peuvent être mesurés.
La valeur vraie positive ou True positive (TP), indique que l’algorithme détecte
les vraies positions des complexes QRS.
26
Chapitre 02 Détection du complexe QRS
b. Les faux positifs (FP):
𝑇𝑃
𝑆𝑒 = − = 2.1
𝑇𝑃+ 𝑇𝑃+
𝑃 𝑇𝑃
𝑆𝑝 = − = 2.2
𝑇𝑃+ 𝑃 𝑇𝑃+ 𝑃
27
Chapitre 02 Détection du complexe QRS
2ème étape : Pendant cette étape autres opérations seront effectuées sur le signal
issu de la première étape, tel que la valeur absolue, puissance,…, etc. qui
aident à là détection des pics considérés comme des candidats QRS.
L’opération de la détection proprement dite est assurée selon une règle de
décision bien appropriée, avec laquelle on juge un candidat pour QRS ou non.
Le schéma en bloque (figure 2.2) résume la structure adopter généralement dans
les détecteurs du complexe QRS.
Nous somme intéressé par la deuxième étape, car cette étape est basée souvent
sur des approches heuristiques et dépendent sur l’étape du prétraitement [2].
b. Dérivation entière :
Dans beaucoup d’algorithmes, le filtre passe haut est utilisé seul. Il est réalisé
par la première dérivation du signal ECG, exploitant ainsi la pente du complexe QRS
pour son repérage. Dans ces algorithmes parmi les équations utilisées comme
dérivateur on trouve:
𝑛 = 𝑛+ − 𝑛− 2.3
Et
𝑛 = 𝑛+ + 𝑛+ − 𝑛− − 𝑛− 2.4
28
Chapitre 02 Détection du complexe QRS
c. Dérivation non entière :
Basée sur des filtres passe bande de type RIF (Réponse Impulsionnelle Finie) à
phase linéaire, constitués par deux filtres dérivateurs fractionnaires tronqués. Un
modèle fractal de la densité spectrale de puissance du complexe QRS est utilisé pour
déterminer l’ordre non entier négatif du premier filtre qui maximise le rapport signal
sur bruit.
Le bruit résiduel de basse fréquence est réduit par un filtre avec un ordre non
entier positif.
Les deux filtres, dont les coefficients, ne dépendent que des ordres non entiers,
sont mis en cascade pour former le filtre passe bande.
d. Filtres numériques :
En général, ces algorithmes utilisent des filtres passe bande qui sont réalisés par
différente méthodes. Dans le signal ECG est filtré par deux filtres passe bas en
parallèle, avec des fréquences de coupure différentes, la différence entre ses sorties
constitue le filtre passe bande proprement dit.
En comparant la sortie de ces filtres avec un seuil approprié, un QRS est détecté
ou non suivant le résultat de cette comparaison.
Malgré la variation des composants fréquentiels du complexe QRS d’un patient
à l’autre, et même dans un seul patient et le chevauchement avec les composants
fréquentiels des bruits, le taux de détection de ces algorithmes a dépassé la limite de
90%.
+∞ ∗
𝒲ℱ a, 𝑏 = ∫−∞ 𝑓 Ψa,𝑏 dt 2.5
29
Chapitre 02 Détection du complexe QRS
règles de détection basées sur la transformée en ondelette utilisent la méthode de
Mallat et Hwang. Dans leurs travaux, Li et al annoncent le taux de détection de
99.8%. Ce qui montre la performance de cette méthode.
Les réseaux de neurones (ANN : Artificial Neural Network) ont été largement
appliqué dans le traitement non linéaire des signaux, classification et dans
l’optimisation. Les approches, non linéaires ont montrés leur supériorité face aux
approches linéaires.
Les réseaux de neurones multicouches, les réseaux RBF (Radial Basis
Function) et les réseaux LVQ (Learning Vector Quantization) sont souvent utilisés
pour le traitement automatique du signal ECG.
30
Chapitre 02 Détection du complexe QRS
31
Chapitre 02 Détection du complexe QRS
La technique de détection basée sur le seuillage adaptatif est utilisée dans notre
travail, le détaille de cette dernière et représenté dans les sections suivantes.
h. Autre approches:
32
Chapitre 02 Détection du complexe QRS
2.4. Théorie:
Pour nous, le signal informationnel s(t) est le complexe QRS, les autres
composantes du signal ECG (x(t)) tel que l’onde P et T, les artefacts et 50Hz du
secteur, représentent le bruit additif n(t).
33
Chapitre 02 Détection du complexe QRS
Ils consistent des deux réseaux :
1- PMC (Perceptrone Multi-Couches).
2- PRNN (Pipelined Recurrent Neural Network).
Quant au réseau PRNN, il est utilisé avec un filtre TDL (Tapped Delay Line)
qui, ensemble réalisent la fonction de prédiction adaptative non linéaire.
Le signal erreur du filtre blanchissant est ensuite passé à travers un filtre adapté
en vue d’améliore le rapport signal sur bruit.
34
Chapitre 02 Détection du complexe QRS
Pour les filtres adaptatifs le pas d’apprentissage est nécessaire pour une
adaptation rapide.
Dans la plupart des applications basées sur les réseaux de neurones, un pas fixe
est adopté pour l’actualisation des poids, Dans ce cas une préparation et
conditionnement des donnée est nécessaire auparavant pour assure un fonctionnement
raisonnable du réseau.
35
Chapitre 02 Détection du complexe QRS
Le filtrage en temps real nécessite un pas d’apprentissage variable en vue
d’améliorer les performances du filtre. On va utilise un pas d’apprentissage variable
que ce sont pour la couche cachée ou pour la couche de sortie.
𝛵. 𝛼+
𝜇 𝑛 =∑ (2.7)
= ℎ
Où T est une valeur positive comprise entre 0.1 - 0.5. Et ∑ = ℎ est la puissance du
signal de la couche cachée.
𝛵. 𝛼+
𝜇ℎ 𝑛 = (2.8)
𝜎 .𝛫 𝑙 ∑ =− 𝑛−
36
Chapitre 02 Détection du complexe QRS
Le filtre adapté peut être réalisé à l’aide d’un filtre numérique de type RIF
caractérisé par la réponse impulsionnelle h = − en vue de maximiser le
rapport signal sur bruit.
| 𝑠 |
= (2.9)
√ { 𝑛}
Le filtre adapté est un détecteur optimal si le bruit n(t) est un processus aléatoire
blanc. Malheureusement, ce n’est pas le cas, du fait que n(t) comprend des parties du
signal ECG comme l’onde P et T, bruit de fond et bruit de l’électromyographie. Ces
composants de bruit sont, en générale, corrélés et varient avec le temps. Ce qui
implique le passage sur une étape de filtrage de blanchissement du signal pour
supprimer ces composants de bruit corrélés. Parmi plusieurs alternatives et techniques
de filtrage blanchissant.
37
Chapitre 02 Détection du complexe QRS
2.6. Conclusion :
38
Chapitre 03 : Simulation Et Interprétation des Résultats
3.1. Introduction:
a. Techniques d’enregistrement:
40
Chapitre 03 : Simulation Et Interprétation des Résultats
3.3.2. Résultat:
Le signal ECG utilisée dans cette étape de simulation est donné sur la figure 3.3
(voir l’Annexe B):
ECG
350
300
250
200
150
Amplitude (mv)
V
100
50
-50
-100
0 1 2 3 4 5 6 7 8
Time(sec)
a. La détection de l’onde R :
200
150
100
Amplitude (mv) 50
-50
-100
0 1 2 3 4 5 6 7 8
41
Chapitre 03 : Simulation Et Interprétation des Résultats
= 𝑎 × . = . × . = . 𝑚𝑚 .
Pour l’onde R: c’est l’amplitude détecté en (mm) en transforme en (cm) par
exemple :
= . 𝑚𝑚 → 𝑐 = . 𝑐𝑚 .
Onde R :- Normal
-Positive
-Régulier
-Uniforme
Intervalles R-R: Normal (régulier, nombre de battement compris entre 60 et 100)
− = . 𝑠
− = . 𝑠
42
Chapitre 03 : Simulation Et Interprétation des Résultats
− = . 𝑠
− = . 𝑠
− = . 𝑠
− = . 𝑠 .
− = . 𝑠
− = . 𝑠
− = . 𝑠
. + . + . + . + . + . + . + . + . ⁄
=
= . 𝑠
Nombre de battement /minute = 60/0.8626= 69.5571 battement /minute.
b. La détection de l’onde T :
detection de l'onde T
150
100
Amplitude (mv)
V
50
-50
1 2 3 4 5 6 7 8
Time(sec)
Après l’élimination de tous les pics R, l’onde maximale du signal ECG égale à
81.42 mm (voir Tab.3.2), donc le seuil de détection des pics T égal à :
43
Chapitre 03 : Simulation Et Interprétation des Résultats
= 𝑎 × . = . × . = . 𝑚𝑚 .
Les pics T détectés sont illustrés dans le Tableau suivant :
Amplitude des pics Temps de détection des pics
(s)
Différence de
Différence d’amplitude
T(cm) T(mv) T(s) temps entre les
entre les pics
pics
Pic 1 6.435 0.6435 / 0.348 /
Pic 2 7.9385 0.79385 0.15 1.212 0.864
Pic 3 7.37165 0.737165 -0.056 2.092 0.88
Pic 4 7.50172 0.750172 0.013 2.936 0.844
Pic 5 7.29893 0.729893 -0.021 3.756 0.82
Pic 6 8.14209 0.814209 0.085 4.588 0.832
Pic 7 7.35917 0.735917 -0.079 5.516 0.928
Pic 8 7.67923 0.767923 0.032 6.384 0.868
Pic 9 7.18339 0.718339 -0.049 7.232 0.848
Pic 10 1.0894 0.10894 -0.3093 8 0.768
Onde T : Normal
Amplitude normale (> à 0.2mV) et régulier.
detection de l'onde S
150
100
Amplitude (mv)
V
50
-50
1 2 3 4 5 6 7 8
Time(sec)
44
Chapitre 03 : Simulation Et Interprétation des Résultats
L’onde minimale du signal ECG égale à -67.55 mm (voir Tab.3.3), donc le seuil
de détection des pics S égal à :
= 𝑖 × . =− . × . =− . 𝑐𝑚 .
Après l’élimination de tous les pics S, l’onde minimale du signal ECG égale à
− . mm (voir Tab.3.3), donc le seuil de détection des pics Q égal à :
= 𝑖 × . =− . × . =− . 𝑚𝑚 .
Onde S :
Amplitude des pics Temps de détection des pics
(s)
Différence de
Différence d’amplitude
S(cm) S(mv) S(s) temps entre les
entre les pics
pics
Pic 1 -6.7555 -0.67555 / 0.164 /
Pic 2 -5.4109 -0.54109 0.134 1.028 0.864
Pic 3 -5.71538 -0.571538 -0.03 1.904 0.876
Pic 4 -5.15058 -0.515058 0.056 2.756 0.852
Pic 5 -5.07304 -0.507304 0.008 3.58 0.824
Pic 6 -5.66 -0.566 -0.059 4.416 0.836
Pic 7 -5.08 -0.508 0.058 5.328 0.912
Pic 8 -5.26372 -0.526372 -0.018 6.204 0.876
Pic 9 -5.00807 -0.500807 0.026 7.06 0.856
Pic 10 -5.71089 -0.571089 -0.071 7.928 0.868
45
Chapitre 03 : Simulation Et Interprétation des Résultats
Onde Q :
Amplitude des pics Temps de détection des pics
(s)
Différence de
Différence d’amplitude
Q(cm) Q(mv) Q(s) temps entre les
entre les pics
pics
Pic 1 -3.58171 -0.358 / 0.068 /
Pic 2 -1.354 -0.135 0.223 0.928 0.86
Pic 3 -2.668 -0.266 -0.131 1.808 0.88
Pic 4 -1.63142 -0.163 0.103 2.66 0.852
Pic 5 -1.1114 -0.111 0.052 3.48 0.82
Pic 6 -2.2 -0.22 -0.109 4.316 0.836
Pic 7 -1.53468 -0.153 0.067 5.232 0.916
Pic 8 -1.003 -0.1003 0.0527 6.108 0.876
Pic 9 -2.11101 -0.211 -0.1107 6.956 0.848
Pic 10 -1.18091 -0.118 0.093 7.832 0.876
150
100
Amplitude (mv)
V
50
-50
1 2 3 4 5 6 7 8
Time(sec)
46
Chapitre 03 : Simulation Et Interprétation des Résultats
d. Complexe QRS: Normal (n’est pas compris entre 0.06 et 0.12)
= . 𝑠
= . 𝑠,
= . 𝑠
= . 𝑠
= . 𝑠 .
= . 𝑠
= . 𝑠
= . 𝑠
= . 𝑠
= . 𝑠
Temps de détection des pics (s)
P Q R S T
Pic 1 0.02 0.068 0.108 0.164 0.348
Pic 2 0.86 0.928 0.968 1.028 1.212
Pic 3 1.75 1.808 1.848 1.904 2.092
Pic 4 2.58 2.66 2.7 2.756 2.936
Pic 5 3.39 3.48 3.52 3.58 3.756
Pic 6 4.24 4.316 4.356 4.416 4.588
Pic 7 5.16 5.232 5.272 5.328 5.516
Pic 8 6.04 6.108 6.148 6.204 6.384
Pic 9 6.87 6.956 6.996 7.06 7.232
Pic 10 7.75 7.832 7.872 7.928 8
− = . 𝑠
− = . 𝑠
− = . 𝑠
− = . 𝑠
− = . 𝑠 .
47
Chapitre 03 : Simulation Et Interprétation des Résultats
− = . 𝑠
− = . 𝑠
− = . 𝑠
− = . 𝑠
− = . 𝑠
Pour compléter ce travail, une deuxième partie de simulation à l’aide du logiciel
Matlab, un réseau Neurone à été simulé on considérant trois signaux ECG d’entrées
(sont données dans l’Annexe A) et une sortie.
Les trois signaux ECG d’entrée sont illustrés dan la figure suivante :
ECG 1
200
-200
0 50 100 150 200 250 300 350 400 450 500
ECG 2
500
-500
0 50 100 150 200 250 300 350 400
ECG 3
500
-500
0 50 100 150 200 250 300 350 400 450 500
net=fitnet(10,'trainlm');
Le nom du réseau est "net"
Diviser les données en trois types, Training - Validation- Testing, avec les
pourcentages suivants :
L'algorithme développé est très lent dans l'apprentissage que dans l'exécution
des tests. Cette performance est due principalement à l’application des réseaux de
neurones et le fait qu'on fasse appel à une quantité d'information minimale.
49
Chapitre 03 : Simulation Et Interprétation des Résultats
50
Chapitre 03 : Simulation Et Interprétation des Résultats
Les données utilisées pour construire le modèle final proviennent généralement
de plusieurs jeux de données. En particulier, trois ensembles de données sont
couramment utilisés à différentes étapes de la création du modèle.
Successivement, le modèle ajusté est utilisé pour prédire les réponses pour les
observations dans un deuxième ensemble de données appelé l'ensemble de données de
validation. L'ensemble de données de validation fournit une évaluation impartiale de
l'ajustement d'un modèle sur l'ensemble de données d'apprentissage tout on ajustant les
hyper paramètres du modèle [5] (par exemple le nombre d'unités cachées dans un
réseau de neurones). Les jeux de données de validation peuvent être utilisés pour la
régularisation par arrêt anticipé: arrêtez la formation lorsque l'erreur sur l'ensemble de
données de validation augmente, car cela est un signe de sur ajustement de l'ensemble
de données d'apprentissage. Cette procédure simple est compliquée en pratique par le
fait que l'erreur de l'ensemble de données de validation peut fluctuer pendant
l'entraînement, produisant plusieurs minima locaux. Cette complication a conduit à la
création de nombreuses règles ad-hoc pour décider quand le sur-enchement a vraiment
commencé.
51
Chapitre 03 : Simulation Et Interprétation des Résultats
Enfin, l'ensemble de données de test est un ensemble de données utilisé pour
fournir une évaluation impartiale de l'ajustement d'un modèle final sur l'ensemble de
données d'apprentissage.
0
10
-1
10
0 2 4 6 8 10 12 14 16 18 20
20 Epochs
52
Chapitre 03 : Simulation Et Interprétation des Résultats
3.4. Conclusion :
Les résultats des simulations sont présentés, les ondes QRS et T sont détectées
dans la première partie et le réseau Neurone à été testé avec les trois entrées ECG
53
Conclusion Générale
CONCLUSION GÉNÉRALE
Dans notre travail mené tout au long de ce mémoire, nous avons abordé le
problème d’analyse et de modélisation non linéaire du signal électrocardiogramme.
Le premier chapitre de ce mémoire a été dédié complètement à l’introduction et
l’étude de l’élément principal du système cardiovasculaire et au principe de
l’électrocardiogramme et les différents modes de son enregistrement.
Dans le deuxième chapitre nous avons traité les techniques de détection des
ondes QRS et T qui seront notre partenaire primordial pour le traitement du signal
ECG. Parmi ces techniques de détection la technique basée sur le seuillage
d’amplitude qui sera l’objet de notre travail. Les réseaux de neurones appliqués sur le
signal ECG seront aussi présentés et fait une partie de notre étude.
La détection du complexe QRS constitue l’élément clé de l’analyse du signal
ECG. Une fois détecté, beaucoup d’informations qui seront utilisées pour des fins
diagnostiques, peuvent être décelées et différents traitements supplémentaires peuvent
être appliqués.
Nous avons devisé le troisième chapitre en deux parties la première est
consacrée pour présenter l’algorithme de détection des ondes QRS et T ces détecteurs
sont, en général, basés sur le seuillage d’amplitude et la deuxième partie présente une
simulation des réseaux de neurones appliqué sur le signal ECG avec trois entrées, une
sortie et dix couches cachés.
Les résultats des deux simulations sont présentés, les ondes QRS et T sont
détectées dans la première partie et le réseau Neurone à été testé avec les trois entrées
ECG.
54
Annexe A
55
Annexe A
7.95459569823699;-3.43544925467986;-0.0274300808447832;21.4869915568781;
30.5374924506296;97.6086904713606;99.6891872856749;119.010856163634;111.317
442663405;94.9787700601875;55.2965456817549;53.6151628201953;32.78674796106
30;-3.88424701593343;0.225989536554946;8.92249331807442;-8.73494074458064;-
27.5448302288689;-22.7854529501426;-0.306563443088237;-35.2901070770696;-
18.5794103550277;-19.2294665037906;-31.0541310536889;-19.0461879130558;-
14.8749697301199;-40.2904183104673;-4.19474511882667;-23.7411367886330;-
19.9336573408113;-26.9960215572952;-0.212073715640717;-24.4143836733684;-
3.05469231272601;-22.3602188091548;-3.20629894567038;-13.6947185797586;
6.24940726357588;-24.3076859659700;10.1264315695647;-12.6307310621420;-
10.6734543732900;10.3557760908354;-12.3714096317349;13.8203245392873;-
3.15198215329653;8.11610182081849;14.4304363842432;-9.53781246925481;
24.9161169014768;17.9669049780006;-6.82136310307079;34.9578807943062;
7.76968066257583;20.0593061487744;9.25449034199930;36.1135990185652;-
5.65060379564199;34.0309774874673;14.0190452121492;27.4982996002869;21.6770
292374785;33.4889252393116;30.6028859304271;9.00905529644910;28.72868678890
45;48.8261042208301;8.03195278101610;40.4673736035937;37.1330356203836;30.9
707436321959;41.9782342714144;14.1460844798795;48.3825490236557;41.42453463
93751;10.5200708832559;34.6125044901011;15.8673559449734;20.4902476079921;1
8.9830421614886;0.695758602351224;-4.62206198861544;-1.40721701582885;-
4.02979035578084;-8.67489739505909;-25.4755824465512;-11.6279599807505;-
24.4978452256540;-17.7707021499456;-37.1101766609980;-17.3484920219698;-
39.9094141732080;-24.3658334506790;-37.6701464601660;-14.4981149912488;-
38.2530555792309;-29.2771010896807;-35.1929507899866;-16.3859835082941;-
34.3746463313709;-26.6691065520237;-10.4526979849501;-26.9172397890571;-
14.3456665003147;-19.5061981736209;-14.1309053211735;-15.9888756323429;-
3.83983728087267;-19.2722995123861;-10.0378930231040;-9.24548435950949;-
9.48121853909260;4.91440280113129;-27.1704261839994;8.20373935622328;-
8.73333293259340;-10.7606591057698;15.0132191851180;-23.3925357092605;
7.38695862203163;-23.2861243363102;-2.32733772203586;-6.59168198911811;
1.13983748528745;-21.4663957506908;0.370162692128045;-1.52715421981725;
2.94096814999315;-23.9082450935557;-4.94124535073622;1.32451356174143;-
6.19728738016639;1.38085636209457;-2.25243869138091;-17.0920290646225;
3.41854684614408;-11.8208716077967;2.17364645685379;-7.50264696606918;-
14.7901297039576;12.6888152178739;-26.1045399780557;13.6570061245337;-
29.0616120828696;4.87480485901677;-3.15897278351839;-4.52220100750899;-
20.7472828587719;7.66200687402571;3.15469412494157;-16.1220809536618;-
0.947860485247354;-7.72812638774895;9.00945574192521;-12.7306865063076;
5.04323621659905;10.6929842109323;-10.4847953089883;16.1157791692081;-
25.5367617019996;2.62051825134537;3.42250214225903;-2.64716659286656;-
3.86115274410237;-3.33927794147373;-4.02978768176924;-3.08696888027606;-
5.56806112588526;8.50128047193644;-16.4512248712937;-0.127367408063031;
9.36919031694867;-7.02771743441704;-1.31015418424818;-5.84113018619248;
11.0164352823555;-15.4964381144679;27.8864276451249;-18.1214675139653;
19.3261572084773;-12.2504409414899;11.4715883614878;-6.98650083748054;
8.41337730995983;7.33959034415080;13.7558776684662;-20.3859866809866;
8.18498840253471;9.60304286638394;-11.7631403480340;13.5045872826893;
7.71413975660747;7.55094788694739;-20.8467854126470;23.1021432347424;-
10.7255633055860;3.95814110352464;22.4562756166489;-10.6819846125632;
16.8746833634195;6.28559615651399;2.46859727510005;3.76131667927824;-
9.67165983697953;24.0823965176229;-8.25478337494335;4.61695192302240;
13.9807954500094;2.80483185854898;-14.1723619192756;24.7463273375663;-
36.6319661065412;0.808607190691050;2.23511195401177;-18.0892455057132;-
2.41918355226575;-29.0907534627757;11.1805541280221;-12.9956336645718;-
21.3990892696047;-0.0824596619132834;-12.3186437151202;-2.07284598159629;
10.8156480918350;34.7637734580434;77.2169347389426;90.8638567370348;116.563
150123241;102.993504459773;111.576287965763;72.1679216730696;50.12641609794
65;22.1142099851112;12.3094839931012;-1.17988692227603;7.92968701168506;-
31.0904388913764;5.60190671741978;-41.2142178155646;10.4858442553473;-
41.2814159036056;-14.2313075688595;];
56
Annexe A
ECG2=[50.3072468403097;51.9145546955870;55.4080529781320;58.6935355138986;5
9.6221138164486;61.1238761550932;64.8050594968420;67.1934841216012;74.06619
56583767;81.8062203097235;83.6566161643206;81.5487549242261;80.426647047191
1;79.2188032591710;75.8597492613859;71.2557683387378;66.3761519006211;59.46
30603917203;49.4947694632282;39.9494118814229;31.1171798046573;19.631627286
5564;8.69139435433892;-4.09785454492171;-17.1821545790396;26.2635197801798;
-36.7755686446215;-46.4704460555112;-57.0298242284524;-63.7578708953321;-
68.6109305871891;-72.4665684814310;-75.0082386307701;-75.8679557642857;-
72.4545866849107;-71.1451815060260;-72.0953532585184;-71.2857833082612;-
69.3725444248195;-66.5907965129618;-64.0301961786285;-61.2483478305360;-
58.1071716659904;-53.7719626491523;-50.0894273865809;-46.7801243578093;-
43.1124329166682;-40.0765032893875;-36.6085786164420;-33.1560148398781;-
27.8075696316658;-25.3389850324444;-21.8839584949817;-19.5824104849269;-
17.8037435242102;-17.6971311756798;-16.7355655700007;-15.8939859598284;-
16.0807592390394;-14.6179162595601;-12.6969187089567;-11.6878059470294;-
12.2476353255708;-14.2493711890132;-14.2195750216681;-16.2930751200549;-
16.5280906979619;-14.9775995502104;-16.1257515369417;-18.4274593200574;-
16.5599631685597;-14.6575664181374;-15.4054365594243;-14.1962830696134;-
13.0925056037537;-11.5674202452377;-10.5661289398073;-10.2600449345724;-
9.13962245519375;-6.14737536268223;-5.18596770632574;-4.87915781814615;-
3.45818985444028;1.14456237390814;2.29963287939798;-1.20443151718786;-
4.01748167763169;-4.85762622013621;-4.76257925638399;-5.57944913691773;-
1.09348506869601;0.245494916491486;-0.759480523518704;-0.170946785362737;-
1.53649500476345;-1.86828199912944;-3.24631442583467;-2.91169904580033;-
5.80110022135723;-5.61672141353724;-6.00227524306193;-7.00872108784042;-
7.47452857248717;-8.43485351029069;-8.33310195054822;-8.71117254921480;-
9.92576532071125;-7.63071235817024;-1.91454794354610;0.699743148370992;-
0.644421622499846;-0.305739112672254;-0.452953773170214;0.674217300679741;
2.79064539262147;1.51806171867075;-0.560165411443629;-1.59842567099674;-
2.59032632300556;-3.42212626415509;-2.75962536134082;-3.43933991743646;-
2.54191203360686;-3.33996716624302;-1.62759536910807;-0.626578912110446;
1.29116628535591;3.87614964499523;5.14646678792749;4.48231803148290;9.00826
395194333;9.87348240153030;8.81593628941778;9.46190791831484;10.88859148366
76;11.4665870763578;11.5617992453460;12.1249013016167;16.4751389128300;18.8
589649063387;15.7061187496299;12.4346045082522;7.11119541860577;2.634282795
14402;-0.442738922583960;-3.93086531802182;-6.59104173179131;-
6.74183218355319;-7.18635582637706;-6.43897184187240;-4.25770269157470;-
8.21136755192595;-11.0004373504480;-14.0215766374937;-18.4016350217603;-
21.4443013340839;-25.0615991925787;-25.2778019526413;-17.7969562311244;
5.59461607582749;48.6986504824854;112.095803244582;190.402230171027;263.484
485240309;301.901784856087;284.483117558411;224.371523133261;161.1986809835
73;106.883048515061;62.7549796805827;29.8382808649425;4.31062491127310;-
11.1224233774369;-27.3433344939924;-39.5952506378452;-48.1600775331417;-
53.6413879995256;-55.3297802170611;-55.3472616670579;-55.1875313188373;-
58.3201856438675;-58.6885932928021;-58.0713220599081;-57.0205297491637;-
54.5993852126268;-51.3302862665967;-46.9014526833948;-42.9476122050258;-
39.9014111763081;-36.7009836874214;-33.8116639927577;-29.1899560458716;-
24.5357820110463;-21.6216242564572;-19.5942261366880;-17.4614824401247;-
15.4706286877713;-14.1148396844756;-9.86083286811432;-6.50400568495419;-
2.49463055044018;1.45044291430888;6.47077544292241;13.0896025640961;18.0458
858312370;22.6531514875910;27.7883422718625;32.5991307250439;34.58375249181
38;35.6810621975950;35.5563576810741;37.0697950746623;39.9068479806746;44.1
867084447438;46.0393305544896;48.1132954084641;51.9019665437757;56.77228853
53650;59.0405767637251;60.8918906469401;64.1981860154758;66.2305498092127;6
9.0944261924935;71.2816995175066;74.1999610068097;77.7415676969242;79.60707
88978247;81.7900799564085;85.5898525724595;86.1165875515785;83.771050786981
0;77.9908972845270;70.6620116913140;62.3573180321652;49.3970966779262;38.00
84489869891;25.8466235931434;14.5792123550188;4.32093797275248;-
8.36090555995738;-21.1920073275255;-34.0512552771820;-42.3923392290155;-
49.0084287811518;-55.4880974230208;-62.0001371230636;-66.9940341950945;-
72.2679903772314;-75.5863637833618;-75.2461437632342;-78.3543225773173;-
57
Annexe A
79.3071326595241;-79.5821266623111;-78.4479299061543;-74.8861224515539;-
71.1327392682043;-65.9626938513914;-59.7360904821900;-54.4548469130012;-
49.9973926316644;-47.4038012399289;-43.3886671579066;-40.7572271216482;-
36.9859196599712;-33.7838797489656;-31.6919250631198;-28.7642424436203;-
24.6566672257350;-24.1024456136970;-23.3664044321673;-20.6598307896843;-
16.3105849016111;-12.9596852655353;-10.1775154711358;-14.4418008337064;-
17.7645967895431;-19.2184806461345;-21.1511270861194;-21.7617280215670;-
22.9136674740621;-20.4836264534682;-17.3228430335754;-17.0439154758951;-
18.9850978602470;-18.9789199587543;-17.4161685563060;-16.8221215377243;-
15.7695539277625;-13.6886231540449;-11.3615245686916;-13.1303939253493;-
14.1572634360417;-15.7641716833586;-16.8155061788441;-16.2867731108255;-
16.9139222152568;-17.2907458995991;-18.5214490887574;-17.5268972938630;-
20.5910718115053;-20.6360090619827;-19.6709676718366;-20.6980204920218;-
19.8547091850416;-15.1558824623000;-15.2250989436406;-15.9665828384818;-
13.8486521085372;-12.3694351940912;-11.8446476237939;-9.40339796336998;-
2.04387138098219;5.95230170694884;3.09834717132080;-3.54603811714230;-
9.28692408479538;-12.0185889640418;-14.3206780246653;-13.4523357355135;-
11.1910420950201;-8.17110812592681;-8.84348177100160;-10.0433250620760;-
11.5555064574077;-10.5827472406240;-10.1243104407038;-10.9789834889705;-
11.3067862037639;-8.65642920004797;-6.40800197018262;-4.93983910805906;-
3.71650901673474;-2.16779282737571;0.525625692551945;2.38273003283965;
2.81072884490379;2.87516468094748;2.63456161209013;1.17828855657941;0.66052
0137073372;2.28513241197030;3.76184903307897;3.95102687231543;1.88840067593
891;0.944841803929112;0.350921582591950;0.276012307569703;1.53541514570408;
2.75820947920098;2.67705435484444;2.06787969719878;2.99149584363515;4.68086
006485831;6.77912663871680;8.11990944636436;8.18299992403899;9.058976575548
09;8.58313255973839;7.49781934059590;7.58576179170150;8.05967343948266;4.67
742690222994;3.87929237694635;7.50057878337276;8.08915545799274;1.890503624
29299;-8.31243643276037;-15.1070461296648;-19.8211604335858;-
22.3693547543715;-24.8129567255927;-28.6621770075996;-27.8378673402948;-
29.0631331902674;-30.5639161609115;-33.5987173630092;-35.4202014263395;-
34.1952930651017;-27.6123255935765;-5.86768560877937;31.5291833884486;
83.7788467815378;154.953304439523;232.541822438865;286.247598774342;288.261
259518382;239.385645584693;171.913077539224;113.212533284896;64.03848781588
08;26.4076751240521;-1.15640350304920;-17.4116951030377;-32.5546529969389;-
41.7338687753337;-50.5778463987592;-56.4064364139708;-59.5989497801312;-
62.1757671253455;0;];
ECG3=[-65.2638740110093;-64.5172621545517;-62.4958783686609;-
59.4890431566950;-58.3724553037500;-54.3052368983351;-48.1558403672640;-
44.7444170172398;-42.9943707100425;-36.8254973139395;-33.0609578278803;-
33.0206743820669;-30.4029151465256;-29.6053558477307;-29.2935884072059;-
27.2179800813531;-22.7693945785858;-20.1567816394038;-19.2762701940098;-
17.7227598899723;-17.7704624057665;-16.6144377327657;-13.0895618080070;-
8.43904181871525;-5.59735285204370;-0.479204097893176;7.53012340943164;
11.5455302932569;12.4813403210692;15.5612085275161;21.0219739418846;26.3188
297461400;30.8991823852365;33.4068786209434;35.8815137605262;40.65671839797
51;45.6054048595100;53.3355305168005;59.8780512645049;62.5241641203834;63.4
000017653447;65.4937243789212;66.0106549012421;66.3629164115539;69.30059006
49373;70.6471216832300;73.8194563870489;77.9922957414116;77.8906448717174;7
8.5838234683867;77.8597770996371;77.5810993804183;74.2009799341057;71.28951
82116736;64.8793104802064;54.6966003680638;42.5275317085369;32.350763176080
0;23.0804815979513;10.0991522241103;-4.16907183912154;-16.4440091883960;-
29.2689931384626;-38.2220116652002;-43.9923652502603;-50.1707772810151;-
56.6946691824030;-66.3007548047984;-70.4887963648389;-73.1103410953421;-
73.0096886603081;-72.5727570429187;-71.0081332660556;-70.3264594805330;-
72.0766018918280;-70.1684038861396;-66.3187603811475;-61.8323221920615;-
59.3416533988255;-57.8057396666912;-55.1592344557700;-51.3240930556118;-
48.4068961230338;-45.5419549743991;-42.6379246156802;-38.1571454737302;-
34.0811872701072;-32.2758499846001;-31.9663860908496;-27.8764551543966;-
25.7152140831113;-25.5030526692418;-25.0443597617881;-24.1928100443397;-
58
Annexe A
22.6482494431213;-22.0958167327861;-21.5454698420951;-22.0861017762649;-
22.0969219405910;-20.1141737143461;-17.5899505215652;-18.4342993219903;-
19.4223064488833;-18.4653423357969;-16.6620694709341;-14.8432144712141;-
13.9151031033518;-13.6998574950365;-15.6453205945975;-15.6763008354595;-
13.3885088805368;-12.1899952471288;-11.4766667267867;-9.67657694827641;-
8.92228211826234;-10.0624718759931;-9.98528899693294;-12.0395043429396;-
14.7454625937925;-14.9580140012504;-14.7041150465315;-16.7534927502050;-
19.3696806804605;-20.6847605663843;-20.1771321786899;-18.0052968177476;-
17.7969606975181;-18.8591518517010;-17.1954135203126;-15.0324975845322;-
11.7213256716116;-11.1237628236929;-10.3136159054701;-7.58679126219632;-
5.07184378042885;-3.21659802293463;0.427001867525310;-0.671758840930144;-
1.81975431639813;-2.51915449064477;-1.87422256718226;-0.517800087050048;-
2.28093817139431;-4.88892843080293;-3.89573002721057;-2.39512299314583;-
3.64140906978708;-2.36738982563310;1.92420336390461;-0.899422507613430;-
3.06093504894859;-2.10036902869976;-2.36782693457145;0.582082190822220;
4.26707740038063;8.11793489741961;7.47357556752125;6.32102660148622;6.30591
939223921;8.12473102642283;9.57417076565002;11.2914496964141;14.26218215565
95;18.2928721586385;20.8804300644827;22.5295622188138;23.9422534505160;25.0
008822172269;24.4817507634994;20.3013245001354;18.5414453048175;16.94484739
45793;14.2651757799972;12.1731593291070;7.95028332226578;2.69262345181816;1
.27954654181698;-2.23504635325073;-6.71080394504118;-12.1184142566524;-
12.6598764087075;-13.2530396295396;-16.1949126066451;-16.7055421636441;-
18.2236606890400;-18.7856281279347;-18.2755812341169;-18.9438652933546;-
18.6833655601083;-21.2421746277727;-24.1747776973862;-19.6852889859840;-
1.37271507707047;31.7277014651703;84.4820706372111;155.066770243354;231.514
887986382;286.145948261549;289.388630654569;242.456196756630;178.7961730425
89;126.142295061898;80.6090551085827;42.2493506536946;12.0611313099418;-
8.41404510997769;-22.8173276832740;-33.4899952837639;-39.5797178316382;-
42.3121627876811;-47.3075054908555;-49.2934136892987;-50.8583648158712;-
50.9214651374389;-52.0121927859997;-51.3301813003912;-48.9553557489733;-
45.5350679178412;-40.3190576033864;-34.6337293705577;-31.0168744161260;-
27.6431136764787;-27.7830974558942;-24.7585704702000;-21.4176885850573;-
17.9241560284989;-12.9053031227346;-7.51910188280190;-1.81010751130428;
1.99079573203198;6.58847687103070;11.7066230151861;12.9218080270771;14.3702
564447159;15.7606840048042;19.6662758515901;24.0495865669634;24.82958341638
30;23.8653648275580;24.6886499149924;26.0620904325444;29.5450722991757;34.2
356687949118;37.8751325031802;41.3354020815799;48.6822658074882;52.02864024
44714;51.1889022452250;51.5214531992122;53.7365482814007;55.4770127460817;5
8.7901965008590;63.7654689436211;68.0392460668550;71.7606001329040;74.70919
18055668;77.6035123986092;78.6867878024858;79.9363536480945;82.605476712490
8;86.1020235305937;87.4841451053261;84.0874006344504;79.7888725090060;74.57
07692657615;65.5548701883127;55.2835659449200;45.4865248233910;37.068789009
8707;26.3502550071226;15.2922919203688;3.91250631554377;-7.85703500670738;-
15.9538606598659;-24.1550799383412;-34.5458848773756;-43.7263780785891;-
52.4042450000760;-59.9304540722061;-64.0707024326414;-67.4350666157657;-
66.9865342693457;-66.9329990621706;-68.3860839948987;-69.7748399227784;-
68.4024904320528;-66.1721630813084;-62.6427843368875;-56.3905332956750;-
51.2593675639190;-48.6810697925278;-47.9997254443423;-47.3251342645289;-
45.4454304200080;-43.7275132340259;-41.3871826973078;-39.5575981142416;-
36.9865812558557;-35.7277908108841;-35.0221751678213;-31.2571229159495;-
28.5128169028158;-27.7218600511835;-27.0745632711339;-26.5356017649853;-
26.8863815396260;-22.9751397884834;-21.9481097197426;-21.9747031447761;-
21.4003875865978;-19.8561388183303;-19.5177887468723;-17.0608433881034;-
16.0336533418451;-13.7982366555046;-13.3814808960764;-15.7884073462022;-
16.9530246552566;-19.4000372640643;-21.3997222700748;-21.6030530836219;-
17.3642563325113;-15.3077793368528;-14.7849433995446;-16.6523179337328;-
17.4596210920466;-15.2056051632922;-13.7376448469145;-15.1308268578760;-
18.2611456343535;-18.5879779428207;-16.1509668145986;-14.6610054004262;-
11.0677665787231;-8.01290486685843;-7.58541651777233;-8.33883684960263;-
8.40307360678674;-7.01507806739347;-8.52692046348919;-8.89929487958679;-
7.70652788956174;-6.21069670917222;-4.86761044757759;-4.46142647188532;-
59
Annexe A
6.42492116282888;-9.46875932858925;-8.93229111359767;-5.98344269229837;-
3.73223754377446;-3.65195391346538;-2.65115052282893;0.548487659947172;
1.64042173548225;1.03719967149730;2.87367085669038;1.18871524425554;0.64255
9283738385;0.713942413501975;-1.44537139290846;-0.902849442011276;
0.301384873497687;2.61259563564086;3.29722453378928;5.11543324629894;6.8800
4974834727;10.5130643218344;16.5701806303792;17.9742808870463;17.1763850560
772;15.6321346668371;13.2643054555861;9.81662629855650;9.17454813041107;9.0
8760602130138;10.6006355234628;11.9257216280507;10.5000243305390;6.87614457
402149;3.81125746335868;0.574829554092251;-1.51699352956281;-
2.66784481812284;-7.16776007980911;-8.20010055816701;-7.20128764261737;-
9.16911307643893;-11.2466757398507;-12.1319475010932;-10.7836781689536;-
10.4038873569283;-11.6530754513007;-13.4951714643862;-16.2144810127120;-
17.4434548765930;-16.2506060392586;-13.1507249764347;2.01282520362350;
36.9224689895378;92.0611164630099;163.414888478334;240.326967798557;294.017
904872683;297.608628741111;251.813075124309;187.089408595535;127.4678555596
47;79.6762130782040;45.2788132722405;18.6426475733978;0.231977364731488;-
15.4569154135067;-25.8006747126026;-33.1706733462527;-37.5123014854226;-
41.2218257968918;-47.3651492071118;-52.5142093398352;-54.4774754677317;-
54.1514295422610;-51.6173697226992;-45.0366052338591;-42.6156786082316;-
43.5707200438623;-43.0388750553433;-40.0677414965943;-36.3704986555366;-
32.6028358191503;-30.0014726074644;-30.2300823777973;-28.1217707679551;-
22.9866404879699;-17.2765190265138;-12.8767218253927;-9.12544283560067;-
6.85327048272961;-4.26355428026467;-1.82829247440699;0.926125051901809;
4.75068048332694;8.68289981766457;12.8937758612521;16.3379170125897;19.5887
492392560;23.9081063766129;28.6940575077752;33.8120897008333;37.25814760322
27;36.6650120055969;35.2872042925440;34.7613545568277;37.2753044586098;40.2
937203928161;45.3452275783074;49.8586178527405;55.5056838869172;60.38067550
69356;63.3118383920615;66.4514546026351;68.3383317945013;72.3255750858163;7
3.2655083887820;74.4247267272463;76.8234539256604;78.4254577686662;81.89002
21760124;85.3416222169509;83.6556009453423;78.0709731609907;71.710427671626
4;61.6715845642043;49.4944228698562;39.8045234086448;29.8617663026299;17.03
65337169754;5.92966317844829;-4.63433406404306;-14.2708055693386;-
23.0765466560104;-31.0759996721244;];
60
Annexe B
Programme ECG:
function
[R_i,R_amp,S_i,S_amp,T_i,T_amp,Q_i,Q_amp,heart_rate,buffer_plot]=peakdetect
(ecg,fs,view)
end
%% initialize
R_i = [];%save index of R wave
R_amp = []; %save amp of R wave
S_i = [];%save index of S wave
S_amp = []; %save amp of S wave
T_i = [];%save index of T wave
T_amp = [];%save amp of T wave
thres_p =[]; %for plotting adaptive threshold
buffer_plot =[];
buffer_long=[]; % buffer for online processing
state = 0 ; % determines the state of the machine in the algorithm
c = 0; % counter to determine that the state-machine doesnt get stock in T
wave detection wave
T_on = 0; % counter showing for how many samples the signal stayed above T
wave threshold
T_on1=0; % counter to make sure its the real onset of T wave
S_on = 0; % counter to make sure its the real onset of S wave
sleep = 0; % counter that avoids the detection of several R waves in a
short time
S_amp1 = []; % buffer to set the adaptive T wave onset
buffer_base=[]; %buffer to determine online adaptive mean of the signal
dum = 0; %counter for detecting the exact R wave
window = round(fs/25); % averaging window size
weight = 1.8; %initial value of the weigth
co = 0; % T wave counter to come out of state after a certain time
thres2_p = []; %T wave threshold indices
thres_p_i = []; %to save indices of main thres
S_amp1_i = []; %to save indices of S thres
thres2_p_i = []; %to save indices of T threshold
Q_i = []; % vectors to store Q wave
Q_amp =[]; %vectors to store Q wave
%% preprocess
ecg = ecg (:); % make sure its a vector
ecg_raw =ecg; %take the raw signal for plotting later
time_scale = length(ecg_raw)/fs; % total time;
%Noise cancelation(Filtering)
61
Annexe B
f1=0.5; %cuttoff low frequency to get rid of baseline wander
f2=45; %cuttoff frequency to discard high frequency noise
Wn=[f1 f2]*2/fs; % cutt off based on fs
N = 3; % order of 3 less processing
[a,b] = butter(N,Wn); %bandpass filtering
ecg = filtfilt(a,b,ecg);
%% Renew the mean and adapt it to the signal after 1 second of processing
if length(buffer_base) >= 2*fs
buffer_mean = mean(abs(buffer_base(1:2*fs)-mean(buffer_base(1:2*fs))));
buffer_T = mean(buffer_base(1:2*fs));
buffer_base =[];
end
%% smooth the signal by taking the average of 15 samples and add the new
upcoming samples
if length(buffer_long)>= window % take a window with length 15 samples
for averaging
mean_online = mean(buffer_long); % take the mean
buffer_plot =[buffer_plot mean_online]; % save the processed signal
%% Enter state 1(putative R wave) as soon as that the mean exceeds the
double time of threshold
if state == 0
if length(buffer_plot) >= 3 %added to handle bugg for now
if mean_online > buffer_mean*weight && buffer_plot(i-1-window) >
buffer_plot(i-window) %2.4*buffer_mean
state = 1; % entered R peak detection mode
currentmax = buffer_plot(i-1-window);
ind = i-1-window;
thres_p = [thres_p buffer_mean*weight];
thres_p_i = [thres_p_i ind];
else
state = 0;
end
end
end
62
Annexe B
[Q_tamp Q_ti] = min(buffer_plot(ind-
round(0.040*fs):(ind)));
Q_ti = ind-round(0.040*fs) + Q_ti -1;
Q_i = [Q_i Q_ti];
Q_amp = [Q_amp Q_tamp];
if length(R_amp) > 8
weight = 0.30*mean(R_amp(end-7:end)); %calculate the 35% of
the last 8 R waves
weight = weight/buffer_mean;
end
state = 2; % enter S detection mode state 2
dum = 0;
end
else
dum = 0;
state = 0;
end
end
%% check weather the signal drops below the threshold to look for S
wave
if state == 2
if mean_online <= buffer_mean % check the threshold
state = 3; %enter S detection
end
end
if co < round(0.200*fs)
if buffer_plot(i-window-1) <= buffer_plot(i-window) % see when
the slope changes
S_on = S_on + 1; % set a counter to see if its a real change
or just noise
if S_on >= round(0.0120*fs)
S_i = [S_i i-window-4];%save index of S wave
S_amp = [S_amp buffer_plot(i-window-4)];%save index
S_amp1 = [S_amp1 buffer_plot(i-window-4)]; %ecg(i-4)
S_amp1_i = [S_amp1_i ind]; %index of S_amp1_i
state = 4; % enter T detection mode
S_on = 0;
co = 0;
end
end
else
state = 4;
co = 0;
end
end
63
Annexe B
%% Enter state 6 which is T wave possible detection
if state ==6
c = c + 1; % set a counter to exit the state if no T wave detected
after 0.3 second
if c <= 0.7*fs
% set a double threshold based on the last detected S wave and
% baseline of the signal and look for T wave in between these
% two threshold
thres2 = ((abs(abs(buffer_T)-abs(S_amp1(end))))*3/4 +
S_amp1(end));
thres2_p =[thres2_p thres2];
thres2_p_i =[thres2_p_i ind];
if mean_online > thres2
T_on = T_on +1; % make sure it stays on for at least 3
samples
if T_on >= round(0.0120*fs)
if buffer_plot(i-window-1)>= buffer_plot(i-window)
T_on1 = T_on1+1; % make sure its a real slope change
if T_on1 > round(0.0320*fs)
T_i = [T_i i-window-11];%save index of T wave
T_amp = [T_amp buffer_plot(i-window-11)];%save index
state = 5; % enter sleep mode
T_on = 0;
T_on1 = 0;
end
end
end
end
else
state= 5; % enter Sleep mode
end
end
end
end
%% conditions
R_R = diff(R_i); % calculate the distance between each R wave
heart_rate=length(R_i)/(time_scale/60); % calculate heart rate
64
Annexe B
msgbox(strcat('Heart-rate is = ',mat2str(heart_rate)));
% compute the min max R-R wave
max_R_interval = max(R_R);
min_R_interval = min(R_R);
% detect arythmia if there is any irregularity
% if (max_R_interval/fs)-(min_R_interval/fs) > 0.16
% msgbox('Irregular Rhythm','Arrythmia Detected');
% end
%% plottings
time = 1/fs:1/fs:view;
R = find(R_i <= view*fs) % determine the length for plotting vectors
S = find(S_i <= view*fs) % determine the length for plotting vectors
T = find(T_i <= view*fs) % determine the length for plotting vectors
Q = find(Q_i <= view*fs) % determine the length for plotting vectors
L1 = find(thres_p_i <= view*fs);
msgbox(strcat('fs= ',mat2str(fs)));
L2 = find(S_amp1_i <= view*fs);
L3 = find(thres2_p_i <= view*fs);
x=185/2;
d(1:L1(end))=x;
if view*fs > length(buffer_plot)
figure(1);plot(time(1:length(buffer_plot)),buffer_plot(1:end));
else
figure(1);plot(time,buffer_plot(1:(view*fs)));
end
hold on,scatter(R_i(1:R(end))./fs,R_amp(1:R(end)),'r');
hold on,plot(thres_p_i(1:L1(end))./fs,d(1:L1(end)),'LineStyle','-
.','color','r',...
'LineWidth',2.5);
legend('Signal ECG','Pics R','R adaptive
threshold','Location','NorthOutside','Orientation','horizontal');
xlabel('Time(sec)'),ylabel('V');
axis tight; title('Zoom in to see both signal details
overlaied');title('detection de l''onde R');
hold off
x2=-78/2;
d2(1:L3(end))=x2;
if view*fs > length(buffer_plot)
figure(2);plot(time(1:length(buffer_plot)),buffer_plot(1:end));
else
figure(2);plot(time,buffer_plot(1:(view*fs)));
end
hold on,scatter(S_i(1:S(end))./fs,S_amp(1:S(end)),'g');
hold on,plot(S_amp1_i(1:L2(end))./fs,d2(1:L2(end)),'LineStyle','--
','color','g',...
'LineWidth',2.5);
legend('Signal ECG','Pics S','S adaptive
threshold','Location','NorthOutside','Orientation','horizontal');
xlabel('Time(sec)'),ylabel('V');
axis tight; title('Zoom in to see both signal details
overlaied');title('detection de l''onde S');
hold off
x1=80/2;
d1(1:L3(end))=x1;
if view*fs > length(buffer_plot)
figure(3);plot(time(1:length(buffer_plot)),buffer_plot(1:end));
else
figure(3);plot(time,buffer_plot(1:(view*fs)));
end
hold on,scatter(T_i(1:T(end))./fs,T_amp(1:T(end)),'k');
hold on,plot(thres2_p_i(1:L3(end))./fs,d1(1:L3(end)),'--k','LineWidth',2);
65
Annexe B
legend('Signal ECG','Pics T','T adaptive
threshold','Location','NorthOutside','Orientation','horizontal');
xlabel('Time(sec)'),ylabel('V');
axis tight; title('Zoom in to see both signal details
overlaied');title('detection de l''onde T');
x3=-17/2;
d3(1:L2(end))=x3;
if view*fs > length(buffer_plot)
figure(4);plot(time(1:length(buffer_plot)),buffer_plot(1:end));
else
figure(4);plot(time,buffer_plot(1:(view*fs)));
end
hold on,scatter(Q_i(1:Q(end))./fs,Q_amp(1:Q(end)),'m');
hold on,plot(S_amp1_i(1:L2(end))./fs,d3(1:L2(end)),'LineStyle','--
','color','m',...
'LineWidth',2.5);
legend('Signal ECG','Pics Q','Q adaptive
threshold','Location','NorthOutside','Orientation','horizontal');
xlabel('Time(sec)'),ylabel('V');
axis tight; title('Zoom in to see both signal details
overlaied');title('Filtered, smoothed and processed signal');
figure(5);plot(time,ecg_raw(1:(view*fs)));title('Raw ECG')
zoom on;
Programme Neurones :
% x = ones(9,1012);
% t = zeros(2,1012) ;
%
% trainFcn = 'trainscg'; % Scaled conjugate gradient backpropagation.
net=fitnet(10,'trainlm');
[FileName,PathName] = uigetfile('*.mat');
localdir = dir;
cd(PathName);
load(FileName);
% % Create a Pattern Recognition Network
% hiddenLayerSize =16;
%net = patternnet(hiddenLayerSize);
% Setup Division of Data for Training, Validation, Testing
net.divideParam.trainRatio = 70/100;
net.divideParam.valRatio = 15/100;
net.divideParam.testRatio = 15/100;
66
Références Bibliographique
RÉFÉRENCES BIBLIOGRAPHIQUE
[1] Z. E. Hadj Slimane, ‘‘Analyse du signal électrocardiogramme ECG en vue d’aide
au diagnostic de cas pathologiques’’, Thèse de Magister obtenue à l’institut
d’Electronique de Tlemcen (Février 2006).
67
RÉSUMÉ
Le signal électrocardiogramme (ECG) est très largement utilisé comme l'un des
outils les plus importants dans la pratique clinique afin d'évaluer l'état cardiaque des
patients. Il représente les variations de l'activité électrique du cœur en fonction du
temps. La classification des battements du signal ECG en différents cas pathologiques
est une tâche de reconnaissance très complexe. Ce travail consiste à étudier le signal
ECG, la méthode de détection de l’onde T et le complexe QRS basés sur le seuillage
d’amplitude et leurs applications sur les neurones avec trois entrées, une sortie et dix
couches cachés.
Les résultats des simulations sont présentés, les ondes QRS et T sont détectées
dans la première partie et le réseau Neurone à été testé avec les trois entrées ECG.
ABSTRACT
The ECG signal is widely used as one of the most important tools in clinical
practice to asses patients' cardiac status. It represents the variations of the electrical
activity of the heart in function of time. The classification of the ECG signal beats of
different pathological cases is a very complex task of recognition. In this work stady of
ECG signal, method of detection of the T wave and the QRS complexe, based on
amplitude thresholding and it application in neural networks.
The results of the two simulations are presented, the QRS and T waves are
detected in the first part and the Neuron network has been tested with the three ECG
inputs.