Analyse de donnés ECG pour les appareils de santé portables

Abstract

Abstract The QRS complex detection provides enough information that can be used for pathological dignosis and future ECG signal processing and analysis. After its detection, we can calculate the heart rate, locate the P and T waves, study their morphological structure, compress the ECG signal, etc. The ECG signal is a nonlinear and non stationary signal, generated from a nonlinear system, i.e., the heart. Its modeling requires nonlinear approaches. We have used in this work recurrent neural net-works to analyse and model this signal in order to design a QRS detector based on adaptive matched filtering. We have established a comparison between MLP and PRNN neural networks used as predictors. We have also improved signal to noise ratio by squaring the residual error before matched filtering, a low rate of false detection is obtained. Résumé La détection du complexe QRS présente un intérêt majeur dans le diagnostic pathologique et le trai-tement ultérieur du signal ECG. Une fois détecté, nous pouvons calculer la fréquence cardiaque, re-pérer les ondes P et T, étudier la morphologie de ces ondes, compresser le signal ECG, …, etc. Le signal Electrocardiogramme (ECG) est un signal non stationnaire et non linéaire généré par un système non linéaire ; le coeur. Sa modélisation nécessite des techniques non linéaires. Nous avons utilisé dans ce mémoire les réseaux de neurones pour l’analyse et la modélisation de ce signal et l’objectif est de réaliser un détecteur des complexes QRS basé sur un filtrage adapté adaptatif non linéaire . Une comparaison entre les réseaux statiques (PMC) et les réseaux dynamiques (PRNN) employés comme prédicteurs, est établie dans le but de connaître les avantages et les limites de l’un par rap-port à l’autre. Nous avons amélioré substantiellement le rapport signal sur bruit par une technique utilisant le carré de l’erreur et dont la conséquence directe est un taux d’erreur de détection du complexe QRS faible. ملخص للكشف عن مجمع QRS أهمية كبيرة في التشخيص المرضي والعلاج اللاحق لإشارة تخطيط القلب. بمجرد اكتشافه ، يمكننا حساب معدل ضربات القلب ، وتحديد موجتي P و T ، ودراسة مورفولوجيا هذه الموجات ، وضغط إشارة تخطيط القلب ، ... ، إلخ . إشارة تخطيط القلب الكهربائي (ECG) هي إشارة غير خطية غير ثابتة تولدها منظومة غير خطية ؛ قلب. يتطلب نمذجه تقنيات غير خطية. لقد استخدمنا شبكات عصبية لتحليل ونمذجة هذه الإشارة في هذه الذاكرة والهدف من ذلك هو تحقيق كاشف معقد QRS يعتمد على التصفية التكيفية غير الخطية التكيفية . تم إنشاء مقارنة بين الشبكات الثابتة ) PMCs ( والشبكات الديناميكية ) NNRNs ( المستخدمة كمنبهات من أجل معرفة مزايا وقيود أحدهما على الآخر. لقد قمنا بتحسين نسبة الإشارة إلى الضوضاء بشكل كبير عن طريق تقنية تستخدم الخطأ التربيعي والنتيجة المباشرة منها هي انخفاض معدل أخطاء اكتشاف QRS .