Détection des arythmies cardiaques par machine learning

Abstract

Les maladies cardiovasculaires sont l’une des principales causes de mortalité au monde. Parmi leux, les arythmies cardiaques, constituent un problème important pouvant causer des complications graves si elles ne sont pas détectées à temps. L’électrocardiogramme (ECG) est un signal physiologique largement utilisé pour l’analyse d’activité électrique du coeur et ditecter les anomalies du rythme cardiaque. Toutefois, l’analyse manuelle des ces signaux peut être complexe et nécessite une expertise médicale. Avec le développement des technologies de l’intelligence artificielle , les techniques de Machine Learning et deep learning offrent plusieurs solutions efficaces pour facilité l’analyse des signaux biomédicaux (ECG). Dans ce travail, nous proposons un système basé sur le Machine Learning et Deep Learning pour l’analyse et la classification des signaux ECG afin de détecter et classifier les arythmies cardiaques. Le système comprend plusieurs étapes comme: prétraitement du signal pour réduire le bruit, l’extraction des caractéristiques morphologiques et l’utilisation d’un algorithme de classification pour identifier les différents types d’arythmies cardiaques. Les résultats que nous obtenons montrent que l’utilisation de ces techniques permet d’améliorer l’Accuracy) de la détection automatique des arythmies cardiaques et peut constituer un outil d’aide au diagnostic médical. Mots-clés: ECG, Arythmie cardiaque, Signal, Machine Learning, RN, Coeur, accuracy, Classification. 7 | P a g e Abstract: Cardiovascular diseases are one of the leading causes of death worldwide. Among them are cardiac arrhythmias, which pose a significant problem and can lead to serious complications if they are not detected early. The electrocardiogram (ECG) is a physiological signal widely used to analyze the heart's electrical activity and detect heart rhythm abnormalities. However, manual analysis of these signals can be complex and requires medical expertise. With the development of artificial intelligence technologies, machine learning and deep learning techniques offer several effective solutions to facilitate the analysis of biomedical signals (ECGs). In this work, we propose a system based on machine learning, including neural networks and support vector machines (SVMs), as well as deep learning methods, for the analysis and classification of ECG signals to detect and classify cardiac arrhythmia. The system comprises several steps, including signal preprocessing to reduce noise, extraction of morphological features, and the use of a classification algorithm to identify different types of cardiac arrhythmia. Our results show that the use of these machine learning techniques improves the accuracy of automatic cardiac arrhythmia detection and can serve as a valuable tool for medical diagnosis. Keywords: ECG, Cardiac arrhythmia, Signal, Machine Learning, RN, Heart, accuracy, Classification. 8 | P a g e ملخص: تُعدّ أمراض القلب واألوعية الدموية من بين األسباب الرئيسية للوفيات على مستوى العالم. ومن بين هذه األمراض، تُعتبر اضطرابات نظم القلب (Arrhythmias (من المشكالت الصحية المهمة التي قد تؤدي إلى مضاعفات خطيرة إذا لم يتم اكتشافها وتشخيصها في الوقت المناسب . يُعدّ تخطيط القلب الكهربائي (ECG (تُستخدم على نطاق واسع لتحليل النشاط الكهربائي للقلب إشارةً فسيولوجيةً وتشخيص اضطرابات النظم القلبية. ومع ذلك، فإن التحليل اليدوي إلشارات تخطيط القلب قد يكون معقدًا ويتطلب خبرة طبية متخصصة. ومع التطور المتسارع لتقنيات الذكاء االصطناعي، أصبحت أساليب التعلم اآللي (Learning Machine( والتعلم العميق (Learning Deep (توفر حلوًال فعالة ألتمتة تحليل اإلشارات الطبية الحيوية وتحسين دقة التشخيص . في هذا العمل، نقترح نظا ًما يعتمد على تقنيات التعلم اآللي والتعلم العميق لتحليل وتصنيف إشارات تخطيط القلب الكهربائي بهدف الكشف عن اضطرابات نظم القلب. ويتضمن النظام عدة مراحل أساسية، تتمثل في المعالجة المسبقة لإلشارة للحد من الضوضاء والتشويش، واستخراج الخصائص المهمة، ثم استخدام خوارزميات التصنيف للتعرف على األنواع المختلفة الضطرابات النظم القلبية .أظهرت النتائج المتحصل عليها أن استخدام تقنيات التعلم اآللي والتعلم العميق يساهم في تحسين دقة الكشف اآللي عن االضطرابات القلبية، مما يجعله أداةً واعدة لدعم التشخيص الطبي ومساعدة المختصين في اتخاذ القرارات السريري. الكلمات المفتاحية: تخطيط كهربية القلب، اضطراب نظم القلب، اإلشارة، التعلم اآللي، ممرض مسجل، القلب، الدقة، .التصنيف