Abstract:
L’électrocardiogramme (ECG) est un outil de diagnostic important pour l’évaluation des arythmies cardiaques. La classification de ces signaux est très importante pour le diagnostic automatique des maladies cardiaques. Actuellement, de nombreuses solutions d’apprentissage automatique peuvent être utilisées pour analyser et classer les données ECG. Cependant, l’un des inconvénients de ces méthodes réside dans la difficulté de trouver les caractéristiques les plus appropriées permettant d’avoir des précisions élevées.L’une des solutions proposées consiste à utiliser des architectures d’apprentissage profond dans lesquelles les premières couches de neurones convolutifs se comportent comme des extracteurs de caractéristiques automatiques et à la fin, des couches entièrement connectées sont utilisés pour la décision finale.
