Extraction des Caractéristiques Fréquentiels pour la Classification des Maladies Cardiaques par Phonocardiogrammes

Abstract

La complexité de classifier les battements du signal PCG selon différentes pathologies incite les chercheurs à développer des techniques de classification automatique des maladies cardiovasculaires pour améliorer la précision du diagnostic. Dans cette étude, nous avons abordé à la fois les aspects théoriques liés au fonctionnement du coeur humain et aux maladies cardiovasculaires, ainsi que les concepts fondamentaux de l'intelligence artificielle (IA), en expliquant des notions telles que l'apprentissage automatique (ML) et l'apprentissage profond (DL). Ensuite, nous proposons un système intelligent capable de détecter et de classifier les différentes maladies et bruits cardiaques à partir de signaux PCG. Notre approche implique un prétraitement des signaux PCG, suivi d'une classification à l'aide d'un réseau de neurones convolutif (CNN). Finalement, notre modèle a obtenu une précision de 99,51 %.