Segmentation et classification des signaux des sons cardiaques et leurs utilisations au diagnostic

Abstract

Le signal Phono-cardiogramme PCG représente l’enregistrement sonore des bruits cardiaques. L’étude de l’hémodynamique intracardiaque permet de comprendre la nature et l’origine de ces bruits cardiaques normaux et pathologique. La classification des battements du signal PCG en différents cas pathologiques est une tâche de reconnaissance très complexe, ce qui a poussé les chercheurs à développer des techniques de classification automatique des maladies cardiovasculaires pour un bon diagnostic. Dans ce mémoire, nous proposons une classification automatique des signaux PCG en utilisant l’algorithme MLP de Deep Learning avec déférente architecture. Pour faire la classification des signaux PCG, deux méthodes sont proposées. La première méthode est basée sur les indicateurs scalaires et la deuxième méthode est basée sur la segmentation des signaux PCG. De plus, dans notre classification multi classe, nous avons choisi une base de données composée de 23 classes, mais nous avons utilisé seulement 7 classes correspondent à des types de maladies cardiaques. La classification multi classe va nous permettre de trouver le type de la maladie