Développement d’une Application d’analyse de PCG (Phonocardiogramme) utiliser Deep Learning

Abstract

Les difficultés de l'auscultation cardiaque, qui dépend de l'interprétation approfondie des anomalies des sons cardiaques à l'aide d'un stéthoscope, sont importantes. En automatisant la détection des battements cardiaques anormaux, l'apprentissage profond présente une solution prometteuse, ce qui permet de diminuer la dépendance à l'expertise humaine. Toutefois, cette automatisation nécessite une grande fiabilité et précision, tout en offrant une gestion efficace du bruit de fond des enregistrements cardiaques. Ce projet présente une approche novatrice qui utilise des réseaux de neurones récurrents (RNNs) pour réaliser une auscultation cardiaque automatisée et aider les médecins généralistes à analyser les sons cardiaques enregistrés par un phonocardiogramme (PCG). Notre approche repose principalement sur les RNNs, qui sont renommés pour leur efficacité dans les applications médicales et leur capacité à traiter des données séquentielles malgré le bruit. Après avoir expérimenté différents modèles RNN, nous constatons des progrès notables dans la catégorisation des battements cardiaques inhabituels. Pour la surveillance à distance des patients.