| Titre : |
Classification des arythmies cardiaquesen utilisantles réseaux de neurones profonds |
| Type de document : |
document électronique |
| Auteurs : |
Slimane Baamara, Auteur ; Issam Seghairi, Auteur ; Mourad Adnane, Directeur de thèse |
| Editeur : |
[S.l.] : [s.n.] |
| Année de publication : |
2020 |
| Importance : |
1 fichier PDF (6.6 M) |
| Présentation : |
ill. |
| Note générale : |
Mode d'accès : accès au texte intégral par intranet.
Mémoire de Projet de Fin d’Études : Électronique : Alger, École Nationale Polytechnique : 2020
Bibliogr. f. 73 - 77 |
| Langues : |
Français (fre) |
| Mots-clés : |
Electrocardiogramme
ECG
Intelligence Artificielle
Réseaux de neurones convolutifs
Apprentissage approfondi |
| Index. décimale : |
PN00220 |
| Résumé : |
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. |
Classification des arythmies cardiaquesen utilisantles réseaux de neurones profonds [document électronique] / Slimane Baamara, Auteur ; Issam Seghairi, Auteur ; Mourad Adnane, Directeur de thèse . - [S.l.] : [s.n.], 2020 . - 1 fichier PDF (6.6 M) : ill. Mode d'accès : accès au texte intégral par intranet.
Mémoire de Projet de Fin d’Études : Électronique : Alger, École Nationale Polytechnique : 2020
Bibliogr. f. 73 - 77 Langues : Français ( fre)
| Mots-clés : |
Electrocardiogramme
ECG
Intelligence Artificielle
Réseaux de neurones convolutifs
Apprentissage approfondi |
| Index. décimale : |
PN00220 |
| Résumé : |
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. |
|
Ajouter le résultat dans votre panier
Visionner les documents numériques
Faire une suggestion Affiner la rechercheClassification des arythmies cardiaquesen utilisantles réseaux de neurones profonds (2020)
