Implémentation sur FPGA de réseaux de neurones artificiels / Zineb Mellouk (2023) 

Public ISBD Titre : Implémentation sur FPGA de réseaux de neurones artificiels : application à la classification d’arythmies cardiaques Type de document : document électronique Auteurs : Zineb Mellouk, Auteur ; Ouiem Fadel, Auteur ; Fatiha Lani, Directeur de thèse ; Mourad Adnane, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2023 Importance : 1 fichier PDF (6 Mo) Présentation : ill. Note générale : Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Etudes : Electronique : Alger, Ecole Nationale Polytechnique : 2023 Bibliogr. p. 102 - 105 . - Webographie p. 106 Langues : Français (fre) Mots-clés : Arythmies cardiaques CNN ECG FPGA PYNQ Z1 Index. décimale : PN01523 Résumé : Les avancées en microélectronique ont considérablement amélioré le diagnostic automatique des problèmes cardiaques. Les systèmes embarqués intelligents, tels que les FPGA, ont joué un rôle essentiel en permettant une intégration et une reconfiguration rapides pour le développement de prototypes de dispositifs médicaux. Dans le cadre de notre projet, nous avons développé un algorithme basé sur un modèle de réseau de neurones convolutifs (CNN) spécifiquement conçu pour classer les arythmies cardiaques à partir de données d’ECG. Le modèle a été entraîné à classer les signaux ECG en cinq catégories de battements cardiaques. Pour améliorer les performances, nous avons réalisé l’implémentation de cet algorithme sur la plateforme FPGA PYNQ Z1. En exécutant avec succès le modèle sur la plateforme FPGA Pynq-Z1, notre projet contribue à améliorer la classification précoce des problèmes cardiaques, ce qui a un impact significatif sur les résultats des patients et peut potentiellement sauver des vies. Implémentation sur FPGA de réseaux de neurones artificiels : application à la classification d’arythmies cardiaques [document électronique] / Zineb Mellouk, Auteur ; Ouiem Fadel, Auteur ; Fatiha Lani, Directeur de thèse ; Mourad Adnane, Directeur de thèse . - [S.l.] : [s.n.], 2023 . - 1 fichier PDF (6 Mo) : ill. Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Etudes : Electronique : Alger, Ecole Nationale Polytechnique : 2023 Bibliogr. p. 102 - 105 . - Webographie p. 106 Langues : Français (fre) Mots-clés : Arythmies cardiaques CNN ECG FPGA PYNQ Z1 Index. décimale : PN01523 Résumé : Les avancées en microélectronique ont considérablement amélioré le diagnostic automatique des problèmes cardiaques. Les systèmes embarqués intelligents, tels que les FPGA, ont joué un rôle essentiel en permettant une intégration et une reconfiguration rapides pour le développement de prototypes de dispositifs médicaux. Dans le cadre de notre projet, nous avons développé un algorithme basé sur un modèle de réseau de neurones convolutifs (CNN) spécifiquement conçu pour classer les arythmies cardiaques à partir de données d’ECG. Le modèle a été entraîné à classer les signaux ECG en cinq catégories de battements cardiaques. Pour améliorer les performances, nous avons réalisé l’implémentation de cet algorithme sur la plateforme FPGA PYNQ Z1. En exécutant avec succès le modèle sur la plateforme FPGA Pynq-Z1, notre projet contribue à améliorer la classification précoce des problèmes cardiaques, ce qui a un impact significatif sur les résultats des patients et peut potentiellement sauver des vies.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00552	PN01523	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Electronique	Téléchargeable

Documents numériques

FADEL.Ouiem_MELLOUK.Zineb.pdf URL