Méthode de décomposition de signaux : Application à la détection d’anomalies cardiaques
| dc.contributor.author | Dafeur Katia | |
| dc.contributor.author | Bouali Katia | |
| dc.date.accessioned | 2025-03-03T12:56:33Z | |
| dc.date.available | 2025-03-03T12:56:33Z | |
| dc.date.issued | 2024-10-02 | |
| dc.description | 96 p. : ill. ; 30 cm. (CD-Rom) | |
| dc.description.abstract | Le travail décrit dans ce mémoire porte sur les techniques de décomposition des signaux complexes et non-stationnaires en un ensemble de sous-signaux monocomposantes caractérisés chacun par une seule fréquence ou par une bande de fréquences très étroite. Ces méthodes plus ou moins récentes incluent la décomposition modale empirique (EMD), la décomposition modale variationnelle (VMD), la méthode de décomposition de Fourier (FDM), ainsi la décomposition en ondelettes empiriques (EWT) et la décomposition de Fourier empirique (EFD). Comme application, on s’est intéressé à la classification des signaux électrocardiogrammes (ECG) par l'intermédiaire des réseaux de neurones convolutifs (CNN). Nous avons plus exactement utilisé ces méthodes pour transformer les signaux ECG (normaux et pathologiques) en images (représentations temps-fréquence) pour être classées par le modèle de CNN GoogleNet. Dans l'ensemble, cette étude montre que l’EFD s’est révélée être la plus performante pour la classification des arythmies cardiaques. | |
| dc.identifier.citation | Automatique et Informatique Industrielle | |
| dc.identifier.other | MAST.AUTO.44-23 | |
| dc.identifier.uri | https://dspace.ummto.dz/handle/ummto/26878 | |
| dc.language.iso | fr | |
| dc.publisher | FGEI.UMMTO | |
| dc.subject | Signaux électrocardiogrammes | |
| dc.subject | Réseaux de neurones convolutifs | |
| dc.subject | Ondelettes empiriques | |
| dc.subject | Anomalies cardiaques | |
| dc.subject | Méthode de décomposition de signaux | |
| dc.title | Méthode de décomposition de signaux : Application à la détection d’anomalies cardiaques | |
| dc.type | Thesis |