Segmentation de battements ECG par approche markovienne : application à la détection d'ischémies

par Rodrigo Varejão Andreão

Thèse de doctorat en Optimisation et sûreté des systèmes

Sous la direction de Bernadette Dorizzi.


  • Résumé

    L'enregistrement ambulatoire continu de l'électrocardiogramme par la méthode de Holter (ECG ambulatoire) pourvoit des informations pour le dépistage de l'ischémie myocardique pour des patients atteints d'une maladie coronarienne. Dans ce contexte, nous proposons un système automatique d'analyse d'ECG ambulatoire basé sur la fusion d'une approche markovienne et d'une approche heuristique capable de détecter des épisodes ischémiques. L'approche markovienne permet d'extraire du signal ECG les informations nécessaires à l'analyse du décalage du segment ST. Notre approche est capable de prendre en compte des morphologies complexes grâce à une modélisation individuelle des ondes P, QRS et T par des modèles de Markov spécifiques. De plus, une stratégie originale d'apprentissage non supervisée permet d'adapter les paramètres du modèle markovien au signal de la personne. Pour obtenir une classification en terme de pathologie, nous avons ajouté des règles qui s'appliquent aux informations extraites du signal par l'approche markovienne. Nous avons aussi exploré la fusion des informations obtenues sur plusieurs dérivations produisant ainsi des résultats plus fiables. Finalement, notre système a été validé sur deux bases d'ECG ambulatoires. La performance a été évaluée pour différents problèmes : détection des complexes QRS, segmentation précise des ondes P et T, et du complexe QRS, détection des battements ventriculaires et détection des épisodes ischémiques. Les résultats permettent de mettre en valeur l'intérêt de la modélisation proposée et se situent favorablement par rapport à l'état de l'art

  • Titre traduit

    Markovian approach for beat segmentation : application to ischemia detection


  • Résumé

    Ambulatory electrocardiography (AECG) provides precise and rich information from the clinical point of view for the diagnostic of cardiac diseases and particularly myocardial ischemia in patients with coronary disease. Early detection of myocardial ischemia allows fast diagnostic and makes treatment more effective. Ischemic episodes are detected through the ST-segment deviation function, wich is built after analysis of each heartbeat. In this context, we propose a system combining a Markovian approach and a heuristic approach to perform automatic ischemic episode detection. Our markovian approach extracts from the ECG signal the information needed to perform ST-sergment deviation analysis. It is able to take into account complex morphologies thanks to the use of individual HMM to model each beat waveform (P, QRS and T). In addition, our original non supervised training strategy provides HMM parameter adaptation to the ECG signal of each patient. To classify the ECG signal in terms of a specific abnormality, we added a set of rules to manage the information extracted from the signal. We also explored the information fusion obtained from different leads yielding to more reliable detection results. Finally, we assessed our system performance over two AECG databases. Different problems were concerned QRS complex detection, waveform sergmentation precision, premature ventricular contraction beat detection and ischemic episode detection. All results attest the interest in the approach proposed and compare favourably to the state of the art

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (XIV-166 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. p. 129-137 et p. 165

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Université de Technologie. Service commun de la documentation.
  • Disponible pour le PEB
  • Cote : THE 04 VAR
  • Bibliothèque : Télécom SudParis et Institut Mines-Télécom Business School. Médiathèque.
  • PEB soumis à condition
  • Cote : INT-2004-VAR

Cette version existe également sous forme de microfiche :

  • Bibliothèque : Université de Lille. Service commun de la documentation. Bibliothèque universitaire de Sciences Humaines et Sociales.
  • Non disponible pour le PEB
  • Cote : 2004TELE0004
  • Bibliothèque : Université Paris-Est Créteil Val de Marne. Service commun de la documentation. Section multidisciplinaire.
  • PEB soumis à condition
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.