Traitement automatique du signal ECG pour l'aide au diagnostic de ...

More documents

Recommendations

Info

CHAPITRE 3. EFFET DU SOUS-ÉCHANTILLONNAGE 20 Figure 3.1 – Exemple de matrice G utilisée en programmation dynamique obtenir une mesure de dissimilarité. Le but de cette méthode est d’obtenir uniquement les échantillons du signal où celui-ci a beaucoup varié. Pour ce faire, on commence par calculer la dérivée partielle cumulée ainsi que sa valeur finale j ∆j = |xi − xi−1|, (3.4) i=1 ∆ = X−1 i=0 |xi − xi−1|. (3.5) Si le nombre d’échantillons désiré après la trace est de h + 1, alors la hauteur de chaque intervalle d’amplitude est L = ∆/h. Pour obtenir un vecteur xtr = {xtr 0, ..., xtr h} qui inclut les valeurs de x où les plus grands changements ont eu lieu, chaque échantillon xtr l est pris d’un échantillon xj. Pour tout entier l allant de 0 à h, ce dernier est celui qui excède l ∗ L. xtr l = xj sachant que : j = argmin0
CHAPITRE 3. EFFET DU SOUS-ÉCHANTILLONNAGE 21 Figure 3.2 – Algorithme de segmentation de la trace : les échantillons obtenus sont les échantillons où les changements ont été les plus importants dans le signal de base. Sur cette illustration nx correspond à X. Sous-échantillonnage simple C’est la technique la plus simple, elle consiste à garder les battements au hasard (mais sans remise) ou à garder un échantillon tous les n échantillons. Technique « On The Fly » Cette technique est utilisée dans [3] pour effectuer un « pré-clustering » pour réduire le nombre de battements et ainsi diminuer le temps de calcul. Elle se base sur la propriété suivante : chaque tracé ECG a une faible variablilité intra-signal, il est donc hautement probable que des battements consécutifs appartiennent à la même classe [3]. Le résultat de cette technique est un ensemble de centroïdes R = {r1, ...rK} où K
Page 1 and 2: Université catholique de Louvain E
Page 3 and 4: TABLE DES MATIÈRES 3 3.4 Discussio
Page 5 and 6: CHAPITRE 1. AVANT-PROPOS 5 unk : Bo
Page 7 and 8: CHAPITRE 2. INTRODUCTION 7 2.1 Anat
Page 9 and 10: CHAPITRE 2. INTRODUCTION 9 Figure 2
Page 11 and 12: CHAPITRE 2. INTRODUCTION 11 Les cla
Page 13 and 14: CHAPITRE 2. INTRODUCTION 13 2.6.1 M
Page 15 and 16: CHAPITRE 3. EFFET DU SOUS-ÉCHANTIL
Page 19: CHAPITRE 3. EFFET DU SOUS-ÉCHANTIL
Page 37 and 38: CHAPITRE 4. EFFET DE LA SÉLECTION
Page 43 and 44: CHAPITRE 5. EFFET DES OUTLIERS 43 C
Page 45 and 46: CHAPITRE 5. EFFET DES OUTLIERS 45 c
Page 47 and 48: CHAPITRE 5. EFFET DES OUTLIERS 47 C
Page 49 and 50: CHAPITRE 5. EFFET DES OUTLIERS 49 F
Page 55 and 56: CHAPITRE 6. VALIDATION DU MODÈLE 5
Page 61 and 62: CHAPITRE 7. CONCLUSIONS 61 Chapitre
Page 63 and 64: CHAPITRE 7. CONCLUSIONS 63 7.4 Trav
Page 65 and 66: BIBLIOGRAPHIE 65 [13] R. Jafari, H.

Traitement automatique du signal ECG pour l'aide au diagnostic de ...

Create successful ePaper yourself

Delete template?

Save as template?