Détection d'anomalies dans les séries temporelles à l'aide de champs de motifs triadiques et application à la classification des ECG de fibrillation atriale

Dans l'analyse des séries temporelles, les motifs de série temporelle et les motifs d'ordre peuvent révéler des modèles temporels généraux et des caractéristiques dynamiques. Le champ de motifs triadiques (Triadic Motif Field, TMF) est une méthode simple et efficace d'encodage d'images de séries temporelles basée sur les motifs triadiques de séries temporelles. Les signaux d'électrocardiographie (ECG) sont des données de séries temporelles largement utilisées pour diagnostiquer diverses anomalies cardiaques. Les images TMF contiennent les caractéristiques qui décrivent les signaux ECG normaux et ceux présentant une fibrillation atriale (AF). En tenant compte des caractéristiques quasi-périodiques des signaux ECG, les caractéristiques dynamiques peuvent être extraites des images TMF à l'aide de modèles pré-entraînés de réseaux neuronaux convolutifs (CNN) avec transfert d'apprentissage. Avec ces caractéristiques extraites, des classifieurs simples tels que le perceptron multicouche (Multi-Layer Perceptron, MLP), la régression logistique et la forêt aléatoire peuvent être appliqués pour une détection précise des anomalies. Utilisant le jeu de données de test issu de la base de données du Défi PhysioNet 2017, le modèle de classification TMF avec le modèle VGG16 en transfert d'apprentissage et le classifieur MLP montre les meilleures performances avec un ROC-AUC de 95,50 % et un score F1 de 88,43 % dans la classification de l'AF. De plus, le modèle de classification TMF peut identifier les patients atteints d'AF dans le jeu de données de test avec une grande précision. Les vecteurs caractéristiques extraits des images TMF montrent un regroupement clair par patient grâce à la technique d'embedding stochastique t-distribué (t-SNE). Enfin, le modèle de classification TMF présente une excellente interprétabilité clinique. Les modèles révélés par la cartographie activée par classe pondérée par gradient symétrisé ont une interprétation clinique claire au niveau des battements et du rythme.