ElectroCardioGuard : Prévention de l'identification erronée des patients dans les bases de données d'électrocardiogrammes grâce aux réseaux neuronaux

Les électrocardiogrammes (ECGs) sont couramment utilisés par les cardiologues pour détecter des conditions pathologiques liées au cœur. Des collections fiables d'ECGs sont essentielles pour un diagnostic précis. Cependant, en pratique clinique, l'attribution de relevés d'ECG capturés à des patients incorrects peut se produire involontairement. En collaboration avec une installation clinique et de recherche qui a reconnu ce défi et nous a contactés, nous présentons une étude visant à résoudre ce problème. Dans cette recherche, nous proposons un modèle basé sur un réseau neuronal petit et efficace pour déterminer si deux ECGs proviennent du même patient. Notre modèle montre d'excellentes capacités de généralisation et atteint des performances de pointe dans l'identification des patients par la méthode galerie-sonde sur PTB-XL tout en utilisant 760 fois moins de paramètres. De plus, nous présentons une technique exploitant notre modèle pour la détection des erreurs d'attribution des enregistrements, illustrant son applicabilité dans un scénario réaliste. Enfin, nous évaluons notre modèle sur un nouveau jeu de données d'ECG collecté spécifiquement pour cette étude et le rendons public pour la communauté scientifique.