Un modèle d'apprentissage automatique rapide pour la classification des battements cardiaques et la détection d'arythmies à partir des ECG

Nous présentons un classificateur d’arythmies électrocardiographiques entièrement automatique et rapide, fondé sur une approche d’apprentissage automatique inspirée du cerveau, appelée Réseaux à État Écho (Echo State Networks). Ce classificateur exige une prétraitement des caractéristiques peu exigeant, ne nécessitant qu’un seul dérivé ECG. Son entraînement et sa validation suivent une procédure inter-patients. Notre méthode est compatible avec une classification en temps réel, s’alignant ainsi parfaitement sur les progrès récents des dispositifs sans fil de surveillance de la santé et des objets portables. L’utilisation d’un ensemble combiné permet d’exploiter la parallélisation pour entraîner le classificateur à des vitesses remarquables. Le classificateur de battements cardiaques est évalué sur deux bases de données ECG : le MIT-BIH AR et l’AHA. Sur la base de données MIT-BIH AR, notre approche atteint une sensibilité de 92,7 % et une valeur prédictive positive de 86,1 % pour les extrasystoles ventriculaires, en utilisant uniquement la dérivée II, et une sensibilité de 95,7 % avec une valeur prédictive positive de 75,1 % lorsqu’on utilise la dérivée V1. Ces résultats sont comparables aux meilleures performances actuelles des classificateurs ECG entièrement automatiques, et surpassent même d’autres classificateurs ECG reposant sur des approches plus complexes de sélection de caractéristiques.