Une nouvelle méthode de reconnaissance de motifs pour la détection et la localisation de l’infarctus du myocarde utilisant l’intégrale de la onde T et l’intégrale totale comme caractéristiques extraites à partir d’un cycle du signal ECG

Dans cet article, nous avons utilisé deux nouvelles caractéristiques — l’intégrale de la onde T et l’intégrale totale — extraites à partir d’un cycle d’enregistrement d’ECG normal ou pathologique, afin de détecter et localiser les infarctus myocardiens (IM) dans le ventricule gauche du cœur. Dans nos travaux antérieurs, nous avions exploité certaines caractéristiques issues de cartes de potentiel superficiel corporel pour atteindre cet objectif. Toutefois, nous savons que l’ECG standard est bien plus couramment utilisé en pratique clinique. C’est pourquoi nous avons concentré notre approche de détection et de localisation des IM sur l’ECG standard. Nous avons choisi l’intégrale de l’onde T car cette caractéristique reflète de manière significative les modifications de l’onde T observées lors d’un IM. La deuxième caractéristique introduite dans cette étude est l’intégrale totale d’un cycle d’ECG, car nous supposons que l’IM altère la morphologie du signal ECG, entraînant ainsi des variations de l’intégrale totale. Nous avons appliqué plusieurs méthodes de reconnaissance de motifs, notamment le Réseau de Neurones Artificiels (ANN), en raison de leur excellente précision dans la classification des signaux normaux et anormaux. Plus précisément, nous avons utilisé un type de Réseau à Fonction de Base Radiale (RBF) appelé Réseau Neuronal Probabiliste (PNN), en raison de sa capacité à modéliser des relations non linéaires. Nous avons également comparé ce modèle avec d’autres classifieurs tels que le k-Plus Proches Voisins (k-NN), le Perceptron Multicouche (MLP) et la Classification Bayésienne Naïve. Les données d’entraînement et de test ont été extraites de la base de données PhysioNet. Nos résultats montrent une précision supérieure à 76 % pour la localisation des IM et une précision dépassant 94 % pour la détection de l’IM. Les principaux avantages de notre méthode résident dans sa simplicité et sa bonne précision. Par ailleurs, il est possible d’améliorer davantage la performance de classification en intégrant davantage de caractéristiques. Une méthode simple, fondée sur l’exploitation de seulement deux caractéristiques extraites de l’ECG standard, a été proposée et s’est révélée efficace pour la localisation des infarctus myocardiens.