ENCASE : Un classificateur par ensemble pour la classification des ECG basé sur des caractéristiques expertes et des réseaux de neurones profonds

Nous proposons ENCASE pour combiner des caractéristiques expertes et des réseaux de neurones profonds (DNN) afin de classifier les électrocardiogrammes (ECG). Nous explorons d'abord et mettons en œuvre des caractéristiques expertes issues de trois domaines : le domaine statistique, le domaine du traitement du signal et le domaine médical. Ensuite, nous concevons des DNN afin d'extraire automatiquement des caractéristiques profondes. Par ailleurs, nous proposons un nouvel algorithme permettant de déterminer l'onde la plus représentative (appelée centerwave) au sein d'enregistrements ECG longs, puis d'extraire des caractéristiques à partir de cette centerwave. Enfin, nous combinons toutes ces caractéristiques et les soumettons à des classificateurs ensemblistes. Les expérimentations sur la classification de données ECG en quatre classes atteignent un score F1 de 0,84, significativement supérieur à celui de tout modèle individuel.