Résumé: Face au développement récent de la biologie moderne et de la médecine, la recherche ne peut rester indifférente aux multiples retombées que ces développements ont engendrées. En effet, plusieurs domaines ont connu l'éclosion de nouveaux concepts, qui en sont directement issus. L'une des évolutions les plus marquées, qui a été engendrée, est celle de l'introduction des réseaux de neurones dans le domaine biomédical. Actuellement, les réseaux de neurones bénéficient de fondements théoriques solides. Avec leurs aptitudes en classification, mémorisation, filtrage et approximation, ils sont devenus un moyen très efficace. L'opération de reconnaissance de formes constitue l'une des applications les plus connues en réseaux de neurones. L'application des réseaux de neurones est donc bien destinée à assurer la reconnaissance et la classification des ondes et des anomalies dans un signal électrocardiographique ECG. Notre travail a été organisé en trois parties. La première est l'étude de la population. La seconde est liée à la préparation du signal numérique pour son apport aux CNN (Compound Neural Network). Finalement, la troisième partie concerne le traitement et les procédures utilisées par le CNN dans le processus de classification des modèles présentés. L'étude a été basée sur une seule dérivation notée à partir de patients pris en charge avec le diagnostic BAV, et des sujets sains sont choisis arbitrairement à partir d'une population urbaine. Des paramètres ont été choisis à partir de l'ECG et ont été mis en application comme entrées aux CNN. Le modèle neuronal étudié est un réseau hybride formé à partir de trois réseaux de neurones de type statique multicouche. Deux de ces réseaux de neurones RN1 et RN2 sont placés dans une configuration parallèle en série avec le troisième réseau RN3. Un seul résultat de sortie code la probabilité d'occurrence de la présence d'un BAV dans le tracé ECG. La sensibilité et la spécificité pour différents seuils ont été étudiées afin d'obtenir une courbe ROC (Receiver Operating Characteristic) de caractéristiques d'efficacité du réseau. L'aire présente la performance du réseau dans l'ensemble. Les résultats montrent que le CNN apporte une haute performance dans la détection de présence de BAV dans un ECG. Sa sensibilité et sa spécificité approchent respectivement 92,31 % et 98,39%. La valeur de sa précision est de 95,81%

Batna:
Langue: Français
Collation: 97 p. ill. ;30 cm
Diplôme: Doctorat d'état
Etablissement de soutenance: Batna, Université du Hadj Lakhdar. Faculté des Sciences de l'Ingénieur
Spécialité: Electronique
Index décimal 006.32 .Réseaux neuronaux (apprentissage relationnel, ordinateurs neuronaux, perceptrons)
Thème Electronique

Mots clés:
réseaux de neurones artificiels
Traitement du signal : Techniques numériques
réseaux de neurones artificiels
Algorithme d'apprentissage

Note: Bibliogr.pp.87-97