Detection d'extrasystoles ventriculaires par Support Vector Machines

Name: Detection d'extrasystoles ventriculaires par Support Vector Machines
Brand: Zidelmal, Zahia
SKU: NW-9783639621884
Price: 64.89 EUR
Availability: InStock

Audience : Adulte - Grand Public

Le Pitch

Littérature française

L'analyse visuelle d'un ECG de longue durée comme celui provenant d'un Holter, pour détecter des extrasystoles ventriculaires (ESV) par exemple, est difficile à réaliser par le médecin, à cause de la quantité de données récupérées après l'enregistrement, environ 100 000 battements cardiaques; d'où la nécessité d'une lecture automatique. Cet ouvrage s'inscrit dans cette problématique, et propose une méthode de localisation de battements cardiaques. Sur les battements segmentés, est effectuée une extraction de caractéristiques temporelles et fréquentielles. Ces caractéristiques ne s'éloignent pas de celles habituellement utilisées par les cardiologues. Pour classifier ces battements de manière automatique, nous nous proposons d'utiliser un SVM où elle introduit une troisième décision qui consiste à rejeter les battement ambigus. Cette option est importante dans le cas d'une application relative à une aide au diagnostic. Afficher moinsAfficher plus

Zidelmal, Zahia

Detection d'extrasystoles ventriculaires par Support Vector Machines

64,89 €

Le Pitch

Littérature française

L'analyse visuelle d'un ECG de longue durée comme celui provenant d'un Holter, pour détecter des extrasystoles ventriculaires (ESV) par exemple, est difficile à réaliser par le médecin, à cause de la quantité de données récupérées après l'enregistrement, environ 100 000 battements cardiaques; d'où la nécessité d'une lecture automatique. Cet ouvrage s'inscrit dans cette problématique, et propose une méthode de localisation de battements cardiaques. Sur les battements segmentés, est effectuée une extraction de caractéristiques temporelles et fréquentielles. Ces caractéristiques ne s'éloignent pas de celles habituellement utilisées par les cardiologues. Pour classifier ces battements de manière automatique, nous nous proposons d'utiliser un SVM où elle introduit une troisième décision qui consiste à rejeter les battement ambigus. Cette option est importante dans le cas d'une application relative à une aide au diagnostic. Afficher moinsAfficher plus