Harig Et Dayekh

République Algérienne Démocratique et Populaire
Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

Université Dr. Tahar Moulay–Saida
Faculté de la Technologie
Département d’Electronique
Mémoire
De fin d’études pour l’obtention du diplôme Master en électronique

Option : Instrumentation
Thème
Réseaux de neurones appliqués à l’analyse non

linéaire du signal ECG
Soutenu le : Mercredi 13 Juin 2018 à 10h00
Présenté Par : - Mme: Harig Kherfia
- Mme: Daikh Faiza
Devant le jury composé de :
Président :
 Mr : Bensaad Abdellah
Examinateur :
 Mr : Bouyddou Benamar
Encadreur :
Dr. Garadi Ahmed
Promotion 2017/2018
Remerciements
REMERCIEMENTS
Nous remercions Allah, le tout puissant, qui nous a

donné la force et la volonté pour pouvoir finir ce mémoire de
master.
Nous tenons à remercier profondément notre directeur de

recherche : Mr le docteur GARADI AHMED pour sa
confiance, ses conseils et ses encouragements, ne nous ont
jamais défaut.
Nous remercions l’ensemble des membres du jury de

nous avoir fait l’honneur d’accepter de lire et de juger ce
mémoire.
Nous tenons à remercier l’ensemble du corps enseignant

du parcours d’électronique Instrumentation, pour la chance
qu’ils nous ont offert et permis par la même occasion de
continuer un master.
MERCI
Dédicaces
Je dédie ce travail à :
A mes parents,
A mon Fils Nadir
A mes frères et mes sœurs,
A toute ma famille,
A tous mes enseignants surtout mon
encadreur et mes amies à l’université de
Saida et mes collègues de travail
« ONML ».
A tous ceux que j'aime.
Kferfia Malika Harig

II
Dédicaces
Je tiens a dédicacé ce modeste travail
A tout ce qui m’ont aidés de loin ou de
près.
A notre encadreur qui nous a aidés
moralement et scientifiquement
Aux membres de jury, pour leurs présences
Daikh Faiza
Sommaire
SOMMAIRE
REMERCIEMENTS……………………………………………………………… I
DÉDECACES…………………………………………………………………...... II
DÉDECACES……………………………………………………………………... III
SOMMAIRE……………………………………………………………………… IV
LISTE DES FIGURES……………………………………………………………. VII
LISTE DES TABLEAUX………………………………………………………… IX
LISTE DES ABRÉVIATIONS…………………………………………………… X
INTRODUCTION GENERALE………………………………………………….. 01
CHAPITRE I : Les notions de base de l’électrocardiographie
1.1. Introduction…………………………………………………………………. 03
1.2. Le cœur……………………………………………………………………... 03
1.2.1. Anatomie et activité musculaire du cœur…………………………….. 03
1.2.2 Activité Electrique du cœur…………………………………………... 05
1.3. L’électrocardiographie……………………………………………………… 05
1.3.1. Définition…………………………………………………………….. 05
1.3.2. Principe de fonctionnement………………………………………….. 06
1.3.3. Enregistrement de l’électrocardiogramme et dérivations……………. 07
1.3.4. L’ECG d’Holter……………………………………………………… 11
1.4. Tracé électrique du cœur……………………………………………………. 11
1.5. Intervalles temporels………………………………………………………... 12
a. L'Intervalle PR ou PQ………………………………………………….. 12
b. L'Intervalle QRS……………………………………………………….. 12
c. L'Intervalle ST…………………………………………………………. 13
d. L'Intervalle QT………………………………………………………… 13
e. L'Intervalle RR…………………………………………………………. 13
1.6. Les sources de bruits dans les signaux électrocardiographiques…………… 14
1.7. Caractéristiques électrocardiographiques…………………………………... 17
1.8. A quoi sert l’électrocardiogramme…………………………………………. 17
1.9. Les pathologies cardiaques…………………………………………………. 18
IV
Sommaire
1.9.1. Rythme sinusal……………………………………………………….. 18
1.9.2. Les arythmies cardiaques…………………………………………….. 19
1.9.2.1. Types d'arythmies courantes ………………………………… 19
a. L'extrasystole………………………………………………… 20
b. Le flutter atrial (auriculaire) ………………………………… 20
c. La fibrillation atriale (Fibrillation auriculaire………………. 21
d. La tachycardie supra-ventriculaire (auriculaire ou jonctionnelle) 22
e. La fibrillation ventriculaire …………………………………... 23
f. La tachycardie ventriculaire ………………………………….. 23
1.10. Le neurone………………………………………………………………… 24
1.11. Conclusion………………………………………………………………… 25
CHAPITRE II : Détection du complexe QRS
2.1. Introduction…………………………………………………………………. 26
2.2. Performance d’un détecteur de complexe QRS…………………………….. 26
a. Les vrais positifs (TP)…………………………………………………. 26
b. Les faux positifs (FP)……………………………………………………. 27
b. Les faux négatifs (FN)………………………………………………… 27
2.3. Différents Algorithmes de détection du QRS………………………………. 27
a. Approches dérivatives et filtres numériques……………………………. 28
b. Dérivation entière……………………………………………………….. 28
c. Dérivation non entière…………………………………………………… 29
d. Filtres numériques………………………………………………….......... 29
e. Détection basée sur la transformée en ondelettes……………………...... 29
f. Approches basées sur les réseaux de neurones…………………………... 30
g. Seuillage adaptatif………………………………………………………. 30
h. Autre approche……………………………………………………........... 32
2.4. Théorie……………………………………………………………………… 33
2.5. Filtre adapté et filtre blanchissant………………………………………… 33
2.5.1. Le filtre blanchissant neuromimétique………………………………... 34
2.5.1.1. Filtre blanchissant adaptatif non linéaire à base d’un PMC…. 34
V
Sommaire
a. Choix de la longueur de la couche cachée…………………... 34
b. Utilisation du Pas d’apprentissage variable………………….. 35
c. Le pas d’apprentissage pour la couche de sortie…………….. 36
d. Le pas d’apprentissage pour la couche cachée………………. 36
2.5.2 Filtre adapté…………………………………………………………… 36
2.6. Conclusion………………………………………………………………….. 37
CHAPITRE III : Simulation et Interprétation des Résultats

3.1. Introduction…………………………………………………………………. 39
3.2. Appareils d’enregistrement ………………………………………………… 39
a. Techniques d’enregistrement…………………………………………… 39
b. Hauteur de la déflexion de calibration………………………………… 39
c. Distance entre les lignes..……………………………………………… 40
3.3. Organigramme de programme……………………………………………… 40
3.3.1. Algorithme de détection des pics d’un signal ECG………………… 40
3.3.2. Résultat………………………………………………………………. 41
a. La détection de l’onde R…………………………………………. 41
b. La détection de l’onde T………………………………………… 43
c. La détection des ondes S et Q ……………………………………… 44
d. Complexe QRS…………………………………………………... 47
e. Intervalles Q-T…………………………………………………… 47
3.3.3. Résultats de simulation d’un réseau Neurone………………………... 50
3.4. Conclusion …………………………………………………………………. 53
Conclusion Générale ……………………………………………………………. 54
Annexe A ………………………………………………………………………. 55
Annexe B……………………………………………………………………….. 61
Référence Bibliographique …………………………………………………….. 67
VI
Liste des Figures
LISTE DES FIGURES

Figure 1.1. Anatomie du cœur humain…………………………………………... 04
Figure 1.2. Principe de fonctionnement de l’ECG................................................. 07
Figure 1.3. Dérivations bipolaires et triangle d'Einthoven……….……………… 08
Figure1.4. Dérivations unipolaires augmentées………………………………. 09
Figure 1.5. Dérivations précordiales (V1 à V6)……………………………….. 10
Figure 1.6. Les douze dérivations standard dans chaque plan du corps…………... 10
Figure 1.7. L’onde électrique d’un battement de cœur……………………………. 11
Figure 1.8. Différents intervalles dans l’ECG…………………………………… 13
Figure 1.9. Différentes densités spectrales du signal ECG………………………... 15
Figure 1.10. Le rythme sinusal…………………………………………………… 19
Figure 1.11. Flutter auriculaire……………………….………………………….. 21
Figure 1.12. Fibrillation auriculaire…………………………………………........ 22
Figure 1.13. Fibrillation ventriculaire…………………………………………… 23
Figure 1.14. Tachycardie ventriculaire (TV)……………………………………… 24
Figure 1.15. Neurone artificiel……………………………………………………. 24
Figure 2.1. Signal d’un battement cardiaque………………………………………. 26
Figure 2.2. Structure commun des détecteurs QRS……………………………….. 28
Figure 2.3. Seuil adaptatif en amplitude ………………………………………….. 31
Figure 2.4. Seuil adaptatif en temps …………………………................................. 32
Figure 2.5. Filtre blanchissant à base d’un PMC………………………………….. 35
Figure 3.1. Hauteur de la déflexion de calibration………………………………… 39
Figure 3.2. Distance entre les lignes………………………………………………. 40
Figure 3.3.Signal ECG original……………………………………………………. 41
Figure 3.4. Détection de l’onde R…………………………………………………. 41
VII
Liste des Figures
Figure 3.5. Détection de l’onde T…………………………………………………. 43
Figure 3.6. Détection de l’onde S………………………………………………….. 44
Figure 3.7. Détection de l’onde Q…………………………………………………. 46
Figure 3.8. Réseau Neurone simulé……………………………………………….. 48
Figure 3.9. Les trois signaux ECG d’entrée……………………………………….. 48
Figure 3.10. Le réseau Neurones…………………………………………………... 50
Figure 3.11. Les meilleures performances…………………………………............ 52
VIII
Liste des Tableaux
LISTE DES TABLEAUX
Tableau 3.1. Résultats de détection pour le pic R. 42
Tableau 3.2. Résultats de détection pour le pic T. 44
Tableau 3.3. Résultats de détection pour le pic S. 45
Tableau 3.4. Résultats de détection pour le pic Q. 46
Tableau 3.5. Résultats de temps détection pour l’ECG. 47
IX
Liste des abréviations
LISTE DES ABRÉVIATIONS
ECG : Electrocardiogramme
EMG : Electromyogramme (contraction musculaire)
MISO : Multi Inputs, Single Output
TP : True Positive, La valeur vrai positive.
FP : False Positive, La valeur fausse positive.
FN : False Négative, La valeur fausse négative.
RIF : Réponse Impulsionnelle Finie
TDL : Tapped Delay Line
ANN : Artificial Neural Network, Réseaux de neurones.
RBF : Radial Basis Function.
LVQ : Learning Vector Quantization.
PMC : Perceptrone Multi-Couches.
PRNN : Pipelined Recurrent Neural Network.
WT : Wavelet Transform
X
Introduction Générale
INTRODUCTION GÉNÉRALE
En dépit des progrès récents, les maladies cardio-vasculaires sont encore
responsables de la moitié des décès en Etats-Unis et dans les pays occidentaux. Ainsi,
le diagnostic et le traitement de ces affections restent encore une des préoccupations la
plus importante des médecins. L’électrocardiogramme a suscité la publication d’une
abondante littérature qui n’a d’intérêt que pour le spécialiste et il est difficilement
envisageable que la majorité des médecins lisent même une petite partie des nombreux
articles, monographies ou traités d’électrocardiographie. Donc l’implémentation d’un
algorithme aboutissant à un diagnostic est indispensable pour le clinicien, permettant
l’interprétation précise de l’électrocardiogramme.
 L’électrocardiogramme (ECG) regroupe trois paramètres importants P, QRS, T
qui caractérisent l’activité cardiaque, et un quatrième paramètre d’importance
non encore identifié l’onde U.
 Parmi les ondes caractéristiques du signal ECG; le complexe QRS qui
complexe représente le phénomène de dépolarisation des ventricules
cardiaques. Une classification battement par battement et automatiquement de
celui-ci, est très importante dans le diagnostique des cas pathologiques
cardiaques. Cependant une telle opération n’est possible que par une bonne
détection du complexe QRS.
Ainsi, nous allons présenter plusieurs algorithmes capables de détecter pour
chaque battement cardiaque, les complexes QRS, de les caractériser par leurs
emplacements temporels, leurs largeurs et leurs amplitudes. L’interprétation de ces
paramètres en corrélation avec des structures de fonctionnement cardiaques normales,
permettent d’aboutir à un aide au diagnostic de cas pathologiques [1].
Plusieurs algorithmes sont étudiés pour la détection des complexes QRS.
Chacun comporte respectivement deux étapes : Un filtrage linéaire du signal ECG, une
transformation non linéaire et une règle de détection, dans ce travail, nous somme
intéressées par la deuxième étape.
L’étude que nous abordons dans ce travail vise l’étude d’un programme de
détection des paramètres de l’ECG à savoir les ondes QRS T. Nous nous sommes
1
Introduction Générale
concentrés essentiellement sur une approche basée sur un seuillage d’amplitude du
signal et qui permet de détecter ces ondes.
Le présent document est reparti en trois chapitres :
Le premier chapitre présente brièvement le fonctionnement du système
cardiovasculaire, et notamment le cœur. Il permet en particulier de comprendre
l’origine et la nature des signaux électriques enregistrés par l’électrocardiographie, et
présente aussi quelques pathologies cardiaques typiques souvent illustrées dans un
enregistrement électrocardiographique ECG.
Le deuxième chapitre présente l’algorithme de détection des complexes QRS
que nous avons étudié et simulé la caractérisation des battements cardiaques. Il est
entamé d’abord par une étude de plusieurs techniques de détection des complexes QRS
présentent dans la littérature suivi par une description détaillée de l’algorithme proposé
et qui est basé sur la méthode de Seuillage adaptatif.
Le dernier chapitre du mémoire exploite l’élaboration d’un algorithme de
détection d’un paramètre de diagnostic du signal dans le signal ECG qui est les ondes
QRS T.
Nous terminons ce mémoire avec nous conclusions sur l'utilité et la portée de
l'utilisation de notre réseau pour la détection des ondes.
2
Chapitre 01 Les notions de base de l’électrocardiographie
1.1. Introduction:
Ce chapitre est un petit rappel sur les notions de base concernant

l’électrocardiographie, nous commençons par l’anatomie de cœur puis nous allons
procéder d’une manière plus détaillé le principe de l’électrocardiogramme (ECG) qui
désigne l’enregistrement de l’activité électrique de cœur, de plus avant de commencer
il faut distinguer ces notions :
 L’électrocardiogramme : Est le tracé sur papier de l’activité électrique dans le

cœur.
 L’électrocardiographe : Est l’appareil qui permet d’obtenir le signal
électrocardiogramme.
 L’électrocardioscope : Est un appareil affichant le tracé sur un écran.
1.2. Le cœur [2] :
Elément principal du système cardiovasculaire, qui est un muscle appelé

myocarde, d’un volume de poignet sert à propulser le sang vers tout le corps humain à
travers les vaisseaux sanguins. Dans le corps humain, le cœur se situe dans le
médiastin. C'est la partie médiane de la cage thoracique délimitée par les deux
poumons, le sternum et la colonne vertébrale. Il se trouve un peu à gauche du centre du
thorax, en arrière du sternum, sur le diaphragme. C'est un organe creux mû par un
muscle. Le myocarde est enrobé du péricarde (pericardium) ; il est entouré par les
poumons.
Les vaisseaux sanguins sont décomposés en deux grands systèmes : le système

artériel et le système veineux. Le premier assure l’acheminement du sang oxygéné
vers les organes et le deuxième sert à ramener le sang pauvre en oxygène au cœur.
1.2.1. Anatomie et activité musculaire du cœur :
Le cœur est divisé en deux parties par une cloison, une partie droite et une
partie gauche.
3
Chaque partie est divisée, elle-même, en deux parties, une partie haute qui est
les oreillettes et une partie basse qui sont les deux ventricules. La figure 1.1 illustre la
structure anatomique détaillée du cœur humain.
Figure 1.1. Anatomie du cœur humain.
Le sang pauvre en oxygène arrive au cœur par la veine cave. Il y entre par
l’oreillette droite, il est chassé par sa contraction appelée systole auriculaire qui le
déplace dans le ventricule droit. La contraction ventriculaire (systole ventriculaire)
propulse le sang du ventricule droit vers les poumons où il va se charger en oxygène.
De retour au cœur par les veines pulmonaires, le sang s’accumule dans
l’oreillette gauche puis, lors de la contraction auriculaire, passe dans le ventricule
gauche de la systole ventriculaire qui l’envoie vers les organes par l’artère Aorte.
4
Du fait que le muscle cardiaque est myogénique, les contractions rythmiques se
produisent spontanément et sont coordonnées par une impulsion électrique qui le
stimule. Dans le prochain paragraphe en va aborder le processus de contraction
cardiaque du point de vue électrique.
1.2.2 Activité Electrique du cœur:
La contraction de tout muscle s’accompagne d’une modification électrique

appelée « Dépolarisation », et on peut détecter cette modification par des électrodes
fixées à la surface du corps.
Les cellules du myocarde sont électriquement chargées ou polarisées à l’état de

repos (diastole), mais lorsqu’ elles sont stimulées électriquement, elles se dépolarisent
et se contractent.
A l’état de repos , les cellules cardiaques sont polarisées tel que : l’intérieur des
cellules étant chargées négativement par rapport à l’extérieur, c’est le potentiel de
repos dont la valeur est comprise entre -80 et -90 mV , de plus si les cellules sont
stimulées ou bien contractées alors l’intérieur de ces cellules va se charger
positivement :cette stimulation est appelée la dépolarisation et qui va provoquer leur
contraction . Cette dernière peut-être considéré comme la progression d’une onde de
charges positives à l’intérieur des cellules, l’onde stimulante de dépolarisation charge
l’intérieur des cellules myocardiques positivement : c’est le potentiel d’action qui peut
atteindre de +20 à +30 mV, au cours de la répolarisation des cellules myocardiques
retrouvent les charges positives à l’intérieur de chacune d’elles.
1.3. L’électrocardiographie:
1.3.1. Définition:
L'électrocardiogramme (ECG) est la représentation graphique du potentiel

électrique qui commande l'activité musculaire du cœur. Ce potentiel est recueilli par
des électrodes mises à la surface de la peau.
L’électrocardiographe est constitué en général de :
5
 Un ensemble d’électrodes destinés à être appliqués en contacte directe du
patient.
 Un système d’amplification des signaux issus des électrodes.
 Un appareil enregistreur.
 Un système d’enregistrement graphique.
L’ECG a apparu en 1887 avec les travaux de Waller, puis en 1895 Willem
Einthoven met en évidence les cinq déflexions P, Q, R, S et T, il utilise le
galvanomètre à cordes en 1901 et publié les premières classifications
d’électrocardiogrammes pathologiques en 1906, il obtiendra en 1924 un prix Nobel
pour ses travaux sur l’électrocardiographie,
Les dérivations précordiales sont utilisées pour le diagnostic médical à partir de
1932 et les dérivations frontales unipolaires à partir de 1942, ce qui permet à Emanuel
Goldberger de réaliser le premier tracé sur 12 voies.
Aujourd'hui l'électrocardiographie est une technique relativement peu coûteuse,
permettant à l'aide d'un examen indolore et sans danger, de surveiller l'appareil cardio-
circulatoire, notamment pour la détection des troubles du rythme et la prévention de
l'infarctus du myocarde.
1.3.2. Principe de fonctionnement [2]:
Une cellule vivante, lors de transfert ionique entre ses parois, peut être
considérée comme un dipôle électrique. Au repos aucune différence de potentiel
n’existe, alors et par une représentions vectorielle du potentiel électrique, le vecteur est
nulle (figure 1.2.a.) Après une stimulation, la polarité des parois se change induisant
ainsi une différence de potentiel qui se propage tout au long de la paroi marquée par un
vecteur positif(b) qui atteint son maximum lorsque l’impulsion électrique arrive au
milieu(c). La fin de la dépolarisation est marquée par un vecteur positif de faible
amplitude. Une fois la cellule et dépolarisée le vecteur est nul (d). La répolarisation du
la cellule se manifeste par un vecteur négatif (e), qui suit les même étapes que la
premier dans le sens opposé (f) (figure 1.2).
6
Figure 1.2. Principe de fonctionnement de l’ECG.
1.3.3. Enregistrement de l’électrocardiogramme et dérivations [4]:
L’électrocardiogramme est le tracé obtenu grâce à l’électrocardiographie,

L’acquisition du signal électrocardiographie est assurée par des électrodes de surface,
dont leur emplacement sur le thorax du patient définit un type de dérivation. Les
emplacements des électrodes sur le thorax du patient sont choisis de manière à
explorer le quasi totalité du champ électrique cardiaque.
En cardiologie, l’examen le plus couramment pratiqué est l’ECG 12 dérivations,
où le signal électrocardiographie est visualisé selon 12 axes privilégiés :
Six axes dans le plan frontal qui sont :
 Les trois dérivations bipolaires DI, DII, DIII dites dérivations de Einthoven
• DI : Enregistre les différences de potentiel électrique entre le poignet droit (VR) et le
poignet gauche (VL). DI=VL-VR
• DII : Enregistre les différences de potentiel électrique entre le poignet droit (VR) et la
jambe gauche (VF). DII=VF-VR
• DIII : Enregistre les différences de potentiel électrique entre le poignet gauche (VL) et
la jambe gauche (VF). DIII=VF-VL
7
Remarque : DI + DIII = DII
Ces dérivations explorent l'activité cardiaque dans le plan frontal.
Figure 1.3. Dérivations bipolaires et triangle d'Einthoven
 Plus les dérivations unipolaires aVR, aVL, aVF dites de Wilson

• aVL (left) pour l'avant bras gauche
• aVR (right) pour l'avant bras droit
• aVF (foot) pour la jambe gauche
𝑉𝐿 − 𝑉𝐹 𝑉𝑅
aVR = 𝑉𝑅 − = ∗
𝑉𝐹 − 𝑉𝑅 𝑉𝐿
a𝑉𝐿 = 𝑉𝐿 − = ∗
𝑉𝑅 − 𝑉𝐿 𝑉𝐹
a𝑉𝐹 = 𝑉𝐹 − = ∗
8
Figure1.4 : Dérivations unipolaires augmentées.
 Six axes sur le plan transversal (dérivations unipolaires précordial V1 à V6 dite

de Kossman) :
- V1: 4ème espace intercostal, bord droit du sternum (ligne parasternale)
- V2: 4ème espace intercostal, bord gauche du sternum (ligne parasternale)
- V3: à mi-distance entre V2 et V4
- V4: 5ème espace intercostal, ligne médio-claviculaire gauche
- V5: à mi-distance entre V4 et V6, sur la ligne axillaire antérieure
- V6: même niveau horizontal que V4 et V5, ligne axillaire moyenne
9
Figure 1.5. Dérivations précordiales (V1 à V6).
Figure 1.6. Les douze dérivations standard dans chaque plan du corps.
10
1.3.4. L’ECG d’Holter:

Au début des années 60, Norman Holter proposa un appareil portatif permettant
d’enregistrer l’activité cardiaque pendant plusieurs heures.
Le patient, chez un cardiologue, se fait poser l’appareil sous forme d’un petit
boîtier auquel sont reliées sept électrodes, permettant ainsi l’enregistrement sur 2 ou 3
dérivations (2 frontales et 1 transversal), puis il retourne à sa vie naturelle durant une
journée complète après laquelle il revient chez le cardiologue.
L’ECG de Holter est reconnu comme un outil très efficace pour le diagnostic
des arythmies transitoires, le diagnostic de l’insuffisance coronaire et la modification
du segment ST-T sur une durée de 24 heures.
Il existe deux modes de représentation du signal électrocardiographique, une
représentation temporelle et une représentation vectorielle.
1.4. Tracé électrique du cœur:
La visualisation de l’activité électrique du cœur pour un seul battement, donne

un tracé constitué de trois ondes successives (figure 1.7)
Figure 1.7. L’onde électrique d’un battement de cœur.
 L’onde P : Correspond à la contraction de l’oreillette. Cette onde a une durée

inférieure e à 0.12 seconde tandis que son amplitude est inférieure à 0.25 mv.
11
 L’espace PQ : Correspond au temps écoulé entre le début de la contraction de
l’oreillette et celle du ventricule. C’est le temps de conduction atrio-
ventriculaire (ou auriculo-ventriculaire). Il est normalement de 0.16 seconde.
 Le complexe QRS : Reflète la contraction des deux ventricules, sa durée est de
0.08 seconde ;
* La pointe Q est négative et de faible amplitude
* La pointe R est positive et de grande amplitude
* La pointe S est négative et de faible amplitude
 L’onde T: Correspond à la fin de la contraction ventriculaire et à la
répolarisation du myocarde. La durée QT est de 0.36 seconde.
 L’onde U : Apparaît parfois mais elle n’est pas utilisée pour le diagnostic.
1.5. Intervalles temporels:
L'analyse de l'électrocardiogramme comprend la mesure des amplitudes et des

durées ainsi que l'examen de la morphologie de l'onde P, du complexe QRS, de l'onde
T, de l'intervalle PR, du segment ST, de l'intervalle QT. Les valeurs normales citées ci-
dessous, qui s'appliquent à des adultes d'âge moyen, sont données à titre indicatif car il
existe un chevauchement parfois important entre les valeurs normales et
pathologiques.
a. L'Intervalle PR ou PQ:
L'intervalle PR ou PQ, mesuré du début de l'onde P au début du complexe QRS,

représente le temps de propagation de l'influx par les oreillettes, le nœud auriculo-
ventriculaire, le faisceau de His, ses branches, le réseau de Purkinje jusqu'au début de
l'activation ventriculaire. La durée de l'intervalle PR varie de 0,12 à 0,20 secondes en
fonction de la fréquence cardiaque et de l'âge.
b. L'Intervalle QRS:
La durée de cet intervalle représente le temps de dépolarisation ventriculaire.
12
c. L'Intervalle ST:
Le segment ST est la partie du tracé comprise entre la fin du complexe QRS et

le début de l'onde T. Il correspond à la phase 2, en plateau, du potentiel d'action
transmembranaire. Le segment ST normal peut être légèrement décalé, vers le haut au
repos, ou vers le bas à l'effort.
d. L'Intervalle QT:
Il s'agit de la distance entre le début du complexe QRS et la fin de l'onde T,

englobant la dépolarisation et la ré-polarisation ventriculaires. La durée de l'intervalle
QT varie en fonction de la fréquence cardiaque, de l'âge et du sexe.
e. L'Intervalle RR:
Cet intervalle désigne le temps entre deux ondes R successives. La facilité de la

détection de l’onde R donne l’importance de cet intervalle qui sert à mesurer la
fréquence cardiaque.
Figure 1.8. Différents intervalles dans l’ECG [2].
13
1.6. Les sources de bruits dans les signaux électrocardiographiques [1]:
Le signal électrocardiogramme (ECG) obtenu lors de l’enregistrement est

généralement contaminé avec différentes sources de bruits. Celles ci peuvent perturber
les caractéristiques de phase et d’amplitude du signal utile. Parmi ces bruits on peut
citer :
 Electromyogramme (EMG): Il est dû aux variations de potentiel engendrées

au sein des tissus musculaires. Son amplitude est la même que le signal ECG
mais il se produit dans les hautes fréquences.
 Les bruits provoqués par les ondulations de la ligne de base:
La ligne de base est la ligne d’équilibre de l’activité cardiaque : Elle doit être
isoélectrique. Des ondulations de très basses fréquences dues aux mouvements du sujet
où au mauvais contact des électrodes, peuvent perturber cette ligne.
 Interférence du réseau 50 Hz
 Motion artefact: C’est la forme de bruit la plus difficile à extraire des signaux
ECG, et ceci en raison du chevauchement de son spectre avec celui de l’ECG
ainsi que sa morphologie qui ressemble celles des ondes P, QRS, T. La figure
1.9 montre les différentes densités spectrales du signal ECG, du complexe QRS
et les différents types de bruits associés au signal ECG .
14
Figure 1.9 : Différentes densités spectrales du signal ECG, du complexe QRS et les
différents types de bruits associés au signal ECG
 Intérêt d’une analyse automatique d’un ECG:
L’exploitation médicale courante d’un enregistrement ECG se fait selon l’une

des modalités suivantes :
 Un enregistrement périodique (3 mois) chez son médecin traitant. Cet
enregistrement a une durée de 30s à 1min pour vérifier le comportement général
du rythme cardiaque. La notion médicale de « rythme cardiaque » englobe
l’ensemble du comportement de l’activité électrique du cœur (forme du cycle,
agencement des différentes ondes et des différents cycles les uns par rapport
aux autres) et pas seulement la fréquence cardiaque.
 Un enregistrement continu, sur plusieurs jours, nécessitant l’hospitalisation du
patient pour observer le comportement à plus long terme du fonctionnement du
cœur (cette phase d’analyse pouvant avoir été mise en œuvre suite a des doutes
provenant de la première expertise).
Cependant, cette façon de procéder n’est pas optimale ; ni sur le plan médical,
la première expertise se faisant sur des durées trop courtes pour mettre en évidence des
troubles du rythme sur le long terme, ni sur le plan des coûts, la seconde exploitation
impliquant la mise en œuvre de moyens lourds pour la surveillance du patient.
De plus en plus, des enregistreurs d’ECG portatifs permettant aux patients
d’effectue leur propre enregistrement dont utilisés. Ces enregistrements sont alors
15
régulièrement communiqués à un centre médical pour analyse. Cependant l’analyse
automatique d’un ECG, qui pourrait être par exemple implantée sur ces enregistreurs
portatifs, offrirait un compromis encore plus intéressant, tant au niveau de la qualité de
vie du patient, que du dérangement du corps médical, puisque l’analyseur pourrait
alors ne demander une expertise qu’en cas de détection d’une pathologie (potentielle).
 Origine et manifestation des pathologies:
L’analyse automatique des ECG n’est pas simple (de la même manière que son
expertise médicale), du fait de la variabilité des enregistrements d’un patient à un autre
et de leur variabilité interne, en fonction de l’état physiologique d’un patient (au repos,
en mouvement, stress...). Qui plus est, l’expertise médicale d’un enregistrement
d’ECG est souvent complétée par l’analyse de l’histoire clinique du patient, difficile à
exploiter dans la mise en œuvre d’une expertise automatique.
Les troubles du rythme cardiaque trouvent principalement leurs origines dans
des problèmes de conduction (chemin suivi par l’onde de dépolarisation a partir de son
point d’activation électrique), des troubles de la fréquence cardiaque (fonction du
pacemaker naturel (nœud) qui initie la dépolarisation) ou encore de la forme des
différentes ondes composant le cycle cardiaque (déformation onde P, segment ST…).
Parmi les pathologies les plus courantes nous citerons :
 Les bradycardies et tachycardies (.ralentissement et accélération de la fréquence
cardiaque)
 Les fibrillations auriculaires et ventriculaires (contractions indépendantes et
désordonnées (asynchrone) des fibres musculaires entrant dans la propagation
de l’onde de dépolarisation)
 Les blocs auriculo-ventriculaires (défauts de cheminement de l’onde de
dépolarisation suivant la voie courante de propagation)
 Les extrasystoles (ou rythmes d’échappement), qui ne sont pas a proprement
parlé des « pathologies », mais qui peuvent indiquer des évolutions vers des
états pathologiques ou bien des problèmes situés en amont de la voie de
conduction. (Les extrasystoles sont des battements initiés par des foyers
différents du nœud courant de dépolarisation).
16
Ainsi les troubles du rythme cardiaque ont des manifestations nombreuses, qui
résultent le plus souvent d’une combinaison de ces divers troubles élémentaires
(conduction, fréquence cardiaque, formes des ondes). Tout l’objet d’un analyseur, ou
détecteur de pathologie serait donc d’exploiter un grand nombre de paramètres
(statistiques, caractéristiques des différentes ondes) extraits de l’ECG et de les
combiner pour effectuer un pré-diagnostic.
1.7. Caractéristiques électrocardiographiques:
 Aspect caractéristique de torsion de l'axe des ventriculogrammes autour de la

ligne isoélectrique (inversion de l'axe de 180° tout les 4-5 complexes environ)
avec modification progressive de la morphologie et de l'amplitude.
 Fréquence ventriculaire rapide aux alentours de 200-250/mn.
 Caractère le plus souvent non soutenu avec arrêt spontané et tendance
récidivante, avec évolution possible vers une fibrillation ventriculaire.
 Troubles de la répolarisation sur l'électrocardiogramme en rythme sinusal avec
aspect de QT long (QT supérieur à 440 ms).
1.8. A quoi sert l’électrocardiogramme [2] ?
L'ECG peut constituer un marqueur indépendant d'affection myocardique; il

peut refléter des atteintes anatomiques, électrophysiologiques, métaboliques et
hémodynamiques; il procure une information qui souvent s'avère essentielle pour le
diagnostic et le traitement de diverses anomalies cardiaques; et il est sans égal pour le
diagnostic des arythmies.
L'électrocardiographie est une procédure de premier choix chez des patients se
plaignant de précordialgies, lipothymies ou syncopes, symptômes qui peuvent être
annonciateurs d'infarctus myocardique ou de mort subite. Des anomalies électriques
peuvent être les premiers signes indiquant l'existence d'effets secondaires
potentiellement désastreux de certains médicaments, ou de sévères déséquilibres
métaboliques ou électrolytiques, et parfois le seul signe d'atteinte myocardique.
L'échocardiographie et la résonance magnétique nucléaire, par exemple,
montrent directement la morphologie et la dynamique des structures anatomiques,
domaines où l'électrocardiogramme est moins performant. Par contre,
17
l'électrocardiogramme est le premier et parfois le seul témoin de modifications se
produisant à l'étage moléculaire et cellulaire. Il peut de la sorte constituer un outil
diagnostique essentiel, par exemple pour la détection de l'ischémie myocardique
(pathologie fréquente), pour la reconnaissance des atteintes myocardiques précoces
comme dans certaines myocardiopathies et certaines dystrophies musculaires
(pathologies rares) où les tracés électrocardiographiques peuvent être perturbés avant
que n'apparaissent les anomalies échocardiographiques. Enfin l'électrocardiogramme
est le seul examen couramment utilisé dans l'étude des troubles de conduction et des
troubles du rythme C'est un formidable outil de diagnostic.
1.9. Les pathologies cardiaques [3] :
Ce paragraphe décrit très brièvement les différentes pathologies cardiaques et

plus particulièrement celles susceptibles d’être repérées en utilisant un enregistrement
Holter.
Notre objectif dans cette partie n’est pas d’analyser précisément les origines de
ces maladies et leurs conséquences sur le fonctionnement cardiaque ni de décrire les
traitements que ces pathologies nécessitent, mais simplement de mettre en relation
certaines observations anormales du tracé ECG avec les pathologies les plus courantes.
Parmi les maladies les plus rencontrées, ceux qui affectent le rythme cardiaque
et qui sont appelées les arythmies cardiaques, mais avant de parler des arythmies, il est
intéressant de connaître les caractéristiques du rythmes normale appelé aussi rythme
sinusal.
1.9.1. Rythme sinusal
C'est le rythme "normal" du cœur qui correspond à une activation physiologique
des oreillettes, puis des ventricules, à partir du nœud sinusal.
Le rythme sinusal est caractérisé par un rythme cardiaque régulier,
normalement compris entre 60 et 80 / minute chez l'adulte au repos. Il se caractérise
sur l'ECG par une succession d'ondes P, suivie de ventriculogramme (activité
ventriculaire (le complexe QRS et l’onde T)). Comme illustré dans la figure 1.10
18
Figure 1.10. Le rythme sinusal
1.9.2. Les arythmies cardiaques:
Pour un sujet normal, chaque battement du cœur propulsant le sang dans les
artères (la phase systolique) est déclenché par une impulsion électrique. Cette
excitation est générée par un groupe de cellules cardiaques de nature différente, appelé
le nœud sinusal, situé dans l'oreillette droite.
L'arythmie survient lorsque l'excitation électrique naît ailleurs que dans le nœud
sinusal, dans le nœud atrio-ventriculaire ou les ventricules par exemple, ou que
l'impulsion électrique ne suit plus les chemins de propagation normales.
1.9.2.1. Types d'arythmies courantes:
Au repos, le cœur effectue normalement entre 60 et 80 battements à la minute

(c'est ce qu'on appelle le pouls ou les pulsations cardiaques). Une accélération
(tachycardie), un ralentissement (bradycardie) ou un changement du rythme cardiaque
(rythme irrégulier) sont les formes d'arythmie.
L'arythmie s'accompagne parfois de palpitations. Les palpitations ne sont pas un
trouble du rythme cardiaque, mais tout simplement le fait de sentir les battements du
cœur. Cela se produit le plus souvent lorsque le pouls bat trop vite ou de façon
irrégulière. Par ailleurs, il peut y avoir une arythmie sans que le patient sent des
palpitations (on ne sait donc pas que le cœur bat de façon anormale). Il existe
différentes formes d'arythmie, dont voici les principales :
19
a. L'extrasystole :
L'extrasystole est un battement cardiaque prématuré ou un surplus qui est

ressenti comme un battement erratique ou manquant, comme si le cœur sautait un tour.
C'est l'arythmie la plus fréquente. Nombreuses sont les personnes qui ont des
extrasystoles et qu'elles ne perçoivent même pas. Si celles-ci ne s'accompagnent pas
d'autres symptômes, ce qui constitue la majorité des cas, cette anomalie est bénigne et
peut se produire dans un cœur sain. Il arrive parfois que l'extrasystole s'accompagne
d'un bref étourdissement, mais c'est sans gravité.
b. Le flutter atrial (auriculaire) :
Dans le flutter atrial, la dépolarisation anormale parcourt sans cesse un chemin

en boucle dans l’oreillette droite (remontant généralement le long du septum inter
auriculaire, descendant sur la paroi externe de l’oreillette droite, l’oreillette gauche
étant dépolarisée secondairement). La fréquence de rotation est de 300 bat/min. La
dépolarisation va donc se présenter à l’entrée du nœud auriculo-ventriculaire 300 fois
par minute et ne franchira la jonction vers les ventricules qu’une fois sur deux ou sur
trois, voire moins. La fréquence des ventricules sera de ce fait un sous-multiple de 300
bat/min. Cette activité continue des oreillettes s’inscrit sur l’ECG par des ondes
auriculaires très caractéristiques appelées ondes F : elles ont un aspect en dents de scie
en D2, D3 et aVF (figure 1.11)
Notons que, dans ce type de pathologie, il existe un risque majeur pour la santé
du patient, en raison de la possibilité de génération d’emboles, dus aux turbulences
dans le flux sanguin au niveau des oreillettes
20
Figure 1.11. Flutter auriculaire.

Les ondes P sont remplacées par une succession d’ondes appelées F qui ont
l’aspect de dents de scie
c. La fibrillation atriale (Fibrillation auriculaire) :
La fibrillation atriale est une arythmie supra ventriculaire sans aucune

organisation. La dépolarisation est fractionnée en une multitude de fronts de directions
et d’amplitudes différentes, réalisant une activité électrique au niveau des oreillettes
totalement désordonnée. Cette activité, le plus souvent soutenue, ne laisse au
myocarde auriculaire aucun « repos » électrique. Elle se traduit sur l’ECG par la
disparition des ondes auriculaires organisées au profit d’une activité continue
ressemblant à une sorte de sinusoïde irrégulière. La fréquence de dépolarisation est
variable d’un point à l’autre au sein des oreillettes, mais de toutes façons le plus
souvent très élevée. De multiples fronts de dépolarisation se présentent ainsi au niveau
du nœud auriculo ventriculaire qui remplit son rôle de « filtre » en ne laissant passer de
façon aléatoire que quelques fronts, la fréquence des ventricules devenant
complètement irrégulière, généralement entre 90 et 140/min en fonction de l’état de
perméabilité du nœud
L’absence des systoles auriculaires n’est pas grave en soi, mais elle est
cependant responsable d’une baisse significative de l’efficacité cardiaque à deux
niveaux : d’une part, parce que le cœur ne bénéficie pas de la systole auriculaire qui
assure une partie du remplissage sanguin des ventricules, et, d’autre part, parce que le
rythme moyen est généralement supérieur à 100 bat/min et peut atteindre 200 bat/min.
Le risque majeur lié à cette pathologie est celui du flutter, c’est-à-dire de l’envoi
21
possible, dans la circulation, d’emboles formés au niveau des oreillettes
(particulièrement préjudiciables s’il s’agit de l’oreillette gauche, puisque le ventricule
gauche envoie le sang dans la circulation générale, et en priorité vers le cœur et le
cerveau). Ce risque est relativement faible lorsqu’une FA est permanente, tandis qu’il
est augmenté lors d’épisodes de FA sur fond sinusal (FA paroxystique), surtout lors du
passage d’un rythme à l’autre.
Figure 1.12. Fibrillation auriculaire
d. La tachycardie supra-ventriculaire (auriculaire ou jonctionnelle) :
La tachycardie auriculaire peut avoir pour origine un foyer ectopique, une

boucle de stimulation (flutter) ou une voie qui court-circuite la voie AV, dite voie
accessoire, avec réentrée par le nœud AV
Dans le cas d’un foyer ectopique, il s’agit d’un groupe de cellules situées dans
les oreillettes, qui se dépolarisent spontanément et plus rapidement que le sinus,
prenant ainsi sa place. La dépolarisation des oreillettes n’étant pas d’origine sinusale,
la propagation de l’influx nerveux diffère de celle qui a pour origine le sinus, et l’on
observe une onde P de forme inhabituelle. La fréquence typique de décharge de ce
type de foyer est comprise entre 120 et 200, en absence de problèmes de conduction
AV, les ventricules sont entraînés au même rythme.
La décharge régulière d’un foyer ectopique localisé dans le nœud AV peut aussi
être la cause d’une tachycardie, appelée tachycardie jonctionnelle (nodale), dans ce
cas, la fréquence des battements peut atteindre 250 bat/min. Contrairement à la
tachycardie auriculaire, aucune onde P ne précède les complexes QRS, car il n’y a pas
d’activité auriculaire avant le battement (il peut y avoir une activité auriculaire
rétrograde dont la trace sur l’ECG est noyée dans le complexes QRS).
22
Le principal risque de ce type de pathologie est le manque d’efficacité des
ventricules qui, contraints de se contracter très fréquemment, n’ont pas le temps de se
remplir correctement de sang : l’alimentation du corps en oxygène peut en être altérée.
e. La fibrillation ventriculaire :
C’est l’équivalent physiologique de la fibrillation auriculaire, mais elle
correspond aux ventricules. Les ventricules se déchargent alors de manière totalement
désynchronisée, et il n’y a plus de systole cardiaque. L'ECG enregistre une activité
ventriculaire rapide irrégulière, anarchique, prenant un aspect oscillatoire (figure 1.13).
Une fibrillation ventriculaire constitue donc une arythmie particulièrement
grave, puisqu’elle est une menace de mort subite, en effet le cœur n’assure plus du tout
son travail de pompe, le sang ne circule plus, ce qui conduit à une asphyxie de tous les
tissus du corps, dont le myocarde lui-même. Sans une intervention (défibrillation)
immédiate, susceptible de re-synchroniser la dépolarisation des cellules du myocarde
et faire ainsi « repartir » le mouvement cardiaque, la mort s’ensuit. Les personnes qui
présentent de tels risques peuvent aujourd’hui bénéficier de l’implantation d’un
défibrillateur : placé au niveau du thorax, comme un pacemaker, il est muni d’une
sonde qui peut détecter l’anomalie rythmique et conduire l’appareil à délivrer une forte
décharge électrique.
Figure 1.13. Fibrillation ventriculaire
f. La tachycardie ventriculaire :
La tachycardie ventriculaire a pour origine un ou plusieurs foyer(s) ectopique(s)

ventriculaire(s) (qui se dépolarisent à tour de rôle). Les battements ont donc la forme
d’extrasystoles ventriculaires très rapprochées (Figure 1.14). Ce type de rythme est
dangereux à cause de sa possible évolution en fibrillation ventriculaire qui, elle,
23
conduit au décès du patient si elle n’est pas traitée à l’aide d’un défibrillateur dans les
quelques minutes qui suivent son apparition.
Figure 1.14. Tachycardie ventriculaire (TV)
1.10. Le neurone [2]:
Un neurone est un automate indépendant MISO (multi inputs, single output),

dont l’état de sortie, est une valeur scalaire Yk . En générale, on considère que chaque
neurone fournit une information additive aux unités de calcul (neurones) qui lui sont
connectés. La valeur nette ou règle de propagation de neurone k, Net k est simplement
(dans notre cas), la somme pondérée des sorties des différents neurones en amont avec
lesquels il est connecté, plus une valeur d’offset (biais interne). La figure 1.15 résume
la structure détaillée du neurone.
Figure 1.15. Neurone artificiel.
24
 x n : L’entrée n du kème neurone.
 w ik : Poids associé au ième entrée du neurone k.
 Net k = Σ w ik x i + w0 : règle de propagation ou valeur net.
 w0 : Valeur d’offset ou biais interne.
 F k : Fonction d’activation.
 Y k : Sortie du neurone k.
1.11. Conclusion :
Le cœur est l’élément central du système cardiovasculaire qui permet

l’alimentation en oxygène et en nutriments des organes. Il est principalement composé
de quatre cavités : deux oreillettes et deux ventricules. A chaque battement, leurs
contractions successives peuvent être suivies depuis l’extérieur du corps par des
électrodes, collées à la surface de la peau, qui mesurent l’activité électrique des fibres
musculaires cardiaques.
Les bases de l'activité électrique, allant de la genèse du potentiel d'action aux
caractéristiques de l'ECG, ont été abordées.
L’analyse de ces enregistrements permet, a elle seule, de diagnostiquer un grand
nombre de pathologies et de les localiser. En effet, chaque couple de cavités (les
oreillettes et les ventricules) possède sa propre signature électrique :
 Onde P : Systole auriculaire,
 Ondes Q, R et S : Systole ventriculaire,
 Onde T : Répolarisation ventriculaire.
On a également vu que ce diagnostic peut rencontrer des erreurs à cause des
bruits et artefacts qui viennent perturber l’enregistrement, et les différents types de
trouble du rythme cardiaque.
25
Chapitre 02 Détection du complexe QRS
2.1. Introduction :
Dans le signal ECG, le complexe QRS est la forme la plus distinguée (voir
figure 2.1). Et comme il désigne l’activité électrique du cœur au cours de la
contraction ventriculaire, son temps d’occurrence et sa morphologie sont la source
d’une importante information concernant l’état actuel du cœur. Une fois les instants
d’occurrences des complexes QRS sont identifiés, la fréquence cardiaque peut-être
calculée, différents segments et intervalles peuvent être mesurés.
Figure 2.1. Signal d’un battement cardiaque.
Dans ce chapitre, nous allons décrire et étudier un ensemble d’algorithmes de

détection des complexes QRS. Leurs performances seront évaluées.
2.2. Performance d’un détecteur de complexe QRS:
Afin d’évaluer les performances d’une méthode de détection des complexes

QRS, on définit les paramètres suivants :
a. Les vrais positifs (TP):
La valeur vraie positive ou True positive (TP), indique que l’algorithme détecte
les vraies positions des complexes QRS.
26
b. Les faux positifs (FP):
La valeur fausse positive ou false Positive(FP), indique que l’algorithme donne

des fausses positions des complexes QRS.
c. Les faux négatifs (FN):
La valeur fausse négative ou false Négative (FN), indique que l’algorithme ne

détecte pas les positions des complexes QRS.
A partir de ces définitions, on peut définir la sensibilité (𝑆𝑒 ) et la spécificité (𝑆𝑝 )
par les relations suivantes :
𝑇𝑃
𝑆𝑒 = − = 2.1
𝑇𝑃+ 𝑇𝑃+
𝑃 𝑇𝑃
𝑆𝑝 = − = 2.2
𝑇𝑃+ 𝑃 𝑇𝑃+ 𝑃
2.3. Différents Algorithmes de détection du QRS:
L’évolution spectaculaire des outils informatiques de capacité de traitement très

puissants pendant les trois décades précédentes, a permis le développement et la
conception d’une variété de détecteurs automatiques du complexe QRS de nature soft,
remplaçant ainsi au fur et à mesure les détecteurs hard existant à l’époque. Ces
détecteurs ont une performance très élevée et peuvent détecter presque à 100% les
complexes QRS présents dans le signal originaire (L’ECG 12-dérivation de Holter),
malgré la contamination des bruits tel que la contraction musculaire EMG (fréquence
25-100Hz), les artefacts, 50 Hz du secteur, ondes P et T, bruits respiratoire,…, etc.
Il existe plusieurs approches et techniques pour la conception du software de la
détection automatique du complexe QRS qui, en générale, comportent deux (02)
étapes essentielles :
 1ère étape : Prétraitement du signal ECG, dans laquelle le signal subit du filtrage
linéaire ou non linéaire permettant de réduire le bruit et d’éliminer certaines
composantes fréquentielles non nécessaires dans la procédure de détection du
QRS.
27
 2ème étape : Pendant cette étape autres opérations seront effectuées sur le signal
issu de la première étape, tel que la valeur absolue, puissance,…, etc. qui
aident à là détection des pics considérés comme des candidats QRS.
L’opération de la détection proprement dite est assurée selon une règle de
décision bien appropriée, avec laquelle on juge un candidat pour QRS ou non.
Le schéma en bloque (figure 2.2) résume la structure adopter généralement dans
les détecteurs du complexe QRS.
Prétraitement Détection des pics

ECG
Filtrage Et
Linéaire et non linéaire Règle de décision
Figure 2.2. Structure commun des détecteurs QRS.
Nous somme intéressé par la deuxième étape, car cette étape est basée souvent
sur des approches heuristiques et dépendent sur l’étape du prétraitement [2].
a. Approches dérivatives et filtres numériques:
Ces méthodes exploitent les composants fréquentiels du complexe QRS qui

s’étalent entre 10 et 25 Hz. Donc un filtrage passe bande est nécessaire en vue
d’éliminer les fréquences indésirables associées aux bruits tels que les artefacts, les
ondes P, ondes T de grande amplitude et autres composants aux hautes fréquences.
b. Dérivation entière :
Dans beaucoup d’algorithmes, le filtre passe haut est utilisé seul. Il est réalisé
par la première dérivation du signal ECG, exploitant ainsi la pente du complexe QRS
pour son repérage. Dans ces algorithmes parmi les équations utilisées comme
dérivateur on trouve:
𝑛 = 𝑛+ − 𝑛− 2.3
Et
𝑛 = 𝑛+ + 𝑛+ − 𝑛− − 𝑛− 2.4
28
c. Dérivation non entière :
Basée sur des filtres passe bande de type RIF (Réponse Impulsionnelle Finie) à
phase linéaire, constitués par deux filtres dérivateurs fractionnaires tronqués. Un
modèle fractal de la densité spectrale de puissance du complexe QRS est utilisé pour
déterminer l’ordre non entier négatif du premier filtre qui maximise le rapport signal
sur bruit.
Le bruit résiduel de basse fréquence est réduit par un filtre avec un ordre non
entier positif.
Les deux filtres, dont les coefficients, ne dépendent que des ordres non entiers,
sont mis en cascade pour former le filtre passe bande.
d. Filtres numériques :
En général, ces algorithmes utilisent des filtres passe bande qui sont réalisés par
différente méthodes. Dans le signal ECG est filtré par deux filtres passe bas en
parallèle, avec des fréquences de coupure différentes, la différence entre ses sorties
constitue le filtre passe bande proprement dit.
En comparant la sortie de ces filtres avec un seuil approprié, un QRS est détecté
ou non suivant le résultat de cette comparaison.
Malgré la variation des composants fréquentiels du complexe QRS d’un patient
à l’autre, et même dans un seul patient et le chevauchement avec les composants
fréquentiels des bruits, le taux de détection de ces algorithmes a dépassé la limite de
90%.
e. Détection basée sur la transformée en ondelettes:
La transformée en ondelette (WT : Wavelet Transform) d’une fonction f (t) est

une intégrale définie par :
+∞ ∗
𝒲ℱ a, 𝑏 = ∫−∞ 𝑓 Ψa,𝑏 dt 2.5
Où Ψ* (t) désigne le conjugué complexe de la fonction ondelette Ψ(t). Plusieurs

algorithmes utilisent cette transformation avec différentes techniques. La plupart des
29
règles de détection basées sur la transformée en ondelette utilisent la méthode de
Mallat et Hwang. Dans leurs travaux, Li et al annoncent le taux de détection de
99.8%. Ce qui montre la performance de cette méthode.
f. Approches basées sur les réseaux de neurones:
Les réseaux de neurones (ANN : Artificial Neural Network) ont été largement
appliqué dans le traitement non linéaire des signaux, classification et dans
l’optimisation. Les approches, non linéaires ont montrés leur supériorité face aux
approches linéaires.
Les réseaux de neurones multicouches, les réseaux RBF (Radial Basis
Function) et les réseaux LVQ (Learning Vector Quantization) sont souvent utilisés
pour le traitement automatique du signal ECG.
g. Seuillage adaptatif [1] :
Le signal disponible possède un maximum absolu pour chaque complexe QRS ;

il possède en outre d’autres maxima locaux, de plus faible amplitude en général, qui
correspondent soit, à des bruits, soit aux ondes T. Cette étape consiste donc en une
recherche de maxima capable de ne pas prendre en considération les maxima trop
faibles qui peuvent correspondre au bruit en effectuant un seuillage , en amplitude et
ceux trop proches qui risquent d’être introduits par les ondes T, en effectuant un
seuillage temporel ; En outre, l’amplitude des battements pouvant varier fortement au
cours d’un même enregistrement et d’un enregistrement à l’autre, les seuils utilisés ne
peuvent pas être fixés a priori : ils sont donc calculés tout au long de l’analyse.
 Seuil adaptatif en amplitude:
Le seuillage en amplitude permet de distinguer les maxima correspondant aux

ondes R de ceux correspondant aux ondes T qui sont en général beaucoup plus faibles.
L’algorithme calcule un seuil qui vaut 30 % de l’amplitude moyenne des cinq
dernières ondes R détectées, et recherche le prochain maximum. Si ce dernier a une
amplitude supérieure au seuil, il est considéré comme correspondant à un complexe
QRS et, est ainsi validé ; sinon, l’algorithme continue jusqu’au maximum suivant
(Figure 2-3).
30
Figure 2.3. Seuil adaptatif en amplitude
A partir des cinq QRS précédents, l’algorithme calcule un seuil. Un maximum

est validé comme complexe QRS s’il est supérieur au seuil.
Autrement dit, on recherche ici les maxima du signal qui sont supérieurs à un
seuil ajusté tout au long de l’algorithme. Mais cette simple adaptation du seuil en
amplitude ne suffit pas : dans plusieurs cas (changement de position, extrasystole
ventriculaire, …) on peut observer soudainement une baisse d’amplitude et des ondes
R; dans ce cas, l’algorithme est mis en défaut car les maxima sont tous en dessous du
seuil.
 Seuil adaptatif en temps:
Pour surmonter cette difficulté, on tient compte de la forte probabilité

d’observer un QRS dans un certain intervalle de temps : si aucun nouveau complexe
n’est détecté dans un intervalle de 166% de la moyenne des sept derniers intervalles
RR validés, l’algorithme recommence la recherche de maximum avec un seuil abaissé
à 10% de la moyenne des cinq derniers maxima, au lieu des 30% précédents (Figure
2.4).
31
La technique de détection basée sur le seuillage adaptatif est utilisée dans notre
travail, le détaille de cette dernière et représenté dans les sections suivantes.
Figure 2.4. Seuil adaptatif en temps.
Si aucun QRS n’est détecté avant un certain temps - 166% de l’intervalle RR

moyen des cinq derniers complexes validés, l’algorithme recommence la recherche de
maximum avec un seuil abaissé à 10% de la moyenne des amplitudes des 5 derniers
maxima validés.
Ce système permet dès lors la détection de petits complexes parmi d’autres de
grande amplitude, tout en ne détectant pas les petites ondes trop proches de celles déjà
validées.
h. Autre approches:
On trouve dans la littérature d’autre approches et techniques utilisées pour le

prétraitement du signal ECG parmi les quelles on cite les algorithmes basés sur : le
model caché de Markov, la transformation de Hilbert, les algorithmes génétiques,…
etc.
32
2.4. Théorie:
Le problème dans le domaine de la détection des signaux est d’extraire à partir

d’un signal reçu x(t) le signal informationnel s(t), contaminé par des bruits additives
n(t).
x(t) = s(t) + n(t) (2.6)
Pour nous, le signal informationnel s(t) est le complexe QRS, les autres
composantes du signal ECG (x(t)) tel que l’onde P et T, les artefacts et 50Hz du
secteur, représentent le bruit additif n(t).
2.5. Filtre adapté et filtre blanchissant [2]:
Comme beaucoup des signaux physiques rencontrés dans la pratique, le signal

ECG présente deux propriétés spécifiques distinctes : la non linéarité, et la non
stationnarité.
L’approche la plus usuelle pour manipuler la non stationnarité est l’utilisation
des filtres adaptatifs, pour traiter le caractère non linéaire du signal, on utilise des
techniques non linéaires.
Vu leurs non linéarités intégrées et bien distribués dans leurs architectures et
leurs capacités de s’adapter à l’environnement, les réseaux de neurones sont très
convenables pour le traitement des signaux tel que le signal ECG.
Dans le contexte de la détection du complexe QRS, les réseaux
neuromimétiques ont été largement utilisés comme prédicateurs adaptatifs non
linéaires. Le but est de prédire la valeur courante x(n) du signal à partir de ses valeurs
précédentes x (n − i), i > 0.
Le complexe QRS ne constitue qu’une partie simple de la totalité du signal
ECG, et il présente les hautes fréquences de ce signal. Le réseau neuromimétique
converge vers les points des segments dominants autres que le complexe QRS, qui
présentent, dans la plupart des cas, les basses fréquences du signal ECG, et ainsi ils
seront bien prédits. Le complexe QRS, vu son changement rapide, ne peut être prédit
facilement, ce qui engendre une élévation brusque du signal erreur ce qui a permis
d’utiliser le signal erreur pour le repérage du complexe QRS.
33
Ils consistent des deux réseaux :
1- PMC (Perceptrone Multi-Couches).
2- PRNN (Pipelined Recurrent Neural Network).
Quant au réseau PRNN, il est utilisé avec un filtre TDL (Tapped Delay Line)
qui, ensemble réalisent la fonction de prédiction adaptative non linéaire.
Le signal erreur du filtre blanchissant est ensuite passé à travers un filtre adapté
en vue d’améliore le rapport signal sur bruit.
2.5.1. Le filtre blanchissant neuromimétique:
L’idée est de réaliser un filtre adaptatif blanchissant possédant un module ou

bloc qui permet une manipulation adéquate du non linéarités inhérente dans le signal
ECG. Cette approche est réalisée premièrement avec les réseaux PMC, puis avec sur
les réseaux PRNN combiné avec un filtre TDL.
2.5.1.1. Filtre blanchissant adaptatif non linéaire à base d’un PMC:
Les réseaux neuromimétiques statiques multicouche PMC comme décrit

précédemment, peuvent approximer n’importe quelle fonction dans la nature étant
donné qu’ils soient bien configurés. Donc une structure adéquate de ce réseau est
nécessaire pour une performance maximale en tant qu’un prédicteur.
a. Choix de la longueur de la couche cachée:
Le nombre d’unités dans la couche cachée désigne la capacité du réseau de

réaliser une projection non linéaire entre le signal d’entrée et le signal de sortie. Un
petit nombre d’unités cachées ne permet pas la modélisation et la détermination du non
linéarité du bruit. Par contre, beaucoup d’unités mènent à une surdétermination du
modèle, d’où une mauvaise prédiction du bruit.
La couche de la sortie comporte une seule unité (figure 2.5). Dans notre
algorithme, on a pris pour la couche d’entrée 10 unités, 4 unités pour la couche cachée
et une seule unité pour la couche de sortie.
34
Figure 2.5. Filtre blanchissant à base d’un PMC.
La fonction d’activation utilisée dans les neurones de la couche cachée est la

fonction sigmoïde. La fonction d’activation de l’unité de la sortie est une fonction
linéaire de la somme des sorties des neurones de la couche cachée.
L’apprentissage de ce réseau s’effectuera en ligne, ce qui permet au réseau de
bien s’adapter au changement statistique du signal et de son non linéarité.
L’algorithme de la rétro-propagation de l’erreur sera notre outil d’apprentissage.
b. Utilisation du Pas d’apprentissage variable:
Pour les filtres adaptatifs le pas d’apprentissage est nécessaire pour une
adaptation rapide.
Dans la plupart des applications basées sur les réseaux de neurones, un pas fixe
est adopté pour l’actualisation des poids, Dans ce cas une préparation et
conditionnement des donnée est nécessaire auparavant pour assure un fonctionnement
raisonnable du réseau.
35
Le filtrage en temps real nécessite un pas d’apprentissage variable en vue
d’améliorer les performances du filtre. On va utilise un pas d’apprentissage variable
que ce sont pour la couche cachée ou pour la couche de sortie.
c. Le pas d’apprentissage pour la couche de sortie:
L’analyse des caractéristiques de convergence de la couche de sortie, a donné

la relation pour μ définie par :
𝛵. 𝛼+
𝜇 𝑛 =∑ (2.7)
= ℎ
Où T est une valeur positive comprise entre 0.1 - 0.5. Et ∑ = ℎ est la puissance du
signal de la couche cachée.
d. Le pas d’apprentissage pour la couche cachée:
De la même manière que dans le cas précédente, le pas d’apprentissage variable

est donné par la relation :
𝛵. 𝛼+
𝜇ℎ 𝑛 = (2.8)
𝜎 .𝛫 𝑙 ∑ =− 𝑛−
Où σj est le poids de la couche supérieure connectée à la ième couche cachée.

-𝛫 𝑙 représente la tangente de la fonction sigmoïde.
- ∑ =− 𝑛− L’énergie du signal d’entrée.
2.5.2. Filtre adapté:
En général, nous avons certaines connaissances a priori sur le signal à détecter

s(t), tel que la forme du complexe QRS, malgré qu’elle change d’un patient à un autre
et elle change avec le temps même dans le signal d’un seul patient. La connaissance de
la forme du complexe QRS permet sa détection dans le signal ECG courant en utilisant
un filtre adapté.
36
Le filtre adapté peut être réalisé à l’aide d’un filtre numérique de type RIF
caractérisé par la réponse impulsionnelle h = − en vue de maximiser le
rapport signal sur bruit.
| 𝑠 |
= (2.9)
√ { 𝑛}
-𝑣 = ∗ℎ est le résultat de la convolution entre le signal et la réponse

impulsionnelle du filtre.
- 𝑛 =𝑛 ∗ℎ est la sortie de l’excitation du filtre adapté par le bruit.
Le filtre adapté est un détecteur optimal si le bruit n(t) est un processus aléatoire
blanc. Malheureusement, ce n’est pas le cas, du fait que n(t) comprend des parties du
signal ECG comme l’onde P et T, bruit de fond et bruit de l’électromyographie. Ces
composants de bruit sont, en générale, corrélés et varient avec le temps. Ce qui
implique le passage sur une étape de filtrage de blanchissement du signal pour
supprimer ces composants de bruit corrélés. Parmi plusieurs alternatives et techniques
de filtrage blanchissant.
 Sélection du modèle type du complexe QRS:
Un modèle type du complexe QRS est nécessaire pour la réalisation du filtrage

adapté. La première étape est de choisir ce modèle type qui, par la suite, sera filtrée de
la même manière que le signal ECG a été filtré.
37
2.6. Conclusion :
Dans ce chapitre, nous avons présentés les différents algorithmes de détection

du complexe QRS basés sur le seuillage adaptatif, les ondelettes, les filtres adaptés
d’amplitude et le temps. Dans le prochain chapitre, une simulation avec Matlab sera
effectue pour la détection du complexe QRS basée sur le seuillage adaptatif
d’amplitude ainsi que les résultats seront présentés et discutés.
38
Chapitre 03 : Simulation Et Interprétation des Résultats
3.1. Introduction:
La détection des ondes T et des complexes QRS constitue le préalable dans

l’analyse du signal ECG. Lorsqu’on identifie et on repère les positions de ces pics, il
devient très facile d’extraire d’autres paramètres importants du signal tels que la
fréquence cardiaque, la durée des intervalles, la durée du segment ST,…etc [5]. La
morphologie de ces ondes n’est pas stable, elle peut varier d’un sujet à un autre, et
même chez le même individu, elle peut varier d’un cycle à un autre ; ceci rend la phase
de détection automatique des pics très difficile, ainsi que le premier objectif d’un
médecin c’est de déterminer le rythme cardiaque, la reconnaissance des ondes Q, R, S
et T, voire leurs formes et leurs amplitudes, ainsi que la mesure des intervalles
séparant les différentes ondes. L’objectif principal de ce travail est d’appliqué un
Algorithme de détection du QRS basé sur la méthode de seuillage adaptatif.
Notre objectif est de calculer les intervalles QQ, RR, SS, TT a fin de détecter
les pics QRS, T.
3.2. Appareils d’enregistrement [6] :
a. Techniques d’enregistrement:
 Ajuster la ligne de base afin d’assurer un enregistrement centré sur le papier.

 Contrôler la calibration de l'ECG: Activité électrique détectée par appareil ECG
mesurée en mVolt. Hauteur de la déflexion de calibration est de 10 mm (= 1
mVolt).
 Enregistrer le déroulement du papier à la vitesse standard de 25 mm/sec.
 Distance entre deux lignes épaisses verticales est de 5 mm et entre deux lignes
fines de 1 mm, équivalent à 0.20 sec et 0.04 sec, respectivement.
b. Hauteur de la déflexion de calibration:
Figure 3.1. Hauteur de la déflexion de calibration

39
c. Distance entre les lignes:
Figure 3.2. Distance entre les lignes
3.3. Organigramme de programme:
3.3.1. Algorithme de détection des pics d’un signal ECG :
Notre algorithme de détection, commence par une localisation des pics R. La

détection des maximums est réalisée par seuillage absolu sur le signal ECG [5]. La
réalisation est faite à l’aide d’un script MATLAB max qui cherche le maximum du
signal ECG, puis on prend le seuil de détection 50% de la valeur maximal détectée. En
suite chaque point du signal est teste, si ce point est au dessus du seuil ou non. Tous les
points suivants également supérieurs au seuil, sont stockés. Ainsi, le programme a
stocké tous les points du pic R situé au dessus du seuil. Les instants d’apparition des
pics correspondent à l’indice des positions des maximums dans le vecteur du signal
ECG.
Après la détection des pics R, on élimine les pics R du signal ECG. On applique
à nouveau la commande ‘max’ de Matlab et on calcule le seuil de détection de T, 50%
de la valeur maximal détectée, ainsi on détermine les amplitudes et l’instants
d’apparition des ondes T situé au dessus du seuil.
Pour détecter les pics S, on applique la commande ‘min’ de Matlab pour
calculer le seuil de détection des pics S, ainsi on détermine l’amplitude et l’instant
d’apparition de l’onde S.
Après l’élimination des pics S du signal ECG, on applique la commande ‘max’
de Matlab, ainsi on détermine l’amplitude et l’instant d’apparition de l’onde T.
40
3.3.2. Résultat:
Le signal ECG utilisée dans cette étape de simulation est donné sur la figure 3.3
(voir l’Annexe B):
ECG
350
300
250
200
150
Amplitude (mv)
V
100
50
-50
-100
0 1 2 3 4 5 6 7 8
Time(sec)
Figure 3.3.Signal ECG original
a. La détection de l’onde R :
200
150
100
Amplitude (mv) 50
-50
-100
0 1 2 3 4 5 6 7 8
Figure 3.4. Détection de l’onde R
L’onde maximale du signal ECG égale à 185.172 mm, donc le seuil de

détection des pics R égal à :
41
= 𝑎 × . = . × . = . 𝑚𝑚 .
Pour l’onde R: c’est l’amplitude détecté en (mm) en transforme en (cm) par
exemple :
= . 𝑚𝑚 → 𝑐 = . 𝑐𝑚 .
Donc : l’amplitude de R1 (mv) c’est : 15.93×0.1=1.5 mv
Les pics R détectés sont illustrés dans le Tableau suivant :
Amplitude des pics Temps de détection des pics

(s)
Différence
Différence de
R(cm) R(mv) d’amplitude entre les R
temps entre les pics
pics (mv)
Pic 1 15.93028 1.593028 / 0.108 /
Pic 2 17.69853 1.769853 0.176 0.968 0.86
Pic 3 16.8 1.68 -0.086 1.848 0.88
Pic 4 16.84467 1.684467 0.004 2.7 0.852
Pic 5 17.44 1.744 0.06 3.52 0.82
Pic 6 17.54145 1.754145 0.01 4.356 0.836
Pic 7 17.22722 1.722722 -0.032 5.272 0.916
Pic 8 16.86701 1.686701 -0.036 6.148 0.876
Pic 9 17.65126 1.765126 0.079 6.996 0.848
Pic 10 18.5172 1.85172 0.086 7.872 0.876
Tableau 3.1 : Résultats de détection pour le pic R.
Onde R :- Normal
-Positive
-Régulier
-Uniforme
Intervalles R-R: Normal (régulier, nombre de battement compris entre 60 et 100)
− = . 𝑠
− = . 𝑠
42
− = . 𝑠
− = . 𝑠
− = . 𝑠
− = . 𝑠 .
− = . 𝑠
− = . 𝑠
− = . 𝑠
. + . + . + . + . + . + . + . + . ⁄
=
= . 𝑠
Nombre de battement /minute = 60/0.8626= 69.5571 battement /minute.
b. La détection de l’onde T :
Signal ECG Pics T T adaptive threshold
detection de l'onde T
150
100
Amplitude (mv)
V
50
-50
1 2 3 4 5 6 7 8
Time(sec)
Figure 3.5. Détection de l’onde T
Après l’élimination de tous les pics R, l’onde maximale du signal ECG égale à
81.42 mm (voir Tab.3.2), donc le seuil de détection des pics T égal à :
43
= 𝑎 × . = . × . = . 𝑚𝑚 .
Les pics T détectés sont illustrés dans le Tableau suivant :
(s)
Différence de
Différence d’amplitude
T(cm) T(mv) T(s) temps entre les
entre les pics
pics
Pic 1 6.435 0.6435 / 0.348 /
Pic 2 7.9385 0.79385 0.15 1.212 0.864
Pic 3 7.37165 0.737165 -0.056 2.092 0.88
Pic 4 7.50172 0.750172 0.013 2.936 0.844
Pic 5 7.29893 0.729893 -0.021 3.756 0.82
Pic 6 8.14209 0.814209 0.085 4.588 0.832
Pic 7 7.35917 0.735917 -0.079 5.516 0.928
Pic 8 7.67923 0.767923 0.032 6.384 0.868
Pic 9 7.18339 0.718339 -0.049 7.232 0.848
Pic 10 1.0894 0.10894 -0.3093 8 0.768
Tableau 3.2 : Résultats de détection pour le pic T.
Onde T : Normal
Amplitude normale (> à 0.2mV) et régulier.
c. La détection des ondes S et Q :
Signal ECG Pics S S adaptive threshold
detection de l'onde S
150
100
Amplitude (mv)
V
50
-50
1 2 3 4 5 6 7 8
Time(sec)
Figure 3.6. Détection de l’onde S
44
L’onde minimale du signal ECG égale à -67.55 mm (voir Tab.3.3), donc le seuil
de détection des pics S égal à :
= 𝑖 × . =− . × . =− . 𝑐𝑚 .
Après l’élimination de tous les pics S, l’onde minimale du signal ECG égale à
− . mm (voir Tab.3.3), donc le seuil de détection des pics Q égal à :
= 𝑖 × . =− . × . =− . 𝑚𝑚 .
Les pics S et Q détectés sont illustrés dans les Tableaux suivants

respectivement:
Onde S :
(s)
Différence de
S(cm) S(mv) S(s) temps entre les
entre les pics
pics
Pic 1 -6.7555 -0.67555 / 0.164 /
Pic 2 -5.4109 -0.54109 0.134 1.028 0.864
Pic 3 -5.71538 -0.571538 -0.03 1.904 0.876
Pic 4 -5.15058 -0.515058 0.056 2.756 0.852
Pic 5 -5.07304 -0.507304 0.008 3.58 0.824
Pic 6 -5.66 -0.566 -0.059 4.416 0.836
Pic 7 -5.08 -0.508 0.058 5.328 0.912
Pic 8 -5.26372 -0.526372 -0.018 6.204 0.876
Pic 9 -5.00807 -0.500807 0.026 7.06 0.856
Pic 10 -5.71089 -0.571089 -0.071 7.928 0.868
Tableau 3.3 : Résultats de détection pour le pic S.
45
Onde Q :
(s)
Différence de
Q(cm) Q(mv) Q(s) temps entre les
entre les pics
pics
Pic 1 -3.58171 -0.358 / 0.068 /
Pic 2 -1.354 -0.135 0.223 0.928 0.86
Pic 3 -2.668 -0.266 -0.131 1.808 0.88
Pic 4 -1.63142 -0.163 0.103 2.66 0.852
Pic 5 -1.1114 -0.111 0.052 3.48 0.82
Pic 6 -2.2 -0.22 -0.109 4.316 0.836
Pic 7 -1.53468 -0.153 0.067 5.232 0.916
Pic 8 -1.003 -0.1003 0.0527 6.108 0.876
Pic 9 -2.11101 -0.211 -0.1107 6.956 0.848
Pic 10 -1.18091 -0.118 0.093 7.832 0.876
Tableau 3.4 : Résultats de détection pour le pic Q.
Signal ECG Pics Q Q adaptive threshold
Filtered, smoothed and processed signal
150
100
Amplitude (mv)
V
50
-50
1 2 3 4 5 6 7 8
Time(sec)
Figure 3.7. Détection de l’onde Q
46
d. Complexe QRS: Normal (n’est pas compris entre 0.06 et 0.12)
= . 𝑠
= . 𝑠,
= . 𝑠
= . 𝑠
= . 𝑠 .
= . 𝑠
= . 𝑠
= . 𝑠
= . 𝑠
= . 𝑠
Temps de détection des pics (s)
P Q R S T
Pic 1 0.02 0.068 0.108 0.164 0.348
Pic 2 0.86 0.928 0.968 1.028 1.212
Pic 3 1.75 1.808 1.848 1.904 2.092
Pic 4 2.58 2.66 2.7 2.756 2.936
Pic 5 3.39 3.48 3.52 3.58 3.756
Pic 6 4.24 4.316 4.356 4.416 4.588
Pic 7 5.16 5.232 5.272 5.328 5.516
Pic 8 6.04 6.108 6.148 6.204 6.384
Pic 9 6.87 6.956 6.996 7.06 7.232
Pic 10 7.75 7.832 7.872 7.928 8
Tableau 3.5.Résultats de temps détection pour l’ECG.
e. Intervalles Q-T: étroite (n’est pas compris entre 0.3 et 0.38s)
− = . 𝑠
− = . 𝑠
− = . 𝑠
− = . 𝑠
− = . 𝑠 .
47
− = . 𝑠
− = . 𝑠
− = . 𝑠
− = . 𝑠
− = . 𝑠
Pour compléter ce travail, une deuxième partie de simulation à l’aide du logiciel
Matlab, un réseau Neurone à été simulé on considérant trois signaux ECG d’entrées
(sont données dans l’Annexe A) et une sortie.
Figure 3.8. Réseau Neurone simulé
Les trois signaux ECG d’entrée sont illustrés dan la figure suivante :
ECG 1
200
-200
0 50 100 150 200 250 300 350 400 450 500
ECG 2
500
-500
0 50 100 150 200 250 300 350 400
ECG 3
500
-500
0 50 100 150 200 250 300 350 400 450 500
Figure 3.9. Les trois signaux ECG d’entrée

48
Le programme Matlab se compose de quatre parties qui sont :
 Créer une matrice d'entrée + une matrice cible dans workspace sur Matlab.
 Le développement d'un réseau de remise en forme avec 10 neurones dans le
réseau de feedfwd de couche cachée par la commande du Matlab "trainlm".
net=fitnet(10,'trainlm');
Le nom du réseau est "net"
 Diviser les données en trois types, Training - Validation- Testing, avec les
pourcentages suivants :
% Setup Division of Data for Training, Validation, Testing

net.divideParam.trainRatio = 70/100;
net.divideParam.valRatio = 15/100;
net.divideParam.testRatio = 15/100;
 Tester réseau «net» et stocker les paramètres de formation en "pr" :
% Train the Network

[net,pr] = train(net,Input',Target');
L'algorithme développé est très lent dans l'apprentissage que dans l'exécution
des tests. Cette performance est due principalement à l’application des réseaux de
neurones et le fait qu'on fasse appel à une quantité d'information minimale.
49
Figure 3.10. Le réseau Neurones
3.3.3. Résultats de simulation d’un réseau Neurone :
Dans l'apprentissage automatique, l'étude et la construction d'algorithmes

capables d'apprendre et de faire des prédictions sur les données, est une tâche courante.
Ces algorithmes fonctionnent on faisant des prédictions ou des décisions basées
sur des données, on construisant un modèle mathématique à partir des données
d'entrée.
50
Les données utilisées pour construire le modèle final proviennent généralement
de plusieurs jeux de données. En particulier, trois ensembles de données sont
couramment utilisés à différentes étapes de la création du modèle.
Le modèle est initialement adapté à un ensemble de données d'apprentissage,

[5] qui est un ensemble d'exemples utilisés pour ajuster les paramètres (par exemple,
les poids des connexions entre les neurones dans les réseaux neuronaux artificiels) du
modèle [7]. Le modèle (par exemple un réseau neuronal) est entraîné sur l'ensemble de
données d'apprentissage on utilisant une méthode d'apprentissage supervisé (par
exemple, descente on gradient ou descente on gradient stochastique). En pratique,
l'ensemble de données d'apprentissage consiste souvent des paires d'un vecteur d'entrée
et du vecteur de réponse correspondant ou scalaire, qui est communément désigné
comme la cible. Le modèle actuel est exécuté avec l'ensemble de données
d'apprentissage et produit un résultat, qui est ensuite comparé à la cible, pour chaque
vecteur d'entrée de l'ensemble de données d'apprentissage. Sur la base du résultat de la
comparaison et de l'algorithme d'apprentissage spécifique utilisé, les paramètres du
modèle sont ajustés. L'ajustement du modèle peut inclure à la fois la sélection de
variables et l'estimation de paramètres.
Successivement, le modèle ajusté est utilisé pour prédire les réponses pour les
observations dans un deuxième ensemble de données appelé l'ensemble de données de
validation. L'ensemble de données de validation fournit une évaluation impartiale de
l'ajustement d'un modèle sur l'ensemble de données d'apprentissage tout on ajustant les
hyper paramètres du modèle [5] (par exemple le nombre d'unités cachées dans un
réseau de neurones). Les jeux de données de validation peuvent être utilisés pour la
régularisation par arrêt anticipé: arrêtez la formation lorsque l'erreur sur l'ensemble de
données de validation augmente, car cela est un signe de sur ajustement de l'ensemble
de données d'apprentissage. Cette procédure simple est compliquée en pratique par le
fait que l'erreur de l'ensemble de données de validation peut fluctuer pendant
l'entraînement, produisant plusieurs minima locaux. Cette complication a conduit à la
création de nombreuses règles ad-hoc pour décider quand le sur-enchement a vraiment
commencé.
51
Enfin, l'ensemble de données de test est un ensemble de données utilisé pour
fournir une évaluation impartiale de l'ajustement d'un modèle final sur l'ensemble de
données d'apprentissage.
Best Validation Performance is 0.57633 at epoch 14

1
10
Train
Validation
Test
Best
Mean Squared Error (mse)
0
10
-1
10
0 2 4 6 8 10 12 14 16 18 20
20 Epochs
Figure 3.11. Les meilleures performances
La figure illustre que les meilleures performances des données de validations et

de teste sont au point 0.57633 à la 14 Itération.
52
3.4. Conclusion :
Arrivés au terme de ce dernier chapitre de ce mémoire, nous avons pu étudier et

simulé un algorithme de détection de l’onde QRS T dans un ECG. La méthode de ces
derniers basés sur le seuillage d’amplitude et leurs applications sur les neurones avec
trois entrées, une sortie et dix couches cachés.
Les résultats des simulations sont présentés, les ondes QRS et T sont détectées
dans la première partie et le réseau Neurone à été testé avec les trois entrées ECG
53
Conclusion Générale
CONCLUSION GÉNÉRALE
Dans notre travail mené tout au long de ce mémoire, nous avons abordé le
problème d’analyse et de modélisation non linéaire du signal électrocardiogramme.
Le premier chapitre de ce mémoire a été dédié complètement à l’introduction et
l’étude de l’élément principal du système cardiovasculaire et au principe de
l’électrocardiogramme et les différents modes de son enregistrement.
Dans le deuxième chapitre nous avons traité les techniques de détection des
ondes QRS et T qui seront notre partenaire primordial pour le traitement du signal
ECG. Parmi ces techniques de détection la technique basée sur le seuillage
d’amplitude qui sera l’objet de notre travail. Les réseaux de neurones appliqués sur le
signal ECG seront aussi présentés et fait une partie de notre étude.
La détection du complexe QRS constitue l’élément clé de l’analyse du signal
ECG. Une fois détecté, beaucoup d’informations qui seront utilisées pour des fins
diagnostiques, peuvent être décelées et différents traitements supplémentaires peuvent
être appliqués.
Nous avons devisé le troisième chapitre en deux parties la première est
consacrée pour présenter l’algorithme de détection des ondes QRS et T ces détecteurs
sont, en général, basés sur le seuillage d’amplitude et la deuxième partie présente une
simulation des réseaux de neurones appliqué sur le signal ECG avec trois entrées, une
sortie et dix couches cachés.
Les résultats des deux simulations sont présentés, les ondes QRS et T sont
détectées dans la première partie et le réseau Neurone à été testé avec les trois entrées
ECG.
54
Annexe A
Les trois signaux ECG utilisés dans l’entrée du réseau Neurones :

ECG1=[6.02122437542219;14.3724893107843;12.0127511887645;13.4608864832750;-
9.85196093686287;15.4957116973480;7.77120328909194;2.07923164513696;14.8598
337486982;-13.3818980447017;7.03559164192752;-10.1581534322669;
8.49722182615364;-8.77042801727309;-14.6386651939345;18.7918298233116;-
16.6928287783486;-6.65676690114617;-8.86663947215523;4.11633802986706;-
26.9546924852474;4.32020382930180;-10.7219805565342;-
7.29663920554345;3.04086775339944;-13.5539420904460;51.8389750821535;
49.5198355249027;80.4424085863692;139.906812402243;91.5913937155353;138.171
090687244;54.4912815969446;69.1361631003258;43.2765331404868;13.53522512819
68;1.91840909711326;10.8678318944206;-11.6330000826458;-4.20042639787960;-
27.5000871195175;-2.58197380855996;-30.1956167749339;-22.0045173755622;-
22.6773546807807;-14.5934291611578;-19.0054720121418;-22.9323520063960;-
19.2796386315940;-17.2677077271714;-33.1377637994146;-0.231346259317188;-
19.9435507587321;-26.6438527676600;-7.02340505941675;-15.7949203950609;-
17.5274875225173;-11.0675157234740;4.56697628740572;-16.3291550276384;-
9.34576671470209;0.142245885060058;-0.949520145482360;-12.0499053084044;
10.5318766010251;-15.5891569963034;-3.80085902257369;14.6613139205634;
3.06845791705500;-0.580080870719920;1.02009005110454;7.37638967366075;
26.4528262658146;-11.4761050338967;20.4052621506905;29.1874093425563;-
0.921328208777446;16.3047411915148;19.2653800754744;17.2775439808280;
24.3721123592419;18.3413474496557;0.865550721494625;45.2599495746610;20.506
1510653292;19.8999760969814;16.9443875866133;33.7357242113996;14.7203172113
466;48.9928741720256;17.9381205803501;45.2124779757325;22.6009000837979;41.
4363769152271;30.5075651244303;19.6109194024395;27.7369474673608;44.3607701
525747;17.8870994854209;5.64880407708636;24.6821138896458;19.1741917858502;
4.93059483765206;-3.49852508430554;13.1409821378241;-25.9935972733727;-
13.7475370645632;4.24844640843030;-8.81207912175239;-52.5972543253295;-
18.7730870291274;-7.44635244580056;-48.6751930382062;-8.27751645917067;-
47.6295769290693;-34.4351223206078;-26.6722656995742;-25.9564307126867;-
19.9035126248861;-28.9998056716086;-35.6332024654990;-17.5553683349742;-
25.6438803908534;-24.4204390256749;-20.1044173914848;-31.2395507434153;-
0.972292618046225;-28.3688552371715;-20.4947330397550;-8.10946088877450;-
10.8681828019441;-8.50570200737480;-9.84039017430719;-20.2294355338474;-
1.59828655405246;-8.00273194113856;4.05667145426371;-16.4410096330921;-
3.95014501672733;-7.27833546484428;-11.5700705623597;-5.77159736830136;
5.38811277026539;-6.70372430607394;-17.8250843958969;2.39011929683063;
3.07799429875507;-8.21444564032903;-15.0220786536583;-4.43837139430140;-
5.60238319759225;-13.5486340468724;15.9364707892851;-33.3403554750051;
8.06427147686873;-13.5437893658159;5.10192635057749;-9.12068354185401;
5.97757796664234;-18.7561313464470;4.28471692087970;6.27876954653302;-
21.1097313861010;21.9284960483861;-17.1200280958748;2.98333283017608;
5.11211333605156;-1.24122426792087;-0.405276612718160;-5.90605398180637;-
5.47371147653095;18.3645633667716;-24.0537198708080;11.3001869100885;
1.57969838280062;-8.64477643282054;11.6259703389177;-10.6146586835650;
2.45334671862573;-15.6244459630523;21.2790072280208;-8.17484480706407;-
3.81816909026398;-21.9131364249797;8.03142592904770;12.5298721074579;-
15.4376249821377;-0.472398042084334;-8.79846011890432;-8.17662437068370;
12.3857282145704;7.81006792037453;-19.6113153309118;20.1069821342363;-
1.88848641482741;-22.7635689205603;34.6248759946607;-30.7848799007300;
17.1865731025051;-9.88708152940743;-3.54875469616797;13.6114267977749;-
4.28332361597549;-8.82336685353369;8.28545972318037;-7.50328091549505;-
3.96062943547680;8.05480088652652;1.75079343051495;-9.80431405643288;
24.4633302724070;-7.52093010200499;-11.0285846475828;23.1317415557493;
10.4744423302290;-14.9652573090430;21.6488516632080;-7.38430952596952;
5.77789839993285;5.53807409208934;16.1460894947835;-3.69498890471560;
22.6523968752590;-8.40677680409312;-3.21277949298971;-0.438473424761213;-
3.92183495387235;11.2844636673717;-0.0433301192252493;-7.06918598454832;-
16.3558142601747;13.2008666806012;-6.35515998535754;-2.92862215418217;-
14.1358163301280;3.42069203642613;-9.51878763142982;-14.8543711448294;-
55
Annexe A
7.95459569823699;-3.43544925467986;-0.0274300808447832;21.4869915568781;
30.5374924506296;97.6086904713606;99.6891872856749;119.010856163634;111.317
442663405;94.9787700601875;55.2965456817549;53.6151628201953;32.78674796106
30;-3.88424701593343;0.225989536554946;8.92249331807442;-8.73494074458064;-
27.5448302288689;-22.7854529501426;-0.306563443088237;-35.2901070770696;-
18.5794103550277;-19.2294665037906;-31.0541310536889;-19.0461879130558;-
14.8749697301199;-40.2904183104673;-4.19474511882667;-23.7411367886330;-
19.9336573408113;-26.9960215572952;-0.212073715640717;-24.4143836733684;-
3.05469231272601;-22.3602188091548;-3.20629894567038;-13.6947185797586;
6.24940726357588;-24.3076859659700;10.1264315695647;-12.6307310621420;-
10.6734543732900;10.3557760908354;-12.3714096317349;13.8203245392873;-
3.15198215329653;8.11610182081849;14.4304363842432;-9.53781246925481;
24.9161169014768;17.9669049780006;-6.82136310307079;34.9578807943062;
7.76968066257583;20.0593061487744;9.25449034199930;36.1135990185652;-
5.65060379564199;34.0309774874673;14.0190452121492;27.4982996002869;21.6770
292374785;33.4889252393116;30.6028859304271;9.00905529644910;28.72868678890
45;48.8261042208301;8.03195278101610;40.4673736035937;37.1330356203836;30.9
707436321959;41.9782342714144;14.1460844798795;48.3825490236557;41.42453463
93751;10.5200708832559;34.6125044901011;15.8673559449734;20.4902476079921;1
8.9830421614886;0.695758602351224;-4.62206198861544;-1.40721701582885;-
4.02979035578084;-8.67489739505909;-25.4755824465512;-11.6279599807505;-
24.4978452256540;-17.7707021499456;-37.1101766609980;-17.3484920219698;-
39.9094141732080;-24.3658334506790;-37.6701464601660;-14.4981149912488;-
38.2530555792309;-29.2771010896807;-35.1929507899866;-16.3859835082941;-
34.3746463313709;-26.6691065520237;-10.4526979849501;-26.9172397890571;-
14.3456665003147;-19.5061981736209;-14.1309053211735;-15.9888756323429;-
3.83983728087267;-19.2722995123861;-10.0378930231040;-9.24548435950949;-
9.48121853909260;4.91440280113129;-27.1704261839994;8.20373935622328;-
8.73333293259340;-10.7606591057698;15.0132191851180;-23.3925357092605;
7.38695862203163;-23.2861243363102;-2.32733772203586;-6.59168198911811;
1.13983748528745;-21.4663957506908;0.370162692128045;-1.52715421981725;
2.94096814999315;-23.9082450935557;-4.94124535073622;1.32451356174143;-
6.19728738016639;1.38085636209457;-2.25243869138091;-17.0920290646225;
3.41854684614408;-11.8208716077967;2.17364645685379;-7.50264696606918;-
14.7901297039576;12.6888152178739;-26.1045399780557;13.6570061245337;-
29.0616120828696;4.87480485901677;-3.15897278351839;-4.52220100750899;-
20.7472828587719;7.66200687402571;3.15469412494157;-16.1220809536618;-
0.947860485247354;-7.72812638774895;9.00945574192521;-12.7306865063076;
5.04323621659905;10.6929842109323;-10.4847953089883;16.1157791692081;-
25.5367617019996;2.62051825134537;3.42250214225903;-2.64716659286656;-
3.86115274410237;-3.33927794147373;-4.02978768176924;-3.08696888027606;-
5.56806112588526;8.50128047193644;-16.4512248712937;-0.127367408063031;
9.36919031694867;-7.02771743441704;-1.31015418424818;-5.84113018619248;
11.0164352823555;-15.4964381144679;27.8864276451249;-18.1214675139653;
19.3261572084773;-12.2504409414899;11.4715883614878;-6.98650083748054;
8.41337730995983;7.33959034415080;13.7558776684662;-20.3859866809866;
8.18498840253471;9.60304286638394;-11.7631403480340;13.5045872826893;
7.71413975660747;7.55094788694739;-20.8467854126470;23.1021432347424;-
10.7255633055860;3.95814110352464;22.4562756166489;-10.6819846125632;
16.8746833634195;6.28559615651399;2.46859727510005;3.76131667927824;-
9.67165983697953;24.0823965176229;-8.25478337494335;4.61695192302240;
13.9807954500094;2.80483185854898;-14.1723619192756;24.7463273375663;-
36.6319661065412;0.808607190691050;2.23511195401177;-18.0892455057132;-
2.41918355226575;-29.0907534627757;11.1805541280221;-12.9956336645718;-
21.3990892696047;-0.0824596619132834;-12.3186437151202;-2.07284598159629;
10.8156480918350;34.7637734580434;77.2169347389426;90.8638567370348;116.563
150123241;102.993504459773;111.576287965763;72.1679216730696;50.12641609794
65;22.1142099851112;12.3094839931012;-1.17988692227603;7.92968701168506;-
31.0904388913764;5.60190671741978;-41.2142178155646;10.4858442553473;-
41.2814159036056;-14.2313075688595;];
56
Annexe A
ECG2=[50.3072468403097;51.9145546955870;55.4080529781320;58.6935355138986;5
9.6221138164486;61.1238761550932;64.8050594968420;67.1934841216012;74.06619
56583767;81.8062203097235;83.6566161643206;81.5487549242261;80.426647047191
1;79.2188032591710;75.8597492613859;71.2557683387378;66.3761519006211;59.46
30603917203;49.4947694632282;39.9494118814229;31.1171798046573;19.631627286
5564;8.69139435433892;-4.09785454492171;-17.1821545790396;26.2635197801798;
-36.7755686446215;-46.4704460555112;-57.0298242284524;-63.7578708953321;-
68.6109305871891;-72.4665684814310;-75.0082386307701;-75.8679557642857;-
72.4545866849107;-71.1451815060260;-72.0953532585184;-71.2857833082612;-
69.3725444248195;-66.5907965129618;-64.0301961786285;-61.2483478305360;-
58.1071716659904;-53.7719626491523;-50.0894273865809;-46.7801243578093;-
43.1124329166682;-40.0765032893875;-36.6085786164420;-33.1560148398781;-
27.8075696316658;-25.3389850324444;-21.8839584949817;-19.5824104849269;-
17.8037435242102;-17.6971311756798;-16.7355655700007;-15.8939859598284;-
16.0807592390394;-14.6179162595601;-12.6969187089567;-11.6878059470294;-
12.2476353255708;-14.2493711890132;-14.2195750216681;-16.2930751200549;-
16.5280906979619;-14.9775995502104;-16.1257515369417;-18.4274593200574;-
16.5599631685597;-14.6575664181374;-15.4054365594243;-14.1962830696134;-
13.0925056037537;-11.5674202452377;-10.5661289398073;-10.2600449345724;-
9.13962245519375;-6.14737536268223;-5.18596770632574;-4.87915781814615;-
3.45818985444028;1.14456237390814;2.29963287939798;-1.20443151718786;-
4.01748167763169;-4.85762622013621;-4.76257925638399;-5.57944913691773;-
1.09348506869601;0.245494916491486;-0.759480523518704;-0.170946785362737;-
1.53649500476345;-1.86828199912944;-3.24631442583467;-2.91169904580033;-
5.80110022135723;-5.61672141353724;-6.00227524306193;-7.00872108784042;-
7.47452857248717;-8.43485351029069;-8.33310195054822;-8.71117254921480;-
9.92576532071125;-7.63071235817024;-1.91454794354610;0.699743148370992;-
0.644421622499846;-0.305739112672254;-0.452953773170214;0.674217300679741;
2.79064539262147;1.51806171867075;-0.560165411443629;-1.59842567099674;-
2.59032632300556;-3.42212626415509;-2.75962536134082;-3.43933991743646;-
2.54191203360686;-3.33996716624302;-1.62759536910807;-0.626578912110446;
1.29116628535591;3.87614964499523;5.14646678792749;4.48231803148290;9.00826
395194333;9.87348240153030;8.81593628941778;9.46190791831484;10.88859148366
76;11.4665870763578;11.5617992453460;12.1249013016167;16.4751389128300;18.8
589649063387;15.7061187496299;12.4346045082522;7.11119541860577;2.634282795
14402;-0.442738922583960;-3.93086531802182;-6.59104173179131;-
6.74183218355319;-7.18635582637706;-6.43897184187240;-4.25770269157470;-
8.21136755192595;-11.0004373504480;-14.0215766374937;-18.4016350217603;-
21.4443013340839;-25.0615991925787;-25.2778019526413;-17.7969562311244;
5.59461607582749;48.6986504824854;112.095803244582;190.402230171027;263.484
485240309;301.901784856087;284.483117558411;224.371523133261;161.1986809835
73;106.883048515061;62.7549796805827;29.8382808649425;4.31062491127310;-
11.1224233774369;-27.3433344939924;-39.5952506378452;-48.1600775331417;-
53.6413879995256;-55.3297802170611;-55.3472616670579;-55.1875313188373;-
58.3201856438675;-58.6885932928021;-58.0713220599081;-57.0205297491637;-
54.5993852126268;-51.3302862665967;-46.9014526833948;-42.9476122050258;-
39.9014111763081;-36.7009836874214;-33.8116639927577;-29.1899560458716;-
24.5357820110463;-21.6216242564572;-19.5942261366880;-17.4614824401247;-
15.4706286877713;-14.1148396844756;-9.86083286811432;-6.50400568495419;-
2.49463055044018;1.45044291430888;6.47077544292241;13.0896025640961;18.0458
858312370;22.6531514875910;27.7883422718625;32.5991307250439;34.58375249181
38;35.6810621975950;35.5563576810741;37.0697950746623;39.9068479806746;44.1
867084447438;46.0393305544896;48.1132954084641;51.9019665437757;56.77228853
53650;59.0405767637251;60.8918906469401;64.1981860154758;66.2305498092127;6
9.0944261924935;71.2816995175066;74.1999610068097;77.7415676969242;79.60707
88978247;81.7900799564085;85.5898525724595;86.1165875515785;83.771050786981
0;77.9908972845270;70.6620116913140;62.3573180321652;49.3970966779262;38.00
84489869891;25.8466235931434;14.5792123550188;4.32093797275248;-
8.36090555995738;-21.1920073275255;-34.0512552771820;-42.3923392290155;-
49.0084287811518;-55.4880974230208;-62.0001371230636;-66.9940341950945;-
72.2679903772314;-75.5863637833618;-75.2461437632342;-78.3543225773173;-
57
Annexe A
79.3071326595241;-79.5821266623111;-78.4479299061543;-74.8861224515539;-
71.1327392682043;-65.9626938513914;-59.7360904821900;-54.4548469130012;-
49.9973926316644;-47.4038012399289;-43.3886671579066;-40.7572271216482;-
36.9859196599712;-33.7838797489656;-31.6919250631198;-28.7642424436203;-
24.6566672257350;-24.1024456136970;-23.3664044321673;-20.6598307896843;-
16.3105849016111;-12.9596852655353;-10.1775154711358;-14.4418008337064;-
17.7645967895431;-19.2184806461345;-21.1511270861194;-21.7617280215670;-
22.9136674740621;-20.4836264534682;-17.3228430335754;-17.0439154758951;-
18.9850978602470;-18.9789199587543;-17.4161685563060;-16.8221215377243;-
15.7695539277625;-13.6886231540449;-11.3615245686916;-13.1303939253493;-
14.1572634360417;-15.7641716833586;-16.8155061788441;-16.2867731108255;-
16.9139222152568;-17.2907458995991;-18.5214490887574;-17.5268972938630;-
20.5910718115053;-20.6360090619827;-19.6709676718366;-20.6980204920218;-
19.8547091850416;-15.1558824623000;-15.2250989436406;-15.9665828384818;-
13.8486521085372;-12.3694351940912;-11.8446476237939;-9.40339796336998;-
2.04387138098219;5.95230170694884;3.09834717132080;-3.54603811714230;-
9.28692408479538;-12.0185889640418;-14.3206780246653;-13.4523357355135;-
11.1910420950201;-8.17110812592681;-8.84348177100160;-10.0433250620760;-
11.5555064574077;-10.5827472406240;-10.1243104407038;-10.9789834889705;-
11.3067862037639;-8.65642920004797;-6.40800197018262;-4.93983910805906;-
3.71650901673474;-2.16779282737571;0.525625692551945;2.38273003283965;
2.81072884490379;2.87516468094748;2.63456161209013;1.17828855657941;0.66052
0137073372;2.28513241197030;3.76184903307897;3.95102687231543;1.88840067593
891;0.944841803929112;0.350921582591950;0.276012307569703;1.53541514570408;
2.75820947920098;2.67705435484444;2.06787969719878;2.99149584363515;4.68086
006485831;6.77912663871680;8.11990944636436;8.18299992403899;9.058976575548
09;8.58313255973839;7.49781934059590;7.58576179170150;8.05967343948266;4.67
742690222994;3.87929237694635;7.50057878337276;8.08915545799274;1.890503624
29299;-8.31243643276037;-15.1070461296648;-19.8211604335858;-
22.3693547543715;-24.8129567255927;-28.6621770075996;-27.8378673402948;-
29.0631331902674;-30.5639161609115;-33.5987173630092;-35.4202014263395;-
34.1952930651017;-27.6123255935765;-5.86768560877937;31.5291833884486;
83.7788467815378;154.953304439523;232.541822438865;286.247598774342;288.261
259518382;239.385645584693;171.913077539224;113.212533284896;64.03848781588
08;26.4076751240521;-1.15640350304920;-17.4116951030377;-32.5546529969389;-
41.7338687753337;-50.5778463987592;-56.4064364139708;-59.5989497801312;-
62.1757671253455;0;];
ECG3=[-65.2638740110093;-64.5172621545517;-62.4958783686609;-
59.4890431566950;-58.3724553037500;-54.3052368983351;-48.1558403672640;-
44.7444170172398;-42.9943707100425;-36.8254973139395;-33.0609578278803;-
33.0206743820669;-30.4029151465256;-29.6053558477307;-29.2935884072059;-
27.2179800813531;-22.7693945785858;-20.1567816394038;-19.2762701940098;-
17.7227598899723;-17.7704624057665;-16.6144377327657;-13.0895618080070;-
8.43904181871525;-5.59735285204370;-0.479204097893176;7.53012340943164;
11.5455302932569;12.4813403210692;15.5612085275161;21.0219739418846;26.3188
297461400;30.8991823852365;33.4068786209434;35.8815137605262;40.65671839797
51;45.6054048595100;53.3355305168005;59.8780512645049;62.5241641203834;63.4
000017653447;65.4937243789212;66.0106549012421;66.3629164115539;69.30059006
49373;70.6471216832300;73.8194563870489;77.9922957414116;77.8906448717174;7
8.5838234683867;77.8597770996371;77.5810993804183;74.2009799341057;71.28951
82116736;64.8793104802064;54.6966003680638;42.5275317085369;32.350763176080
0;23.0804815979513;10.0991522241103;-4.16907183912154;-16.4440091883960;-
29.2689931384626;-38.2220116652002;-43.9923652502603;-50.1707772810151;-
56.6946691824030;-66.3007548047984;-70.4887963648389;-73.1103410953421;-
73.0096886603081;-72.5727570429187;-71.0081332660556;-70.3264594805330;-
72.0766018918280;-70.1684038861396;-66.3187603811475;-61.8323221920615;-
59.3416533988255;-57.8057396666912;-55.1592344557700;-51.3240930556118;-
48.4068961230338;-45.5419549743991;-42.6379246156802;-38.1571454737302;-
34.0811872701072;-32.2758499846001;-31.9663860908496;-27.8764551543966;-
25.7152140831113;-25.5030526692418;-25.0443597617881;-24.1928100443397;-
58
Annexe A
22.6482494431213;-22.0958167327861;-21.5454698420951;-22.0861017762649;-
22.0969219405910;-20.1141737143461;-17.5899505215652;-18.4342993219903;-
19.4223064488833;-18.4653423357969;-16.6620694709341;-14.8432144712141;-
13.9151031033518;-13.6998574950365;-15.6453205945975;-15.6763008354595;-
13.3885088805368;-12.1899952471288;-11.4766667267867;-9.67657694827641;-
8.92228211826234;-10.0624718759931;-9.98528899693294;-12.0395043429396;-
14.7454625937925;-14.9580140012504;-14.7041150465315;-16.7534927502050;-
19.3696806804605;-20.6847605663843;-20.1771321786899;-18.0052968177476;-
17.7969606975181;-18.8591518517010;-17.1954135203126;-15.0324975845322;-
11.7213256716116;-11.1237628236929;-10.3136159054701;-7.58679126219632;-
5.07184378042885;-3.21659802293463;0.427001867525310;-0.671758840930144;-
1.81975431639813;-2.51915449064477;-1.87422256718226;-0.517800087050048;-
2.28093817139431;-4.88892843080293;-3.89573002721057;-2.39512299314583;-
3.64140906978708;-2.36738982563310;1.92420336390461;-0.899422507613430;-
3.06093504894859;-2.10036902869976;-2.36782693457145;0.582082190822220;
4.26707740038063;8.11793489741961;7.47357556752125;6.32102660148622;6.30591
939223921;8.12473102642283;9.57417076565002;11.2914496964141;14.26218215565
95;18.2928721586385;20.8804300644827;22.5295622188138;23.9422534505160;25.0
008822172269;24.4817507634994;20.3013245001354;18.5414453048175;16.94484739
45793;14.2651757799972;12.1731593291070;7.95028332226578;2.69262345181816;1
.27954654181698;-2.23504635325073;-6.71080394504118;-12.1184142566524;-
12.6598764087075;-13.2530396295396;-16.1949126066451;-16.7055421636441;-
18.2236606890400;-18.7856281279347;-18.2755812341169;-18.9438652933546;-
18.6833655601083;-21.2421746277727;-24.1747776973862;-19.6852889859840;-
1.37271507707047;31.7277014651703;84.4820706372111;155.066770243354;231.514
887986382;286.145948261549;289.388630654569;242.456196756630;178.7961730425
89;126.142295061898;80.6090551085827;42.2493506536946;12.0611313099418;-
8.41404510997769;-22.8173276832740;-33.4899952837639;-39.5797178316382;-
42.3121627876811;-47.3075054908555;-49.2934136892987;-50.8583648158712;-
50.9214651374389;-52.0121927859997;-51.3301813003912;-48.9553557489733;-
45.5350679178412;-40.3190576033864;-34.6337293705577;-31.0168744161260;-
27.6431136764787;-27.7830974558942;-24.7585704702000;-21.4176885850573;-
17.9241560284989;-12.9053031227346;-7.51910188280190;-1.81010751130428;
1.99079573203198;6.58847687103070;11.7066230151861;12.9218080270771;14.3702
564447159;15.7606840048042;19.6662758515901;24.0495865669634;24.82958341638
30;23.8653648275580;24.6886499149924;26.0620904325444;29.5450722991757;34.2
356687949118;37.8751325031802;41.3354020815799;48.6822658074882;52.02864024
44714;51.1889022452250;51.5214531992122;53.7365482814007;55.4770127460817;5
8.7901965008590;63.7654689436211;68.0392460668550;71.7606001329040;74.70919
18055668;77.6035123986092;78.6867878024858;79.9363536480945;82.605476712490
8;86.1020235305937;87.4841451053261;84.0874006344504;79.7888725090060;74.57
07692657615;65.5548701883127;55.2835659449200;45.4865248233910;37.068789009
8707;26.3502550071226;15.2922919203688;3.91250631554377;-7.85703500670738;-
15.9538606598659;-24.1550799383412;-34.5458848773756;-43.7263780785891;-
52.4042450000760;-59.9304540722061;-64.0707024326414;-67.4350666157657;-
66.9865342693457;-66.9329990621706;-68.3860839948987;-69.7748399227784;-
68.4024904320528;-66.1721630813084;-62.6427843368875;-56.3905332956750;-
51.2593675639190;-48.6810697925278;-47.9997254443423;-47.3251342645289;-
45.4454304200080;-43.7275132340259;-41.3871826973078;-39.5575981142416;-
36.9865812558557;-35.7277908108841;-35.0221751678213;-31.2571229159495;-
28.5128169028158;-27.7218600511835;-27.0745632711339;-26.5356017649853;-
26.8863815396260;-22.9751397884834;-21.9481097197426;-21.9747031447761;-
21.4003875865978;-19.8561388183303;-19.5177887468723;-17.0608433881034;-
16.0336533418451;-13.7982366555046;-13.3814808960764;-15.7884073462022;-
16.9530246552566;-19.4000372640643;-21.3997222700748;-21.6030530836219;-
17.3642563325113;-15.3077793368528;-14.7849433995446;-16.6523179337328;-
17.4596210920466;-15.2056051632922;-13.7376448469145;-15.1308268578760;-
18.2611456343535;-18.5879779428207;-16.1509668145986;-14.6610054004262;-
11.0677665787231;-8.01290486685843;-7.58541651777233;-8.33883684960263;-
8.40307360678674;-7.01507806739347;-8.52692046348919;-8.89929487958679;-
7.70652788956174;-6.21069670917222;-4.86761044757759;-4.46142647188532;-
59
Annexe A
6.42492116282888;-9.46875932858925;-8.93229111359767;-5.98344269229837;-
3.73223754377446;-3.65195391346538;-2.65115052282893;0.548487659947172;
1.64042173548225;1.03719967149730;2.87367085669038;1.18871524425554;0.64255
9283738385;0.713942413501975;-1.44537139290846;-0.902849442011276;
0.301384873497687;2.61259563564086;3.29722453378928;5.11543324629894;6.8800
4974834727;10.5130643218344;16.5701806303792;17.9742808870463;17.1763850560
772;15.6321346668371;13.2643054555861;9.81662629855650;9.17454813041107;9.0
8760602130138;10.6006355234628;11.9257216280507;10.5000243305390;6.87614457
402149;3.81125746335868;0.574829554092251;-1.51699352956281;-
2.66784481812284;-7.16776007980911;-8.20010055816701;-7.20128764261737;-
9.16911307643893;-11.2466757398507;-12.1319475010932;-10.7836781689536;-
10.4038873569283;-11.6530754513007;-13.4951714643862;-16.2144810127120;-
17.4434548765930;-16.2506060392586;-13.1507249764347;2.01282520362350;
36.9224689895378;92.0611164630099;163.414888478334;240.326967798557;294.017
904872683;297.608628741111;251.813075124309;187.089408595535;127.4678555596
47;79.6762130782040;45.2788132722405;18.6426475733978;0.231977364731488;-
15.4569154135067;-25.8006747126026;-33.1706733462527;-37.5123014854226;-
41.2218257968918;-47.3651492071118;-52.5142093398352;-54.4774754677317;-
54.1514295422610;-51.6173697226992;-45.0366052338591;-42.6156786082316;-
43.5707200438623;-43.0388750553433;-40.0677414965943;-36.3704986555366;-
32.6028358191503;-30.0014726074644;-30.2300823777973;-28.1217707679551;-
22.9866404879699;-17.2765190265138;-12.8767218253927;-9.12544283560067;-
6.85327048272961;-4.26355428026467;-1.82829247440699;0.926125051901809;
4.75068048332694;8.68289981766457;12.8937758612521;16.3379170125897;19.5887
492392560;23.9081063766129;28.6940575077752;33.8120897008333;37.25814760322
27;36.6650120055969;35.2872042925440;34.7613545568277;37.2753044586098;40.2
937203928161;45.3452275783074;49.8586178527405;55.5056838869172;60.38067550
69356;63.3118383920615;66.4514546026351;68.3383317945013;72.3255750858163;7
3.2655083887820;74.4247267272463;76.8234539256604;78.4254577686662;81.89002
21760124;85.3416222169509;83.6556009453423;78.0709731609907;71.710427671626
4;61.6715845642043;49.4944228698562;39.8045234086448;29.8617663026299;17.03
65337169754;5.92966317844829;-4.63433406404306;-14.2708055693386;-
23.0765466560104;-31.0759996721244;];
60
Annexe B
Programme ECG:
function
[R_i,R_amp,S_i,S_amp,T_i,T_amp,Q_i,Q_amp,heart_rate,buffer_plot]=peakdetect
(ecg,fs,view)
close all ; % close the active plots

if nargin < 3
view = 8; % on default the first 8 seconds are viewed
if nargin <2
fs = 250; %default Sampling frequency
if nargin < 1
[FileName,PathName] = uigetfile('*.mat');
localdir = dir;
cd(PathName);
load(FileName);
%cd(localdir);
ecg = EKG1; % on default the program uses EKG
end
end
end
%% initialize
R_i = [];%save index of R wave
R_amp = []; %save amp of R wave
S_i = [];%save index of S wave
S_amp = []; %save amp of S wave
T_i = [];%save index of T wave
T_amp = [];%save amp of T wave
thres_p =[]; %for plotting adaptive threshold
buffer_plot =[];
buffer_long=[]; % buffer for online processing
state = 0 ; % determines the state of the machine in the algorithm
c = 0; % counter to determine that the state-machine doesnt get stock in T
wave detection wave
T_on = 0; % counter showing for how many samples the signal stayed above T
wave threshold
T_on1=0; % counter to make sure its the real onset of T wave
S_on = 0; % counter to make sure its the real onset of S wave
sleep = 0; % counter that avoids the detection of several R waves in a
short time
S_amp1 = []; % buffer to set the adaptive T wave onset
buffer_base=[]; %buffer to determine online adaptive mean of the signal
dum = 0; %counter for detecting the exact R wave
window = round(fs/25); % averaging window size
weight = 1.8; %initial value of the weigth
co = 0; % T wave counter to come out of state after a certain time
thres2_p = []; %T wave threshold indices
thres_p_i = []; %to save indices of main thres
S_amp1_i = []; %to save indices of S thres
thres2_p_i = []; %to save indices of T threshold
Q_i = []; % vectors to store Q wave
Q_amp =[]; %vectors to store Q wave
%% preprocess
ecg = ecg (:); % make sure its a vector
ecg_raw =ecg; %take the raw signal for plotting later
time_scale = length(ecg_raw)/fs; % total time;
%Noise cancelation(Filtering)
61
Annexe B
f1=0.5; %cuttoff low frequency to get rid of baseline wander
f2=45; %cuttoff frequency to discard high frequency noise
Wn=[f1 f2]*2/fs; % cutt off based on fs
N = 3; % order of 3 less processing
[a,b] = butter(N,Wn); %bandpass filtering
ecg = filtfilt(a,b,ecg);
%% define two buffers
buffer_mean=mean(abs(ecg(1:2*fs)-mean(ecg(1:2*fs)))); % adaptive threshold

DC corrected (baseline removed)
buffer_T = mean(ecg(1:2*fs));%second adaptive threshold to be used for T
wave detection
%% start online inference (Assuming the signal is being acquired online)
for i = 1 : length(ecg)
buffer_long = [buffer_long ecg(i)] ; % save the upcoming new samples

buffer_base = [buffer_base ecg(i)] ; % save the baseline samples
%% Renew the mean and adapt it to the signal after 1 second of processing
if length(buffer_base) >= 2*fs
buffer_mean = mean(abs(buffer_base(1:2*fs)-mean(buffer_base(1:2*fs))));
buffer_T = mean(buffer_base(1:2*fs));
buffer_base =[];
end
%% smooth the signal by taking the average of 15 samples and add the new
upcoming samples
if length(buffer_long)>= window % take a window with length 15 samples
for averaging
mean_online = mean(buffer_long); % take the mean
buffer_plot =[buffer_plot mean_online]; % save the processed signal
%% Enter state 1(putative R wave) as soon as that the mean exceeds the
double time of threshold
if state == 0
if length(buffer_plot) >= 3 %added to handle bugg for now
if mean_online > buffer_mean*weight && buffer_plot(i-1-window) >
buffer_plot(i-window) %2.4*buffer_mean
state = 1; % entered R peak detection mode
currentmax = buffer_plot(i-1-window);
ind = i-1-window;
thres_p = [thres_p buffer_mean*weight];
thres_p_i = [thres_p_i ind];
else
state = 0;
end
end
end
%% Locate the R wave location by finding the highest local maxima

if state == 1 % look for the highest peak
if currentmax > buffer_plot(i-window)

dum = dum + 1;
if dum > 4
R_i = [R_i ind];%save index
R_amp = [R_amp buffer_plot(ind)]; %save index
% Locate Q wave
62
Annexe B
[Q_tamp Q_ti] = min(buffer_plot(ind-
round(0.040*fs):(ind)));
Q_ti = ind-round(0.040*fs) + Q_ti -1;
Q_i = [Q_i Q_ti];
Q_amp = [Q_amp Q_tamp];
if length(R_amp) > 8
weight = 0.30*mean(R_amp(end-7:end)); %calculate the 35% of
the last 8 R waves
weight = weight/buffer_mean;
end
state = 2; % enter S detection mode state 2
dum = 0;
end
else
dum = 0;
state = 0;
end
end
%% check weather the signal drops below the threshold to look for S
wave
if state == 2
if mean_online <= buffer_mean % check the threshold
state = 3; %enter S detection
end
end
%% Enter S wave detection state3 (S detection)

if state == 3
co = co + 1;
if co < round(0.200*fs)
if buffer_plot(i-window-1) <= buffer_plot(i-window) % see when
the slope changes
S_on = S_on + 1; % set a counter to see if its a real change
or just noise
if S_on >= round(0.0120*fs)
S_i = [S_i i-window-4];%save index of S wave
S_amp = [S_amp buffer_plot(i-window-4)];%save index
S_amp1 = [S_amp1 buffer_plot(i-window-4)]; %ecg(i-4)
S_amp1_i = [S_amp1_i ind]; %index of S_amp1_i
state = 4; % enter T detection mode
S_on = 0;
co = 0;
end
end
else
state = 4;
co = 0;
end
end
%% enter state 4 possible T wave detection

if state == 4
if mean_online < buffer_mean % see if the signal drops below mean
state = 6; % confirm
end
end
63
Annexe B
%% Enter state 6 which is T wave possible detection
if state ==6
c = c + 1; % set a counter to exit the state if no T wave detected
after 0.3 second
if c <= 0.7*fs
% set a double threshold based on the last detected S wave and
% baseline of the signal and look for T wave in between these
% two threshold
thres2 = ((abs(abs(buffer_T)-abs(S_amp1(end))))*3/4 +
S_amp1(end));
thres2_p =[thres2_p thres2];
thres2_p_i =[thres2_p_i ind];
if mean_online > thres2
T_on = T_on +1; % make sure it stays on for at least 3
samples
if T_on >= round(0.0120*fs)
if buffer_plot(i-window-1)>= buffer_plot(i-window)
T_on1 = T_on1+1; % make sure its a real slope change
if T_on1 > round(0.0320*fs)
T_i = [T_i i-window-11];%save index of T wave
T_amp = [T_amp buffer_plot(i-window-11)];%save index
state = 5; % enter sleep mode
T_on = 0;
T_on1 = 0;
end
end
end
end
else
state= 5; % enter Sleep mode
end
end
%% this state is for avoiding the detection of a highly variate

noise or another peak
% this avoids detection of two peaks R waves less than half a second
if state==5
sleep =sleep+c+1;
c = 0;
if sleep/fs >= 0.400
state = 0;
sleep = 0;%look for the next peak
end
end
% update the online buffer by removing the oldest sample

buffer_long(1)=[];
end
end
%% conditions
R_R = diff(R_i); % calculate the distance between each R wave
heart_rate=length(R_i)/(time_scale/60); % calculate heart rate
64
Annexe B
msgbox(strcat('Heart-rate is = ',mat2str(heart_rate)));
% compute the min max R-R wave
max_R_interval = max(R_R);
min_R_interval = min(R_R);
% detect arythmia if there is any irregularity
% if (max_R_interval/fs)-(min_R_interval/fs) > 0.16
% msgbox('Irregular Rhythm','Arrythmia Detected');
% end
%% plottings
time = 1/fs:1/fs:view;
R = find(R_i <= view*fs) % determine the length for plotting vectors
S = find(S_i <= view*fs) % determine the length for plotting vectors
T = find(T_i <= view*fs) % determine the length for plotting vectors
Q = find(Q_i <= view*fs) % determine the length for plotting vectors
L1 = find(thres_p_i <= view*fs);
msgbox(strcat('fs= ',mat2str(fs)));
L2 = find(S_amp1_i <= view*fs);
L3 = find(thres2_p_i <= view*fs);
x=185/2;
d(1:L1(end))=x;
if view*fs > length(buffer_plot)
figure(1);plot(time(1:length(buffer_plot)),buffer_plot(1:end));
else
figure(1);plot(time,buffer_plot(1:(view*fs)));
end
hold on,scatter(R_i(1:R(end))./fs,R_amp(1:R(end)),'r');
hold on,plot(thres_p_i(1:L1(end))./fs,d(1:L1(end)),'LineStyle','-
.','color','r',...
'LineWidth',2.5);
legend('Signal ECG','Pics R','R adaptive
threshold','Location','NorthOutside','Orientation','horizontal');
xlabel('Time(sec)'),ylabel('V');
axis tight; title('Zoom in to see both signal details
overlaied');title('detection de l''onde R');
hold off
x2=-78/2;
d2(1:L3(end))=x2;
else
end
hold on,scatter(S_i(1:S(end))./fs,S_amp(1:S(end)),'g');
hold on,plot(S_amp1_i(1:L2(end))./fs,d2(1:L2(end)),'LineStyle','--
','color','g',...
'LineWidth',2.5);
legend('Signal ECG','Pics S','S adaptive
overlaied');title('detection de l''onde S');
hold off
x1=80/2;
d1(1:L3(end))=x1;
else
end
hold on,scatter(T_i(1:T(end))./fs,T_amp(1:T(end)),'k');
hold on,plot(thres2_p_i(1:L3(end))./fs,d1(1:L3(end)),'--k','LineWidth',2);
65
Annexe B
legend('Signal ECG','Pics T','T adaptive
overlaied');title('detection de l''onde T');
x3=-17/2;
d3(1:L2(end))=x3;
else
end
hold on,scatter(Q_i(1:Q(end))./fs,Q_amp(1:Q(end)),'m');
hold on,plot(S_amp1_i(1:L2(end))./fs,d3(1:L2(end)),'LineStyle','--
','color','m',...
'LineWidth',2.5);
legend('Signal ECG','Pics Q','Q adaptive
overlaied');title('Filtered, smoothed and processed signal');
figure(5);plot(time,ecg_raw(1:(view*fs)));title('Raw ECG')
zoom on;
Programme Neurones :
% x = ones(9,1012);
% t = zeros(2,1012) ;
%
% trainFcn = 'trainscg'; % Scaled conjugate gradient backpropagation.
net=fitnet(10,'trainlm');
[FileName,PathName] = uigetfile('*.mat');
localdir = dir;
cd(PathName);
load(FileName);
% % Create a Pattern Recognition Network
% hiddenLayerSize =16;
%net = patternnet(hiddenLayerSize);
% Setup Division of Data for Training, Validation, Testing
net.divideParam.trainRatio = 70/100;
net.divideParam.valRatio = 15/100;
net.divideParam.testRatio = 15/100;
% Train the Network

[net,tr] = train(net,Input',Target');
% % Test the Network

% y = net(x);
% e = gsubtract(t,y);
% performance = perform(net,t,y)
% tind = vec2ind(t);
% yind = vec2ind(y);
% percentErrors = sum(tind ~= yind)/numel(tind);
%
% % View the Network
view(net)
66
Références Bibliographique
RÉFÉRENCES BIBLIOGRAPHIQUE
[1] Z. E. Hadj Slimane, ‘‘Analyse du signal électrocardiogramme ECG en vue d’aide
au diagnostic de cas pathologiques’’, Thèse de Magister obtenue à l’institut
d’Electronique de Tlemcen (Février 2006).
[2] MEMOIRE DE MAGISTER : Présenté par : M. Arbatni Khaled

Option : Traitement du Signal, Thème : Réseaux de neurones appliqués à l’analyse et à
la modélisation non linéaire du signal ECG Année 2007 (Université Mentouri
Constantine)
[3] MEMOIRE DE MAGISTER : Présenté par : M. BENALI Radhwane

Option : Electronique Biomédicale, Thème : Analyse du signal ECG par réseau adaptif
d’ondelettes en vue de la reconnaissance de pathologies cardiaques Année 2013
(Université Abou BEKR BELKAID)
[4] MEMOIRE DE MAGISTER : Présenté par : Mr. Amar HODNI

Option : Traitement du Signal, Thème : Analyse du signal ECG par réseaux de
neurones récurrents Année 2009(Université Abou BEKR BELKAID)
[5] Documentation : Présenté par : Lazhar Manai, Radhia Bouzid

Option : Traitement du Signal, Thème : Analyse et classification des signaux ECG sous
MATLAB et implémentation d’une solution embarquée Année 2017 (Université El
Manat Tunis)
[6] Introduction à l’électrocardiogramme (ECG) Juan Sztajzel Service de Cardiologie

Hôpitaux Universitaires Genève (Bayes de Luna A., Clinical Electrocardiography : A
Textbook. New York: Futura Publishing, 1999.
Rutishauser W. et Sztajzel J., Cardiologie Clinique. 2e édition. Masson, 2004.)
[7] MEMOIRE DE MAGISTER : Présenté par : Ibtissem HOUAMED

Option : Micro-onde pour Télécommunication, Thème : Détection de l’Onde P dans
un Signal ECG Année 2011(Université de Batna).
67
RÉSUMÉ
Le signal électrocardiogramme (ECG) est très largement utilisé comme l'un des
outils les plus importants dans la pratique clinique afin d'évaluer l'état cardiaque des
patients. Il représente les variations de l'activité électrique du cœur en fonction du
temps. La classification des battements du signal ECG en différents cas pathologiques
est une tâche de reconnaissance très complexe. Ce travail consiste à étudier le signal
ECG, la méthode de détection de l’onde T et le complexe QRS basés sur le seuillage
d’amplitude et leurs applications sur les neurones avec trois entrées, une sortie et dix
couches cachés.
Les résultats des simulations sont présentés, les ondes QRS et T sont détectées
dans la première partie et le réseau Neurone à été testé avec les trois entrées ECG.
ABSTRACT
The ECG signal is widely used as one of the most important tools in clinical
practice to asses patients' cardiac status. It represents the variations of the electrical
activity of the heart in function of time. The classification of the ECG signal beats of
different pathological cases is a very complex task of recognition. In this work stady of
ECG signal, method of detection of the T wave and the QRS complexe, based on
amplitude thresholding and it application in neural networks.
The results of the two simulations are presented, the QRS and T waves are
detected in the first part and the Neuron network has been tested with the three ECG
inputs.

Harig Et Dayekh

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Harig Et Dayekh

Hochgeladen von

Copyright:

Verfügbare Formate

République Algérienne Démocratique et Populaire

Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

De fin d’études pour l’obtention du diplôme Master en électronique

Réseaux de neurones appliqués à l’analyse non

Devant le jury composé de :

Nous remercions Allah, le tout puissant, qui nous a

Nous tenons à remercier profondément notre directeur de

Nous remercions l’ensemble des membres du jury de

Nous tenons à remercier l’ensemble du corps enseignant

Kferfia Malika Harig

Je tiens a dédicacé ce modeste travail

A tout ce qui m’ont aidés de loin ou de

A notre encadreur qui nous a aidés

Aux membres de jury, pour leurs présences

CHAPITRE III : Simulation et Interprétation des Résultats

LISTE DES FIGURES

Figure 2.2. Structure commun des détecteurs QRS……………………………….. 28

Figure 2.3. Seuil adaptatif en amplitude ………………………………………….. 31

Figure 2.4. Seuil adaptatif en temps …………………………................................. 32

Figure 2.5. Filtre blanchissant à base d’un PMC………………………………….. 35

Figure 3.1. Hauteur de la déflexion de calibration………………………………… 39

Figure 3.2. Distance entre les lignes………………………………………………. 40

Figure 3.3.Signal ECG original……………………………………………………. 41

Figure 3.4. Détection de l’onde R…………………………………………………. 41

Figure 3.5. Détection de l’onde T…………………………………………………. 43

Figure 3.6. Détection de l’onde S………………………………………………….. 44

Figure 3.7. Détection de l’onde Q…………………………………………………. 46

Figure 3.8. Réseau Neurone simulé……………………………………………….. 48

Figure 3.9. Les trois signaux ECG d’entrée……………………………………….. 48

Figure 3.10. Le réseau Neurones…………………………………………………... 50

Figure 3.11. Les meilleures performances…………………………………............ 52

Tableau 3.1. Résultats de détection pour le pic R. 42

Tableau 3.2. Résultats de détection pour le pic T. 44

Tableau 3.3. Résultats de détection pour le pic S. 45

Tableau 3.4. Résultats de détection pour le pic Q. 46

Tableau 3.5. Résultats de temps détection pour l’ECG. 47

Ce chapitre est un petit rappel sur les notions de base concernant

 L’électrocardiogramme : Est le tracé sur papier de l’activité électrique dans le

1.2. Le cœur [2] :

Elément principal du système cardiovasculaire, qui est un muscle appelé

Les vaisseaux sanguins sont décomposés en deux grands systèmes : le système

1.2.1. Anatomie et activité musculaire du cœur :

Figure 1.1. Anatomie du cœur humain.

1.2.2 Activité Electrique du cœur:

La contraction de tout muscle s’accompagne d’une modification électrique

Les cellules du myocarde sont électriquement chargées ou polarisées à l’état de

L'électrocardiogramme (ECG) est la représentation graphique du potentiel

1.3.2. Principe de fonctionnement [2]:

Figure 1.2. Principe de fonctionnement de l’ECG.

1.3.3. Enregistrement de l’électrocardiogramme et dérivations [4]:

L’électrocardiogramme est le tracé obtenu grâce à l’électrocardiographie,

Figure 1.3. Dérivations bipolaires et triangle d'Einthoven

 Plus les dérivations unipolaires aVR, aVL, aVF dites de Wilson

Figure1.4 : Dérivations unipolaires augmentées.

 Six axes sur le plan transversal (dérivations unipolaires précordial V1 à V6 dite

- V1: 4ème espace intercostal, bord droit du sternum (ligne parasternale)

- V2: 4ème espace intercostal, bord gauche du sternum (ligne parasternale)

- V3: à mi-distance entre V2 et V4

- V4: 5ème espace intercostal, ligne médio-claviculaire gauche

- V5: à mi-distance entre V4 et V6, sur la ligne axillaire antérieure

- V6: même niveau horizontal que V4 et V5, ligne axillaire moyenne

Figure 1.5. Dérivations précordiales (V1 à V6).

1.3.4. L’ECG d’Holter: