A fast signal quality assessment algorithm applied to a contactless electrocardiogram system

Résumé

L’évaluation de la qualité du signal (EQS), ou les systèmes de détection de bruit, promettent d’améliorer la qualité de l’électrocardiogramme (ECG) collecté. Ceci est réalisé en permettant aux systèmes automatisés de collecter et de traiter avec précision les données ECG, ou en facilitant la télémétrie grâce à la sélection précise de données acceptables, afin d’être analysées à distance par un cardiologue. Ce mémoire est une collaboration de recherche&développement avec SIG.NUM, une compagnie spécialisée dans le développement et la commercialisation d’une technologie innovante sans contact et automatisée pour l’acquisition d’ECG à court et à long terme, connu sous le nom de cECG. Ce travail présente les principes fondamentaux des différents systèmes d’instrumentation ECG; une revue de littérature de la EQS, de ses fondements et de ses applications aux systèmes cECG; une revue de littérature des ondelettes et de ses applications concernant la représentation du signal ECG; et enfin, la conception d’un système de classification EQS, ou détecteur de bruit, à l’aide de réseaux de neurones artificiels et de techniques rapide de traitement du signal basées sur scalogramme d’ondelettes à des fins d’extraction de caractéristiques. Le système de classification EQS est destiné à être utilisé comme un sélecteur de canal en temps réel pour le système cECG développé par SIG.NUM. L’algorithme développé basé sur l’apprentissage automatique pour ECG EQS est formé par une fusion de plusieurs ensembles de données annotés, disponibles sur PhysioNet (Goldberger, Amaral, Glass, Hausdorff, Ivanov, Mark, Mietus, Moody, Peng & Stanley, 2000). Les résultats du système conçu sont principalement comparés à la technique EQS à une seule dérivation proposée par les travaux de Clifford, Behar, Li & Rezek (2012). En conclusion, cette thèse a montré qu’un simple réseaux de neurones artificiels peu profond est suffisant pour bien modéliser un système de classification EQS généralisé. De plus, les résultats ont montré que la méthode d’extraction des caractéristiques de transformée en ondelettes, proposée par ce mémoire, est non seulement très puissante pour représenter la qualité du signal ECG, mais aussi efficace en termes de coût de calcul.

Date	24 mars 2021
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	Ghyslain Gagnon (Directeur(-trice))