Ce projet vise à classifier automatiquement les battements cardiaques en 5 catégories à partir de signaux ECG, en combinant des méthodes d'apprentissage supervisé, non supervisé et de réduction de dimension.
- Source : Base de données [MIT-BIH Arrhythmia]
On distingue 5 battements cardiaques différents : Battements normaux', 'Battements inconnus', 'Battements ectopiques ventriculaires', 'Battements ectopiques supraventriculaires' et 'Battements de fusion'.
De ces signaux, on extrait des caractéristiques par la librairie TSFEL - Time Series Features Extraction Library (https://tsfel.readthedocs.io/en/latest/index.html)
Les 156 caractéristiques extraites sont divisées selon les domaines :
- temporel avec 31 caractéristiques comme l'entropie, Max, Min, Absolute Energy ...
- statistique avec 14 caractéristiques comme écart moyen absolu, écart médian, variance, Kurtosis...
- spectral avec 111 caractéristiques comme les coefficients FFT par bande de fréquence, ondelettes...
Lien vers le papier expliquant TSFEL : https://www.sciencedirect.com/science/article/pii/S2352711020300017
- Classifier 5 types de battements :
Normaux,Inconnus,Ectopiques ventriculaires,Ectopiques supraventriculaires,Fusion. - Comparer les performances des approches supervisées (Random Forest, KNN) et non supervisées (K-means, Clustering Hiérarchique).
- Analyser l’impact de la réduction de dimension (ACP) et des types de caractéristiques (temporelles, spectrales, statistiques).
- Clonez le dépôt :
git clone https://github.com/AsmaeKarmouchi/Project_ECG_Classification.git
- Installez les dépendances :
pip install -r requirements.txt
Asmae KARMOUCHI : ➔ DTW, Classification avec ACP.
Alban PERSONNAZ : ➔ Classification sans ACP, optimisation des modèles.