Академический Документы
Профессиональный Документы
Культура Документы
Anne 2008
MMOIRE
Prsent en vue de lobtention du diplme de MAGISTER
Option
Intelligence Artificielle
Par
ABID Tarek
DEVANT LE JURY
ENCADREUR
B.TIGHIOUART
Matre de Confrences
U. Annaba
PRESIDENT
T.BENSEBAA
Matre de Confrences
U. Annaba
EXAMINATEURS
N.DOGHMANE
T.KHADIR
L.BENNACER
Professeur
Matre de Confrences
Matre de Confrences
U. Annaba
U. Annaba
U. Annaba
Remerciements
Je tiens exprimer mes plus vifs remerciements mon
encadreur Mme B.Tighiouart pour sont aide quelle ne ma
jamais refus malgr ses responsabilits nombreuses et
dlicates, pour ses prcieux conseils, son esprit amical et sa
modestie exemplaire.
Je
remercie
Mr.
T.
Bensebaa
pour
m'avoir
fait
et
Dr.
T.
Khadir,
pour
avoir
accept
('
%
$ "
. (- % * + ,-,
( ./
.0- 1
<
;
; *?2
$
<-% %7
, ,-, -.QRS %
<
:
%
% , ('
>-%
2 ,
<-%
Rsum
Llectrocardiogramme (ECG) est un outil de mesure de lactivit lectrique du cur. Il offre
lopportunit au mdecin de dcider de ltat structurel et fonctionnel du cur dun
patient. Dans ce travail, nous nous intressons plus particulirement lanalyse et la
dtection automatique des vnements (appels ondes) constituants ce signal ECG. Il est
enregistr par groupe de trois voies. En ECG traditionnel la dtection se fait voie par voie. En
ECG automatis il s'agit tout dabord d'opter pour une reprsentation unique de l'ensemble de
toutes les voies. Plusieurs reprsentations ont t abordes. Notre approche se base sur
lutilisation de la transforme en ondelette eu gard le signal utilis et la localisation du dbut
de londe QRS.
Nous avons choisi londelette de Daubechies, car sa forme est proche de celui du complexe
QRS. Pour chaque ondelette de Daubechies (db2, db3,, db10) et pour chaque niveau de
dcomposition nous avons calcul lerreur entre le pointeur rfr (donne du mdecin) et le
pointeur calcul.
Nous avons montr que londelette de Daubechies dordre 9 (db9) est la plus performante car
elle permet de localiser 62.58% et 52,26 % de cas avec une erreur dans lintervalle [-5,+5] et
[-4,+4] respectivement. Le meilleur niveau de dcomposition tait le niveau 4
Abstract
The electrocardiogram (ECG) is a tool for measuring the electrical activity of the heart. It
offers the opportunity to the doctor to decide on the structural and functional status of a
patient's heart. In this work, we are particularly interested in the analysis and automatic
detection of events (called waves) constituting that ECG signal. It is recorded in groups of
three leads ECG. In traditional ECG, detection is performed lead by lead. In automated ECG,
we first opt for a single representation of the set of ECG leads. Several representations were
addressed. Our approach is based on using the wavelet transform and the location of the
beginning of the QRS wave.
We have chosen the wavelet of Daubechies, because its shape is similar to that of the QRS
complex. For each wavelet of Daubechies (db2, db3,,db10) and for each level of
decomposition, we calculate the error between the measured pointer (given by the doctor) and
the calculated pointer.
We show that the wavelet of Daubechies of order 9 (db9) is the best one, because it allows to
locate 62.58% and 52.26% of cases with an error in the interval [-5, +5] and [-4,+4]
respectively. The highest level of decomposition was the 4th level.
Titre
Page
Chapitre I
Figure I.1
Anatomie du cur..............
17
Figure I.2
18
Figure I.3
19
Figure I.4
Figure I.5
Le triangle dEinthoven...... 22
Figure I.6
Figure. I.7
Figure. I.8
Figure. I.9
Figure. I.10
Le vectrocardiogramme...... 25
Figure. I.11
Figure. I.12
24
28
Chapitre II
Figure. II.1
Chapitre III
Figure. III.1
Figure. III.2
39
Figure. III.3
Le plan temps-frquence....
41
Figure. III.4
Figure. III.5
Figure. III.6
Figure. III.7
Figure. III.8
47
Figure. III.9
50
45
Figure. III.10
Dcomposition pyramidale....
51
Figure. III.11
54
Figure. III.12
54
Figure. III.13
Figure. III.14
Figure. III.15
57
Figure. III.16
57
Figure. III.17
58
Figure. III.18
59
Figure. III.19
59
Figure. III.20
60
Chapitre IV
Figure. IV.1
68
Figure. IV.2
70
Figure. IV.3
Figure. IV.4
Figure. IV.5
Figure. IV.6
Figure. IV.7
Figure. IV.8
73
75
Figure. IV.9
Figure. IV.10
Figure. IV.11
Figure. IV.12
81
Figure. IV.13
Titre
Page
Chapitre III
Tableau. III.1
Familles dondelettes.. 52
Tableau. III.2.
53
INTRODUCTION GENERALE... 12
17
19
III. Electrocardiographie 21
III.1. L'lectrocardiogramme standard.
21
21
23
III.2. Le Vectrocardiogramme..
23
27
29
I. Introduction 30
II. Domaine dapplication de la RF...
30
31
34
34
36
I. Dfinitions.. 37
II. Mthodes danalyse et de traitement du signal...
37
37
39
42
10
43
48
48
51
56
60
62
CHAPITRE IV : APPLICATION
68
I. Introduction
67
67
II.1. Donnes
69
70
71
II.3. Localisation... 73
III. Rsultats..
76
IV. Conclusion... 83
Bibliographie.
86
Annexe... 94
11
12
Introduction
Le travail porte sur le traitement automatique des signaux lectrocardiographiques (ECG)
et sinscrit dans le domaine de la reconnaissance des formes. Ces signaux sont enregistrs par
groupes de 3 (ou plus) drivations au moyens d'lectrodes places la surface du corps et
tmoignent de l'activit lectrique du cur d'un patient. L'activit du cur est reprsente par
une suite de battements. Chaque battement est mis en vidence sur le signal par une suite
d'ondes appeles P, QRS et T en relation directe avec les diffrentes phases de passage du
sang dans les oreillettes et les ventricules.
La dtermination prcise du dbut et de la fin des ondes constitue une phase trs
importante de lanalyse du signal. Ce qui permet de calculer la dure des ondes P et QRS et
des intervalles PR et QT. De plus elle constitue une tape pralable lextraction des
paramtres. La prcision des paramtres calculs donc du diagnostic en dpend.
En ECG traditionnel cette dlimitation se fait de manire visuelle sur chaque voie du
trac de llctrocardiogramme. Or des tudes ont mont que la prcision de lanalyse visuelle
est loin dtre parfaite et quil existe une grande variabilit intra et inter observateurs.
L'une des tapes des plus importantes dans le traitement automatique de ce type de
signaux est le choix de leur reprsentation par une fonction temporelle unique cense mettre
en vidence le mieux possible l'apparition de ces ondes. Il s'agit d'opter pour une forme de
reprsentation du groupe de drivations choisies.
13
Cette dernire permet de sparer les informations dun signal dans des bandes spectrales
dans un plan bidimensionnel la fois frquentiel et temporel.
transforme en ondelettes a prouv son efficacit travers les rsultats enregistrs dans
lanalyse des signaux transitoires et non stationnaires, comme c'est le cas pour lECG.
Notre choix s'est port sur l'utilisation des ondelettes discrtes cause de la nature discrte
de nos donnes ECG.
Sur le plan pratique, le travail s'est focalis sur la localisation du dbut de l'onde QRS
c'est--dire la zone sense contenir la valeur exacte du dbut du complexe QRS partir de la
reprsentation par londelette discrte la plus performante (afin ventuellement d'assurer une
reconstruction fiable du signal ECG) et plus prcisment l'ondelette de Daubechies.
L'valuation s'est faite sur les donnes d'une base de donne ECG parfaitement prtraite
en l'occurrence la base de donne DS1 de la communaut scientifique Europenne CSE
reconnue pour tre parfaitement valide. Les rsultats sont prsents et discuts.
14
Le
premier
chapitre
peut
tre
considr
comme
une
introduction
15
16
17
Limpulsion lectrique passe par le faisceau de HIS dans les ventricules (Fig. I.2.d)
qui se contractent (Fig. I.2.e) ;
18
LECG permet de visualiser sur papier millimtr les ondes lectriques qui parcourent les
oreillettes et les ventricules, offrant ainsi lopportunit au mdecin de juger de ltat structurel
et fonctionnel du cur de son patient.
Il fait apparatre trois types donde qui sont respectivement : londe P, le complexe QRS, et
londe T. Ces ondes sont relies par des segments isolectriques ou des intervalles qui sont : le
segment PR, le segment ST et le segment QT (Fig. I.3).
19
Les diffrentes ondes constituantes l'ECG sont en relation directe avec les diffrentes phases
du cycle cardiaque :
Une phase de contraction auriculaire.
Une phase de contraction ventriculaire.
Un relchement total du cur.
La figure (Fig. I.4), illustre explicitement ces diffrentes phases :
Les contractions des oreillettes pendant le passage de londe lectrique laissent sur
l'ECG, la trace dune petite dflexion positive : londe P (Fig. I.4a) ;
Un petit segment plat sur la figure (Fig. I.4) reprsente la pause de limpulsion
lectrique au niveau du nud Auriculo-Ventriculaire (AV) ;
La re-polarisation des fibres musculaires est reprsente par londe T (Fig. I.4.c). cest
une priode de linactivit cardiaque. Notons aussi lexistence dune courte pause (le
segment ST) entre le complexe QRS et londe T. Ltude de ce segment reste trs
importante pour lidentification de certaines pathologies [67].
Figure. I.4. Tracs lectriques des diffrentes ondes du signal ECG [54]
20
III. Electrocardiographie
Ces phnomnes lectriques peuvent tre dcel aux moyens d'lectrodes disposes la
surface du corps, selon un schma bien tabli; on distingue alors l'lectrocardiogramme
standard 1 drivations et le vectocardiogramme 3 drivations.
Un systme de drivation consiste en un ensemble cohrent de drivations, chacune dfinie
par la disposition de ses lectrodes sur le thorax, les poignets et les chevets du patient,
permettant ainsi denregistrer les diffrences de potentiels du cur en fonction du temps et
donnant ainsi 12 drivations ou voies diffrentes de llectrocardiogramme (ECG).
21
aVR, aVL, et aVF (Fig. I.7) sont des drivations unipolaires et correspondent au membre avec
lequel elles sont connectes soit respectivement le bras droit, le bras gauche, et la jambe
gauche. Cest la thorie de Wilson [14] et Golberger [32], o llectrode exploratrice positive
correspond au membre appliqu. Le voltage est alors amplifi (d'o le prfixe a) pour obtenir
un trac de mme amplitude que D1, D2, D3.
22
III.2. Le Vectrocardiogramme
Le vectocardiogramme (VCG) ou lECG orthogonal ou lECG corrig, est enregistr au
moyen de trois couples dlectrodes places de manire dfinir trois directions orthogonales
centres sur le cur. Chaque couple enregistre chaque instant la projection du vecteur
cardiaque dans sa direction.
23
Lanalyse des boucles vectocardiographiques sur les plans : frontal XZ, transversal XY et
sagittal XZ (Fig. I.9) projetes sur les axes OX, OY, OZ donne lieu la notion de VCG, qui
est souvent l'lment dterminant du diagnostic, ou O est le centre de la boucle. Il visualise
l'activit cardiaque moyennant 3 voies seulement qu'on note X, Y et Z.
Figure. I.9. Schma des diffrentes drivations de lECG dans les trois plans
Les axes du VCG correspondent aux 3 voies denregistrement, la courbe tant paramtre par
le temps. Un battement normal est compos dune premire petite boucle reprsentant londe
P, dune grande boucle reprsentant le complexe QRS, et dune troisime boucle pour la
repolarisation des ventricules (onde T) (Fig. I.10).
24
La figure suivante reprsente un exemple des tracs rels ECG et VCG (Fig. I.11).
25
AVR
II
AVL
AVF
III
V1
V4
V5
V2
V6
V3
26
le contrle de la qualit des signaux et ventuellement rejet des tracs trop bruits,
27
Figure. I.12. Trac de la fonction amplitude sur une longueur de 750 points
28
29
I. Introduction
Apparue au cours des annes (50-60), la reconnaissance des formes (RF ou Rdf), Pattern
Recognition , concerne le dveloppement de systmes automatique ou semi-automatiques,
matriels et logiciels, capables de percevoir et de reconnatre des formes de diffrentes
origines reprsentes par des donnes de natures diverses.
Pratiquement, lhomme est le systme de reconnaissance le plus parfait, raison pour
laquelle les systmes de reconnaissances actuels se basent sur des technique qui ont tendance
imiter certaines des ses capacits en le dotant lordinateur, doutils ou capteurs qui lui
offrent par exemple une capacit de vision et daudition.
Le choix dun espace de reprsentation est trs important, car son choix influe
sur la qualit du rsultat. Malheureusement, il ny a pas de rgle gnrale pour
choisir lespace de reprsentation. [20]
La reconnaissance de la parole
Lanalyse des images satellite pour les prvisions mto (en gophysique).
etc.
30
Monde
physique
Codage
Prtraitement
Apprentissage
Analyse
Dcision ou
reconnaissance
31
Analyse et apprentissage : Comme il est indiqu dans la figure (Fig. II.1), cette
tape est subdivise en deux oprations ou sous-tapes, qui sont respectivement
lanalyse et lapprentissage et que se dfinissent comme suit :
32
Ces deux types de mthodes de RF sont souvent repartis en quatre (4) grandes classes ou
catgories dapproches qui sont :
Lapproche statistique.
Lapproche syntaxique ou stochastique.
Lapproche structurelle.
Lapproche hybride ou connexionniste.
A chaque des ces catgories, sont associes de diffrentes manires de reprsenter les
exemplaires et les classes et de diverses mthodes pour lapprentissage et la reconnaissance
[6].
33
Le modle dcrit ces tats laide des probabilits de transitions dtat. La comparaison
consiste chercher dans le graphe dtat le chemin le plus probable.
En RF, un problme de classification peut tre rsolu en trouvant une fonction, qui est
associe un ensemble de formes de dpart, un ensemble de formes darrive, c'est--dire que
le rseau de neurones joue un rle de fonction de transfert qui fourni la valeur de sortie.
34
De ces diffrentes rponses, qui peuvent donner une dcision, nous pouvons tirer une ide de
lefficacit ou de la rentabilit du systme de RF, et ce, calculant le score ou le taux
dapprentissage , le taux derreur et le taux de rejet .
35
36
I. Dfinitions
Signal trait : cest un signal transform par une quelconque des transformations
mathmatiques.
Filtre passe-bas : cest un filtre qui laisse passer les basses frquences.
Filtre passe-haut : cset un filtre qui laisse passer les hautes frquences.
Dans la pratique, la plupart des signaux sont des signaux dpendant du temps (du domaine
temporel) sous leur format brut. La reprsentation du signal est une reprsentation temps amplitude. Cette reprsentation n'est pas toujours la meilleure pour la plupart des applications
de traitement du signal. Dans beaucoup des cas, l'information la plus pertinente est cache
dans la composante de frquence du signal. Le spectre de frquence d'un signal indique
quelles sont les frquences qui existent dans le signal [12].
37
(1)
38
Elle permet de connatre les diffrentes frquences existantes dans un signal, mais ne
permet pas de savoir quels instants ces frquences ont t mises,
Elle ne permet pas l'tude de signaux dont la frquence varie dans le temps, (signaux
non stationnaires)
Pour localiser dans le temps des frquences dun signal s(t), nous utilisons la Transforme
de Fourrier fentre . Elle permet de donner une reprsentation Temps Frquence du
signal.
39
Cette technique se base sur une analyse locale cest--dire, chaque plage est tudie
sparment des autres par lanalyse traditionnelle de Fourier, juxtaposant les rsultats sous la
forme dune reprsentation temps frquence ou spectrogramme [29]. Cest un outil
de base pour lanalyse des signaux non-stationnaires. Le signal est suppos stationnaire sur
chaque fentre.
La TFF consiste en la dcomposition du signal s(t) suivant une famille de fonctions ga,b qui
drivent toutes dune mme fonction fentre g(t) par :
g a,b (t ) = g (t b) * e 2iat
(2)
C (a , b ) =
s ( t ) g a , b ( t ) dt
(3)
C(a,b) est la transforme de Fourrier fentre du signal s (t) sur une fentre de largeur b, selon
une frquence a.
La figure (Fig. III.3) montre le plan temps frquence . Les bandes verticales illustrent
pour un temps b donn, le fentrage du signal calcul pour toutes les frquences . Une
autre interprtation, base sur la notion de banc de filtres, est montre par les bandes
horizontales.
40
En effet :
Si g(t) est une fonction fentre et G(f) sa transformation de Fourier, la rsolution en frquence
f est dfinie par [55] :
2
f G( f ) df
=
G( f ) df
2
f 2
(4)
t g (t )
=
g (t )
dt
(5)
dt
1
4
(6)
41
Gabor [31] a choisi g de manire optimale dans les limites imposes par cette ingalit. Il a
choisi la fonction la plus concentre, cest--dire le signal gaussien.
Une fois que la fonction g est choisie, la rsolution en temps et en frquence, donne
par les variables a et b, est fixe.
Si le signal est compos de phnomnes dont les chelles de temps sont diffrentes,
elle ne permet pas de les analyser simultanment avec une bonne rsolution en temps
et en frquence.
42
Le d-bruitage : le d-bruitage [59], [68], [19] dans le domaine des ondelettes signifie
la rejection du bruit par un seuillage adquat.
Frquence
Echelle
Temps
43
L'analyse d'ondelette est faite d'une manire semblable l'analyse de la TFF. Le signal est
multipli par une fonction, ondelette, semblable la fonction de fentre dans la TFF, et la
transformation est calcule sparment pour diffrents segments du signal dans le domaine
temporel.
La diffrence principale entre la TFF et la transforme en ondelettes continues (TOC) est que
dans le cas de TOC, la largeur de la fentre sera change pendant la transformation et sera
calcule pour chaque frquence.
La position sur l'axe horizontal d'un pav (rectangle) lmentaire de la reprsentation temps
chelle dpend, bien sr, du dcalage b, mais aussi du facteur d'chelle a. Sa position sur l'axe
vertical dpend, elle aussi, du facteur d'chelle a. De mme, les dimensions du pav
(rsolution de l'ondelette a,b ) dpendent du facteur d'chelle a.
44
La fonction (t), de la variable rel t, sappelle ondelette mre . Le nom dondelette vient
du fait que cest une fonction oscillante (comme une onde), mais localise. Ces conditions
suggrent que (t) vibre comme une onde et dcroit rapidement quant t augmente [50]. La
famille dondelette a,b(t), a>0, b R, scrit :
1 t b
a a
a,b (t ) =
(7)
Les fonctions dondelettes a,b(t) sont obtenues partir de la dilatation (ou contraction) et de
la translation (ou dcalage) de la fonction mre ou analysante (t). Elles sont par
consquent parfois appeles les ondelettes filles .
Les chelles tel que a > 1 dilatent les signaux (basses frquences), tandis que les chelles tel
que a < 1, compriment les signaux (hautes frquences).
La notion de frquence est ainsi remplace par la notion dchelle, pour tenir compte des
hautes et des basses frquences. Cette reprsentation sappelle reprsentation temps
chelle .
L'exemple ci-dessous (Fig. III.6) montre l'une des ondelettes de la bibliothque de MUSTIG
[52], avec diffrents facteurs de dilatation :
45
La position de l'ondelette une chelle donne peut facilement tre modifie en dcalant
simplement l'ondelette (Fig. III.7) :
Soit s(t) le signal analyser. La transforme continue par ondelette est dfinie donc par le
calcul des coefficients :
1
t b
C(a,b) =
s(t)
a
a
(8)
46
Remarque :
Notons quil sagit dune transformation continue, et donc, a et b doivent tre incrments
continuellement. Cependant, si cette transforme a besoin d'tre calcule par un ordinateur,
alors les deux paramtres sont augments par un pas suffisamment petit.
Lalgorithme prcdent est rpt pour chaque valeur de a. Chaque calcul pour une valeur
donne de a remplit une range simple correspondante du plan temps-chelle. Quand le
processus est complt pour toutes les valeurs dsires de a, la TOC du signal a t calcul.
La figure (Fig. III.8) reprsente lexemple dun signal sinus bruit s(t) (Fig. III.8), avec un
facteur de dcalage b gal 1 et un facteur dchelle a vari entre 1 et 10 avec un pas gal 1.
47
f (t ) =
a
a ,b
. a ,b (t ) da.dt
(9)
(f)
df <
(10)
La moyenne ou composante continue de la fonction dondelette (t) doit tre nulle, cest-dire elle doit respecter la relation suivante [55].
+
(t )dt = ( f )
f =0
=0
(11)
( (t ) )
dt <
(12)
M k = t k (t )dt = 0
0k<N
(13)
Daprs la dernire quation de Mk, toute ondelette se doit davoir au moins un moment nul
(le cas o k=0, quation (11)).
- Support compact : Autant londelette a moins de moments nuls autant son support est
compact, et une analyse plus exacte des hautes frquences est possible.
48
Le signal s(n) est dcompos par deux filtres DPB (Dcomposition Passe-Bas) et DPH
(Dcomposition Passe-Haut), pour donner deux vecteurs respectivement A Approximation
et D Dtails (Fig. III. 9.a). Cette opration sappelle aussi filtrage par une paire de filtres
complmentaires. Le vecteur A reprsente les basses frquences (transitions lentes) et le
vecteur D reprsente les hautes frquences (transitions rapides).
49
longueur N/2, soit N points en tout (Fig. III.9.a), il nya alors pas de changement dans la
quantit dinformation [60].
RPB
s(n)
s(n)
DPH
RPH
50
s(n)
A1
A2
D1
D2
Niveau 1
Niveau 2
Niveau k
Ak
Dk
51
Si on choisit a0=2 et b0=1, cest lquivalent de a=2j et b=k*2j ; on parle alors de transforme
en ondelette dyadique, o j est le niveau de dcomposition [24].
Les nouveaux paramtres sont : k et j, et on dfinit ainsi une base orthogonale.
j , k = 2 j / 2 ( 2 j t k )
Pour sparer les deux signaux approximation et dtail, La TOD utilise deux fonctions
appeles respectivement fonction chelle et fonction ondelette qui sont respectivement
associes un filtre passe-bas et un filtre passe-haut.
Abrviations
Haar
Ondelettes de Daubechies
Db
Ondelettes Symlets
Sym
Ondelettes Coiflets
Coif
Ondelettes biorthogonales
Bior
Ondelette de Meyer
Meyr
Ondelettes gaussiennes
Gaus
Cgau
Chapeau mexicain
Mexh
Ondelette de Morlet
Morl
Cmor
Shan
Les familles dondelettes peuvent tre caractrises par quatre proprits principales :
existence de filtres associs, orthogonalit ou biorthogonalit, support compact ou non,
ondelettes relles ou complexes. Le tableau (Tab. 2) rsume ces diverses proprits.
Ondelettes filtres
A support compact
Relles
Complexes
Orthogonales Biorthogonales
Orthogonales
gaus, mexh,
cgau, shan,
Meyr
morl
cmor
Db, haar,
Bior
sym, coif
En gnral, les ondelettes support compact nont pas de forme analytique (c'est--dire : on
sait comment calculer la fonction, mais on ne peut pas lexprimer avec une formule
mathmatique).
Cette famille contient londelette de Haar (db1), qui est la plus simple et certainement la plus
ancienne des ondelettes. Elle est discontinue, ressemble un chelon.
( x) = 1 si x [0,1] et 0 sinon.
53
a : Fonction dchelle
b : Fonction dondelette
Hormis db1, les ondelettes de cette famille nont pas une formule analytique. Ces ondelettes
pour les ordres de 2 10 (db2, db3,, db10) sont prsentes dans la figure (Fig. III.12).
db2
db5
db8
db3
db6
db9
db4
db7
db10
Les ondelettes dbN sont asymtriques, en particulier pour les faibles valeurs de N, sauf
londelette de Haar ;
Pour les deux type dondelettes db4 et db8, on trouve dans les figure (Fig. III.13 et Fig. III.14)
en plus de londelette, la fonction dchelle et les quatre filtres associs (deux pour la
dcomposition, deux pour la reconstruction).
55
56
sym2
sym5
sym6
sym3
sym7
sym4
sym8
58
coif1
coif2
coif3
coif4
Coif5
Pour deux dentre elles (coif3 et coif5), on trouve dans les figures (Fig. III.19 et Fig. III.20)
londelette, la fonction dchelle et les quatre filtres associs.
59
Les fonctions gaussiennes sont souvent utilises comme ondelettes pour la transforme
continue en raison de leur bonne rsolution [3]; cependant elles sont difficiles implmenter.
A titre dexemple, les ondelettes suivantes ont t utilises : db2 [30], db4 [40], db8 [42],
coif3 [36], bior4.4 [2], [1].
ad hoc : une ondelette qui permet un traitement de signal efficace est acceptable,
mme si elle nest pas la meilleure possible.
60
En thorie, plus la fonction ressemble lvnement traiter, plus lanalyse sera efficace. De
toute faon, une ondelette optimale pour les signaux mesurs lors dune certaine
exprimentation dans un domaine donn ne le serait pas ncessairement lors dune autre prise
de mesures pour un autre domaine.
Remarque : En bref, si la fonction analyser tait analytique, il serait idal davoir un trs
grand nombre de moments nulles [62].
61
62
Dans le travail de Rodney Tan [56] relatif au dbruitage, la famille dondelettes de Coiflet a
t utilise. Le signal ECG est dcompos en 5 niveaux.
Londelette de coiflet dordre 5 (coif5) a ralis la meilleure performance de dbruitage pour
le troisime niveau de dcomposition du signal ECG
63
Dans le travail de
Hassanpour
Benatia [8] dans ses travaux relatifs lanalyse et traitement du signal sest intress la
dtection du complexe QRS du signal ECG.
La prsence de bruit, entrane de nombreuses fausses dtections du complexe QRS.
Dans cette tude, il a utilis la mthode de Pan et Tompkins pour dtecter les complexes
QRS.
Il dcompose le signal ECG en utilisant deux types dondelettes, celle de Haar et celle de
Coiflet. Il effectue ensuite le produit des coefficients dondelettes du niveau basse rsolution
de Coiflet avec un niveau haute rsolution de Haar. Enfin il applique la mthode classique de
Pan et Tompkins, pour dtecter le complexe QRS.
Lutilisation de la mthode de Pan et Tompkins amliore par les ondelettes donne de bons
rsultats. Elle permet de minimiser le nombre de fausses dtections.
64
Dautre travail [23] portant sur lapplication des ondelettes sur des donnes relatifs lactivit
cardiaque ont t abordes. On peut citer les travaux portant sur le signal lectromyogramme
(EMG)
65
66
I. Introduction
La dure de l'onde QRS du signal ECG est d'une importance primordiale dans le diagnostic de
diffrentes pathologies cardiaques. Le traitement automatique de l'ECG ncessite le choix
d'une forme de reprsentation du groupe de drivation par une fonction temporelle unique
appele fonction de dtection. L'une des plus simples estimer est la fonction amplitude
spatiale (cf. Chap.1). Dans ce travail nous nous intressons plus particulirement la
localisation de cette onde de faon automatique. Par "localisation" nous entendons approcher
le mieux possible le dbut rel de l'onde QRS en s'affranchissant l'introduction d'hypothses
ou de biais qui seront difficilement vrifiable dans la pratique. La plus part des systmes [61]
se basent en phase de localisation de QRS sur l'extraction du segment situ avant le pic de
l'onde R tout en s'appuyant sur la dfinition de faon heuristique de plusieurs paramtres.
Notre approche de localisation se base sur la modlisation par les ondelettes.
67
X 2 +Y 2 + Z2
Donnes
Fonction amplitude
Dcomposition en 10 niveaux
Niveau 1
App 1
Choix de londelette
Dcomposition
Modlisation par
les ondelettes
Niveau 10
App 10
Dt 1 Dt 10
Dt 1
Rsultats
Localisation
Traiter
toutes les
ondelettes
Non
Oui
Choisir la meilleur ondelette
II.1. Donnes
Le groupe de travail de laction C.S.E. [61] a recommand lutilisation des banques de
donnes C.S.E. comme standard pour lvaluation des programmes danalyse des ECG/VCG.
Cest pourquoi nous utiliserons la banque de donne data set 1 pour laquelle nous
pouvions connatre les positions des points relatifs aux diffrentes onde appels pointeurs
rfrs. [61], [64].
Grce DS1, nous construisons un ensemble dapprentissage qui nous servira valuer
notre approche. Les tracs (X,Y,Z) relatifs au VCG ont principalement t choisis eu gard
l'orthogonalit des 3 voies (donc non redondance des informations).
Le traitement automatique se base sur le calcul dune fonction unique. Dans le cas des trois
voies (X,Y,Z) du VCG, la fonction nergie ou amplitude est reprsente par :
69
2500
3000
2000
2500
2000
1500
1500
1000
1000
500
500
-500
-500
-1000
0
-1000
0
50
100
150
200
250
300
50
100
150
200
250
300
350
300
350
350
voie X
voie Y
1400
4000
1200
3500
1000
3000
800
600
2500
400
2000
200
1500
0
1000
-200
500
-400
-600
0
50
100
150
200
250
300
350
0
0
50
voie Z
100
150
200
250
fonction amplitude
Notre base de donnes contient 155 tracs de longueur 750 points, chacun regroupant des cas
(battements) sains et des cas pathologiques. Chaque cas est reprsent par une fonction de
dcision appele : fonction amplitude (Fig. IV.2).
70
Lanalyse du choix de londelette (ondelette-mre) sera effectue sur la base dun test de
plusieurs ondelettes analysantes de Daubechies (db2, db3,, db 10) (cf. Chap3). Le choix se
basera sur l'apprciation de lerreur qui existe entre le pointeur rfr et le pointeur calcul.
II.2.2. Dcomposition
Chaque ondelette possde un niveau maximum de dcomposition au-del duquel la
dcomposition ne sera plus utile, nous arrtons la dcomposition au dixime niveau selon les
diffrentes variantes de londelette de Daubechies, car au del notre signal perd sa forme
initiale.
Le trac gauche (a) et droit (b) du premier niveau correspond au premier niveau de
dcomposition (approximation et dtail respectivement).
71
Figure. IV.3. Dcomposition de lECG du cas CSE numro 5 sur 750 points de la DS1 en 10 niveau en utilisant
londelette de Daubechies (db9)
(a) : reprsentation de lapproximation Aj
(b) : reprsentation du dtail Dj
72
II.3. Localisation
L'examen de la figure (Fig. IV.3) montre que plus on monte dans les niveaux de
dcomposition plus le signal sera encore filtr, et la perte dinformation accentue.
Lexprience a montr qu'une zone de recherche de longueur 80 points situe avant le pic de
R est largement suffisante pour contenir le dbut rel de QRS (Fig. IV.4).
Figure. IV.4. La zone de localisation sur 80 points avant le pic (cas CSE n 5)
73
La figure (Fig. IV.5) illustre sur des tracs de la fonction amplitude la valeur du pointeur
rfr et la valeur calcule. Trois situations sont possibles :
-
Figure. IV.5. Visualisation du pointeur rfr et du pointeur calcul sur la fonction amplitude A(i) pour des diffrentes
situations
74
Figure. IV.6. Dcomposition de lECG du cas CSE numro 5 sur 750 points de la DS1 en 10 niveau en utilisant
londelette de Daubechies (db9).
Les variantes de londelette de Daubechies (cf . Chap.3) sont : db2, db3, db4, db5, db6, db7,
db8, db9, db10.
Chaque signal de la base de donne sera dcompos en 10 niveaux pour toutes les variantes
de londelette de Daubechies
75
III. Rsultats
Lhistogramme (Fig. IV.7) reprsente les rsultats (annexe 1) de localisation pour lensemble
des 155 tracs avec un cart situ dans lintervalle [-5,+5].
db2
db3
db4
db5
db6
db7
db8
db9
db10
120
100
80
60
40
20
0
niv 1
niv 2
niv 3
niv 4
niv 5
niv 6
niv 7
niv 8
niv 9
niv 10
Niveau
Figure. IV.7. Nombre de cas dont lcart de localisation est situ dans lintervalle [-5,+5].
76
Lhistogramme (Fig. IV.8) reprsente les rsultats (annexe 1) de localisation pour lensemble
des 155 tracs avec un cart situ dans lintervalle [-4,+4].
db2
db3
db4
db5
db6
db7
db8
db9
db10
100
90
80
70
60
50
40
30
20
10
0
niv 1
niv 2
niv 3
niv 4
niv 5
niv 6
niv 7
niv 8
niv 9
niv 10
Niveau
Figure. IV.8. Nombre de cas dont lcart de localisation est situ dans lintervalle [-4,+4].
77
Lhistogramme (Fig. IV.9) reprsente les rsultats (annexe 1) de localisation pour lensemble
des 155 tracs avec un cart situ dans lintervalle [-3,+3].
niv 2
niv 3
niv 4
niv 5
niv 6
niv 7
niv 8
niv 9
niv 10
Niveau
Figure. IV.9. Nombre de cas dont lcart de localisation est situ dans lintervalle [-3,+3].
78
Lhistogramme (Fig. IV.10) reprsente les rsultats (annexe 1) de localisation pour lensemble
des 155 tracs avec un cart situ dans lintervalle [-2,+2].
60
50
40
30
20
10
0
niv 1
niv 2
niv 3
niv 4
niv 5
niv 6
niv 7
niv 8
niv 9
niv 10
Niveau
Figure. IV.10. Nombre de cas dont lcart de localisation est situ dans lintervalle [-2,+2].
79
Lhistogramme (Fig. IV.11) reprsente les rsultats (annexe 1) de localisation pour lensemble
des 155 tracs avec un cart situ dans lintervalle [-1,+1].
40
35
30
25
20
15
10
5
0
niv 1
niv 2
niv 3
niv 4
niv 5
niv 6
niv 7
niv 8
niv 9
niv 10
Niveau
Figure. IV.11. Nombre de cas dont lcart de localisation est situ dans lintervalle [-1,+1].
80
Lhistogramme (Fig. IV.12) reprsente les rsultats (annexe 1) de localisation pour lensemble
des 155 tracs avec un cart gal 0.
db2
db9 db10
14
12
N o m b re d ' e rre u rs = 0
10
8
6
4
2
0
niv 1
niv 2
niv 3
niv 4
niv 5
niv 6
niv 7
niv 8
niv 9
niv 10
Niveau
81
Daprs les figures (Fig. IV.7, Fig. IV.8, Fig. IV.9, Fig. IV.10, Fig. IV.11 et Fig. IV.12), nous
pouvons affirmer que le niveau 4, est le meilleur niveau de dcomposition.
La figure (Fig. IV.13) reprsente le pourcentage des cas de variation de lerreur entre le
pointeur rfr et le pointeur calcul en fonction du niveau. Une erreur gale zro montre
que la localisation sur la TOD savre aussi efficace que la valeur des rfrs. Une erreur dans
lintervalle [-5,+5] englobe le pourcentage de cas o la dtection peut tre prcoce ou au-del
de la valeur rel. Nous pouvons affirmer que lodelette de Daubechies (db9) semble tre la
plus performante puisquelle a permis de localiser 7.10% de cas avec une erreur nulle, 23.23%
de cas dans lintervalle [-1,+1], 32.26% de cas dans lintervalle [-2,+2], 47.74% de cas dans
lintervalle [-3,+3], 56.13% de cas dans lintervalle [-4,+4] et 66.45% de cas dans lintervalle
[-5,+5]. Ce qui est satisfaisant dans une premire approche de la localisation de QRS.
Ecart de localisation = 0
70,00%
60,00%
50,00%
40,00%
30,00%
20,00%
10,00%
0,00%
db2
db3
db4
db5
db6
db7
db8
db9
db10
82
IV. Conclusion
La mthodologie dcrite dans ce mmoire concerne le prtraitement des donnes
lectrocardiographiques.
Nous avons dcrit dans le chapitre suivant les mthodes danalyse et de traitement du signal.
Parmi ces mthodes il y a la transforme de Fourier qui constitue le point de dpart pour
lanalyse frquentielle. Elle donne une reprsentation frquence amplitude dun signal,
mais ne permet pas ltude de signaux non stationnaires et ne permet pas non plus de savoir
quels instants les frquences ont t mises.
La seconde mthode cest la transforme de Fourier fentre, elle permet une reprsentation
temps frquence dun signal, mais linconvnient majeur de cette transformation est que
la taille de sa fentre est fixe.
83
Pour pallier ces insuffisances des reprsentations temps - chelle sont apparues
ncessaires. Nous nous sommes intresss la reprsentation du signal par la transforme
en ondelettes ou encore dites wavelets .
On distingue deux grandes familles dondelettes: les ondelettes continues (Morlet, Sombrero,
) et les ondelettes discrtes (Haar, Shannon, Meyer, Daubechies). La transforme en
ondelettes a prouv son efficacit travers les rsultats enregistrs dans lanalyse des signaux
transitoires et non stationnaires, comme c'est le cas pour lECG.
Notre choix s'est port sur l'utilisation des ondelettes discrtes cause de la nature discrte de
nos donnes ECG.
84
Daprs plusieurs expriences, nous avons constat que londelette de Daubechies (db9) est
la plus performante, car elle a permis de localiser 62.58 % de cas dans lintervalle [-5,+5]
centr sur le pointeur rfr, avec un meilleur niveau de dcomposition qui gale 4.
85
86
[1]
[2]
[3]
AKANSU, A.N. 1994. Wavelets and Filter Banks: A Signal Processing Perspective
, IEEE Circuits and Devices Magazine. pp. 14-18.
[4]
[5]
[6]
[7]
par
Ondelettes,
[en
ligne].
Adresse
URL
: http://www.univ-
tlemcen.dz/manifest/CISTEMA2003/cistema2003/articles/Articles%20%20GBM/GBM21.pdf
[8]
[9]
87
[10]
[11]
[12]
[13]
[14]
Couderc Jph, Morlet D, Rubel P. Analyse de llectrocardiogramme hauteresolution en vue du pronostic des TV et des morts subites. Mise en uvre de
mthodes temps-chelle et temps-frquence . INSERM, Deuxime colloque rgional
Rhne-Alpes Auvergne Bourgogne, Lyon (France), 16-17 septembre 2000.
[15]
[16]
[17]
Djouaher, N., Amirou. Z., M. Djeddi. Dtection du segment S-T de lECG par la
spline quadratique IEEE Trans. Image processing, 2005.
[18]
[19]
88
[20]
[21]
[22]
[23]
[24]
Erlebacher, G., et al. Wavelet Theory and Applications , ICASE/ LaRC Series
Science and Eng. Oxford Univ. Press 1996.
[25]
[26]
[27]
[28]
[29]
[30]
89
[31]
Gabor, D. Theory of communication . J. Inst. Elec. Eng., Vol. 93, N. 3, pp. 429457, 1946.
[32]
[33]
[En
ligne].
Adresse
URL :
http://www.u-
picardie.fr/labo/UGBM/Traitement_signal_ECG.htm
[34]
[35]
[36]
HULATA, E., SEGEV, R., BEN-JACOB, E. 2002. A method for spike sorting and
detection based on wavelet packets and Shannons mutual information , J. Neurosci.
Meth. 117. pp. 1-12.
[37]
[38]
[39]
KIM K. H., KIM S. J. 2002. Wavelet-based action potential detector for the
extracellular neural signal with low signal-to-noise ratio , Proceedings of the Second
Joint Engineering in Medicine and Biology Conference, vol. 3. pp. 2016-2017.
[40]
90
[41]
[42]
[43]
Lewis T. The Mechanism of the Heart Beat, with Special Reference to its Clinical
Pathology, London: Shaw, 1911.
[44]
[45]
Mallat, S. A wavelet tour of signal processing, Academic Press, second edition, 1998.
[46]
[47]
[48]
[49]
[50]
[51]
Misiti, M., Y. Misiti et al. Wavelet toolbox users guide, Mathworks, 1996.
[52]
[53]
91
[54]
[55]
RIOUL, O., VETTERLI, M. 1991. Wavelets and Signal Processing , IEEE Signal
Processing Magazine, vol. 8, Issue 4. pp. 14-38.
[56]
[57]
Said, A. et W. A. Perrlman. A new fast and efficient image codec based on set
partitioning in hierarchical trees , IEEE Trans. Circuits & systems for video
technology, vol. 6, N 4, p. 243-250, 1996.
[58]
[59]
Starck, J. L, et al. The curvelet transform for image denoising , IEEE Trans. Image
processing, Vol. 11, N 6, p. 670-684, 2002.
[60]
[61]
[62]
Torrsani, B. Analyse continue par ondelette , Inter Edition \ CNRS Ed, 1995.
[63]
92
[64]
[65]
Wilson FN, Johnston FD, MacLeod AG, Barker PS. Electrocardiograms that
represent the potentials variations of a single electrode Am Heart J., 1934, Vol. 9,
p.447-58.
[66]
[67]
[68]
[69]
Zheng, CX., Li CW, et al. Detection of ECG characteristics points using the wavelet
transforms . IEEE Trans. On BME 1995.
93
Annexe 1
Ondelette de Daubchies (db2)
Trac1
Trac2
Trac3
Trac4
Trac5
Trac6
Trac7
Trac8
Trac9
Trac10
Trac11
Trac12
Trac13
Trac14
Trac15
Trac16
Trac17
Trac18
Trac19
Trac20
94
95
-54
-51
-55
-56
-47
-62
-62
-53
-48
-53
-44
-64
-51
-57
-54
-54
-39
-59
-49
-60
96
-54
-51
-55
-56
-47
-58
-62
-53
-48
-56
-44
-64
-51
-57
-54
-54
-39
-59
-49
-60
Niv1 Niv2 Niv3 Niv4 Niv5 Niv6 Niv7 Niv8 Niv9 Niv10
-9
-9 -13
1 -22 -54 -54 -54 -54
-54
-5
-6
-7
-6 -21 -36 -51 -51 -51
-51
5
4
3
2 -15 -55 -55 -55 -55
-55
4
4
2
1 -16 -56 -56 -56 -56
-56
-1
-1
-2
-1 -23 -47 -47 -47 -47
-47
-12 -12 -12
-3 -24 -58 -58 -58 -58
-58
-3
-2
-4
-7 -22 -51 -62 -62 -62
-62
-6
-6
-7
-7 -14 -53 -53 -53 -53
-53
-2
-2
-3
-2 -48 -48 -48 -48 -48
-48
2
3
1
-1 -16 -56 -56 -56 -56
-48
0
0
-2
-4 -15 -44 -44 -44 -44
-44
-5
-4
-6
-7 -25 -64 -64 -64 -64
-64
-1
-1
3
-4 -11 -39 -51 -51 -51
-51
1
1
-1
-3 -28 -57 -57 -57 -57
-57
-6
-5
-8
-8 -29 -54 -54 -54 -54
-54
5
6
3
1 -15 -54 -54 -54 -54
-54
-2
-3
-5
-5 -13 -39 -39 -39 -39
-39
-1
0
-2
-8 -43 -58 -59 -59 -59
-59
-8
-8 -10
-3 -36 -49 -49 -49 -49
-49
-1
0
-1
-3 -21 -60 -60 -60 -60
-60
97
98