Arrhythmia Classification and Prediction ; Classification et prévision de l'arythmie ; Arrhythmia Classification and Prediction: Electrocardiograms patterns analysis using Artificial Neural Network and non-linear regression ; Classification et prévision de l'arythmie: Analyse des propriétés des signaux électrocardiogrammes avec le réseau de neurones artificiels et la régression non linéaire

International audience ; Artificial intelligence techniques have been proven useful for the identification and the extraction of relevant information from biomedical data. However for hearth diseases, there still have difficulties in delivering efficient machine learning based on methods to be applied in arrhythmia diagnostic decision supports. In this paper we propose an automatic artificial neural network (ANN) based on classification and prediction system for cardiac arrhythmia using heartbeat recordings. An adaptive analysis based on an Empirical Mode Decomposition (EMD) is first carried out to perform signal denoising and the detection of main Ecg patterns. The ECG pattern are then used as input for an ANN to classify arrhythmia. The classification results are combined with hearth rhythms to perform non-linear regression based prediction of arrhythmia. The models are prepared and tested with the MIT-BIH database. An improvement of 5.56% and 6.67% was noted respectively for classification and prediction. ; Les techniques d'intelligence artificielle sont trés performantes pour l'identification et l'ex-traction d'informations pertinentes à partir de données biomédicales. Cependant, pour les maladies du coeur, il existe toujours des difficultés à trouver des solutions basées sur l'apprentissage automa-tique efficaces pour l'aide à la prise de décision lors de diagnostic d'arythmies. Dans ce papier, nous proposons un système automatisé de classification et de prédiction basé sur un réseau neuronal artificiel pour l'arythmie cardiaque à l'aide d'électrocardiogrammes (ECG). Une analyse adaptative basée sur la décomposition modale empirique (EMD) est d'abord effectuée pour le débruitage du signal et la détection des principaux attributs d'un Ecg. Ces attributs sont ensuite utilisés en entrée du réseau neuronal afin de classer l'arythmie. les résultats de la classification sont combinés avec le rythme cardiaque pour effectuer une prédiction d'arrythmies bas'ee sur la régression non linéaire. Les modèles sont testés ...