Détection et analyse de l'onde P d'un éléctrocardiogramme : application au dépistage de la fibrillation auriculaire

P wave electrocardiogram detection and analysis : application to atrial fibrillation tracking

• Auteur / Autrice : Ronan Le Page
• Direction : Jean-Marc Boucher
• Type : Thèse de doctorat
• Discipline(s) : Électronique
• Date : Soutenance en 2003
• Etablissement(s) : Brest

Mots clés

Mots clés contrôlés

Emploi en diagnostic

Traitement du signal

Fibrillation auriculaire

Électrocardiographie

Résumé

La fibrillation auriculaire est une des maladies cardiaques les plus fréquentes, touchant principalement les personnes âgées. Dans le but de pouvoir déceler un risque de fibrillation auriculaire à partir du seul signal électrocardiographique, nous avons mis en place une procédure automatique de traitement des électrocardiogrammes. Deux bases de données ont été utilisées : l'une contenant les enregistrements de la dérivations d2 (II) des dérivations standards, l'autre contenant les dérivations orthogonales (X,Y et Z) du système de Franck. Les signaux recueillis sont traités de faon totalement automatique : premièrement les battements cardiaques sont isolés en détectant les complexes QRS, deuxièmement l'onde P est détectée au moyen d'un modèle de Markov caché et d'ondelettes. Dans tous les cas un débruitage approprié utilisant un seuillage des coefficients d'ondelettes est mis en oeuvre pour faciliter la détection. Les résultats de segmentation obtenus sont tout fait comparables à ceux fournis par des cardiologues spécialistes. Les paramètres calculés sont des paramètres de durée, de forme et d'énergie. Les meilleurs sont sélectionnés et utilisés dans une classification par analyse discriminante ou par réseau de neurones. Les résultats de classification à l'aide de ces deux techniques sont similaires et permettent d'obtenir une spécificité et une sensibilité respectivement de 62 et 77%.

Atrial fibrillation is one of the most frequent heart diseases which mainly affect elderly people. We built an electrocardiogram automatic process in order to detect patient prone to atrial fibrillation from the single electrocardiographic signal. Two data bases are used : one built with d2 (II) lead of standard leads, the other built with Franck orthogonal leads (X,Y and Z). Signals are automatically treated : first cardiac beats are isolated by detecting the QRS complexes, second the P wave is delineated using an hidden Markov model and wavelets. In all cases a denoising technique, using wavelets tresholding, is applied to improve the processing. Segmentation results are good, compared to those realised manually by specialists. A set of parameters of duration, shape and energy is calculated. They are used in a classification program by discriminant analysis or by neural network. The results of the classification techniques are quite similar and reach a specificity and a sensitivity respectively of 62 and 77%.