Analyse multivariée pour le diagnostic de l'arythmie cardiaque

Multivariate analysis for the diagnosis of cardiac arrhythmia

• Auteur / Autrice : Youssef Trardi
• Direction : Mustapha Ouladsine, Bouchra Ananou
• Type : Thèse de doctorat
• Discipline(s) : Automatique. Apprentissage automatique, analyse et diagnostic
• Date : Soutenance le 14/12/2020
• Etablissement(s) : Aix-Marseille
• Ecole(s) doctorale(s) : École Doctorale Mathématiques et Informatique de Marseille (Marseille)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d’Informatique et Systèmes (Marseille ; La Garde, Var ; 2018-….)
• Jury : Président / Présidente : Ahmed El Hajjaji
• Jury : Examinateurs / Examinatrices : Stéphane Delliaux, Vincent Cocquempot
• Jury : Rapporteurs / Rapporteuses : Mitra Fouladirad, Didier Theilliol

Mots clés

Mots clés contrôlés

Télédétection

Arythmie

Maladies cardiovasculaires -- Diagnostic

Modélisation CFD

Mots clés libres

.

Résumé

Les MCV sont parties des préoccupations sanitaires les plus pressantes et présentent la première cause de décès dans le monde. Selon l'OMS, les MCV sont à l'origine de 17,9 millions de décès dans le monde chaque année, soit 31% de l'ensemble des décès. En France, les MCV sont la deuxième cause de décès après le cancer, avec environ 150 000 décès par an. L'infarctus du myocarde, également appelé crise cardiaque, est la forme de MCV la plus meurtrière au monde. Il provoque 18 000 décès par an en France, soit 10% de la mortalité totale. Dans cette thèse, nous nous intéressons aux MCV, et plus précisément à l'une de ses principales causes, à savoir les arythmies cardiaques. Les recherches académiques et les industriels s'appuient sur les avancées technologiques pour développer des outils informatiques pour la détection de l'arythmie. Dans ce travail, nous discutons cette problématique en proposant une nouvelle stratégie de diagnostic qui permet de distinguer les sujets sains en présence de battements ectopiques des sujets atteints de la fibrillation auriculaire. Cette stratégie est basée sur l'analyse de dérivés complémentaires extraits de la série chronologique des intervalles R-R. Pour construire le modèle de diagnostic, nous avons appliqué différents algorithmes de classification, notamment les séparateurs à vaste marge et l'apprentissage multinoyaux. En outre, nous avons développé un algorithme de sélection de variables très performant, basé sur la programmation multinoyaux. L'approche développée a été validée sur différentes bases de données d'arythmies cardiaques. Les résultats obtenus démontrent l'efficacité et la robustesse de la méthode développée

Cardiovascular disease (CVD) is one of the most pressing health concerns and the leading cause of death worldwide. According to the World Health Organization (WHO), CVD is responsible for 17.9 million deaths worldwide each year, or 31\% of all deaths. In France, CVD is the second leading cause of death after cancer, with approximately 150,000 deaths per year. Myocardial infarction also called a heart attack, is the most deadly form of CVD in the world. It causes 18,000 deaths per year in France, i.e., 10\% of total mortality. In this thesis, we are interested in CVD, and more precisely in one of its leading causes, namely cardiac arrhythmias. Academic research and industry rely on technological advances to develop IT tools for arrhythmia detection. In this work, we address this issue by proposing a new diagnostic strategy to distinguish healthy subjects in the presence of ectopic beats from subjects with atrial fibrillation. This strategy is based on the analysis of additional derivatives extracted from the R-R interval time series. This approach is composed of a process of derivative calculation and feature extraction. We applied different classification algorithms to build the diagnostic model, including support vector machine and multi-kernel learning. Also, we have developed a high-performance variable selection algorithm based on multi-kernel programming. The developed approach has been validated on different cardiac arrhythmia databases. The results obtained demonstrate the efficiency and robustness of the developed method