Veuillez utiliser cette adresse pour citer ce document :
http://dspace.univ-bouira.dz:8080/jspui/handle/123456789/6911
Affichage complet
Élément Dublin Core | Valeur | Langue |
---|---|---|
dc.contributor.author | BAHLOUL, Lynda | - |
dc.contributor.author | IRNATENE, Assia | - |
dc.date.accessioned | 2019-12-17T14:08:51Z | - |
dc.date.available | 2019-12-17T14:08:51Z | - |
dc.date.issued | 2018 | - |
dc.identifier.uri | http://dspace.univ-bouira.dz:8080/jspui/handle/123456789/6911 | - |
dc.description.abstract | Il est assez difficile de diagnostiquer le syndrome d’apnée de sommeil, d’une part car, bien souvent la personne concerné ne s’en rend pas compte .Et d’autre part, car il s’agit d’une maladie peu connue du grand public, mais il existe toujours des signes significatifs ou bien (symptômes) comme : le ronflement sévère, la fatigue, somenelonce et d’autres qui l’ndique. Plusieurs techniques sont faite pour le diagnostic, dans notre travail nous intéressons au signal ECG qui contient des informations très utiles se trouvent dans les intervalles de temps définis par les ondes caractéristiques notamment, l'onde P, le complexe QRS, l'onde T, l'intervalle PR, le segment ST et l'intervalle QT, les intervalles de temps définis entre deux ondes caractéristiques de l'ECG fournissent d'importants indicateurs pour le diagnostic de maladies cardiaques car ils sont le reflet de processus physiologiques. Afin d’extraire ces informations et les exploiter une méthode de traitement a été suivi dans notre travail c’est la transformé en ondelettes (détermination de l’intervalle RR) terminant par une méthode d’évaluation non linaire et aussi une classification SVM. Les résultats expérimentaux montrent que la méthodologie proposée permet globalement un taux de reconnaissance de 83,33% pour les cas. | en_US |
dc.language.iso | fr | en_US |
dc.publisher | Université Akli Mouhand Oulhadj-Bouira | en_US |
dc.subject | ECG, apnée de sommeil | en_US |
dc.subject | les ondelettes, classification SVM | en_US |
dc.title | Dépistage et diagnostic d’une apnée de sommeil à l’aide des caractéristiques ECG et classification SVM. | en_US |
dc.type | Thesis | en_US |
Collection(s) : | Mémoires Master |
Fichier(s) constituant ce document :
Fichier | Description | Taille | Format | |
---|---|---|---|---|
Mémoire.pdf | 5,49 MB | Adobe PDF | Voir/Ouvrir |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.