Abstract FR:

La fibrillation auriculaire est une maladie cardiaque tres frequente. Pour permettre sa prevention, nous avons etudie une classification automatique des patients qui en encourent le risque a partir uniquement de l'analyse des electrocardiogrammes. Le premier travail a consiste a mettre en place une base de donnees contenant des patients a risque de fibrillation auriculaire ainsi qu'un groupe de reference. Nous avons ensuite defini un jeu de parametres permettant d'identifier les patients a risque. Pour cela nous avons mene une etude de l'electrocardiogramme dans le domaine temporel et une analyse dans le domaine temps-frequence par les ondelettes. Les resultats de la classification par une analyse discriminante sont bons. Nous avons egalement etudie une approche par les reseaux de neurones de kohonen sans utiliser nos parametres mais en placant a l'entree du reseau les echantillons des ondes p. Les resultats, moins bons, mettent cependant en evidence la modification des ondes p des patients a risque de fa. Puis nous avons automatiser la segmentation du signal, et donc le calcul des parametres. Nous avons defini un modele de markov cache adapte a l'electrocardiogramme. Il ne fait appel a aucune intervention exterieure et est a la fois simple et robuste. De plus, il est evolutif : il peut etre adpate aux multiples configurations rencontrees. Nous avons egalement etudie une autre methode basee sur la transformee en ondelettes parfois plus efficace que le modele de markov mais plus difficile a generaliser. Le depistage du risque de fibrillation auriculaire peut alors etre envisage sans aucune intervention d'un specialiste.