Une approche hybride computationnellement efficace pour la prédiction des arythmies basée sur l’électrocardiogramme

Résumé

Le modèle de cette étude est conçu pour classer les arythmies précoces dans les ensembles de données électrocardiogrammes (ECG) issus de plusieurs bases de données en cinq principaux types de battements cardiaques. Comparé à d’autres modèles, ce modèle performe mieux en termes de précision, sensibilité, précision et rappel.

Résumé

Les maladies cardiovasculaires, en particulier les arythmies, sont une cause majeure de décès dans le monde. Cela souligne la nécessité de systèmes automatisés capables de détecter et diagnostiquer ces affections rapidement. Cette recherche introduit un modèle d’apprentissage profond qui identifie les arythmies à l’aide de signaux électrocardiogrammes (ECG). Le modèle se concentre sur cinq principaux types de battements cardiaques : normal (N), bloc de branche du faisceau gauche (L), bloc de branche du fibré droit (R), battement prématuré de l’atrie (A) et contraction ventriculaire prématurée (V). Le système utilise des signaux de plomb I provenant de plusieurs bases de données, notamment l’arythmie MIT-BIH, la supraventriculaire, l’INCART 12-dérivation et le Holter de mort subite cardiaque. Cela offre plus de 3,9 millions de segments de formation et 112 575 segments de test.

Les données sont prétraitées en les divisant en fenêtres fixes de 180 échantillons, en les mettant à l’échelle grâce à la normalisation Min-Max, et en équilibrant les classes avec la technique de suréchantillonnage des minorités synthétiques. Le modèle combine des réseaux neuronaux convolutionnels 1D pour extraire des caractéristiques spatiales et des couches transformateurs pour capturer des motifs basés sur le temps. Il utilise l’optimiseur Adam et inclut la sortie et la normalisation batch pour améliorer les performances. Le système atteint une précision, une précision et un score F1 de 99,99 % dans toutes les catégories, ce qui est supérieur au modèle TN4 et aux autres modèles haut performants. L’utilisation de réseaux neuronaux convolutionnels et d’architectures hybrides profondes améliore la robustesse des fonctionnalités. Ce modèle présente un grand potentiel pour la détection évolutive et en temps réel des arythmies et contribue à l’avancement des soins de santé numériques personnalisés et pilotés par l’IA.

Introduction

Les maladies cardiovasculaires sont la cause la plus importante de problèmes de santé humaine, avec plus de 17 millions de décès chaque année. Près des trois quarts de tous les cas de maladies cardiovasculaires (MCV) vivent dans des pays à faible revenu du monde, selon la Fédération mondiale du cœur. Un électrocardiogramme (ECG) capture l’activité électrique générée par la dépolarisation du cœur. Les signaux électriques se propagent à la peau. Les signaux ECG transmettent au moins deux informations vitales. L’une d’elles est la biomédecine liée à la santé. L’autre concerne les qualifications liées à la personne ou la biométrie. En raison de sa simplicité, diverses méthodes de classification des signaux ECG ont été envisagées, notamment des approches artisanales et d’apprentissage automatique. La méthode manuelle est longue et inefficace. Cela nécessite des signaux en temps réel comme l’ECG et une infrastructure informatique importante. Les approches d’apprentissage automatique sont susceptibles d’offrir une précision des crochets inférieure à celle de la méthode manuelle, mais un algorithme approprié est nécessaire pour réduire le risque d’arythmies non^{détectées 1}.

La maladie cardiovasculaire la plus courante est l’arythmie, une affection dans laquelle le rythme cardiaque est anormal. Ces schémas anormaux doivent être classés par catégories car ce type d’information peut impacter le traitement. L’ECG est largement utilisé pour détecter des schémas cardiaques anormaux et prédire les maladies cardiaques, permettant une détection précoce. Le diagnostic de l’arythmie repose en grande partie sur l’ECG, un dispositif médical important utilisé pour enregistrer l’excitabilité cardiaque, transmettre les signaux et surveiller la récupération. L’ECG est nécessaire et fiable en médecine moderne. L’automatisation de l’interprétation des signaux ECG améliore grandement la pratique clinique et améliore la sécurité des patients. Les arythmies sont des rythmes et des schémas cardiaques anormaux. L’intelligence artificielle, en particulier l’apprentissage automatique, est un excellent outil pour la prédiction des maladies et l’analyse d’opinion, en particulier pour les maladies^{cardiovasculaires 2}.

Différentes données médicales, telles que les dossiers des patients, sont généralement utilisées dans les hôpitaux à des fins cliniques. Les données médicales peuvent également être générées en temps opportun pour soutenir l’optimisation des algorithmes d’apprentissage automatique. La machine est entraînée sur un jeu de données qui finit par en tirer des enseignements. Une fois formé, il peut identifier et classer si un cas est sain ou basé sur différents attributs de leurs dossiers ^3,4. Les machines peuvent également détecter des motifs dans les données données, qui peuvent être difficilement perçus par les humains en raison d’un manque de temps ou de ressources limitées. Plusieurs méthodes ont été employées pour classifier les signaux ECG, notamment les K-plus proches voisins (KNN), les machines à vecteurs de support (SVM), les réseaux de neurones (NN), les arbres de décision, l’analyse discriminante linéaire (LDA) et les classificateurs bayésiens. La SVM est considérée comme l’un des algorithmes d’apprentissage supervisé les plus efficaces pour classifier les signaux ECG afin de détecter les^{arythmies 5,6}.

Un modèle de bracket performant utilisant le NN et le perceptron multicouche (MLP) est meilleur que d’autres méthodes conventionnelles. Des algorithmes d’apprentissage profond tels que les réseaux de neurones artificiels (RNA) ont été utilisés avec succès dans des tâches telles que la recherche d’informations, la reconnaissance d’images, la détection d’objets et le traitement du langage. Les CNN ont été largement utilisées en recherche pour extraire des caractéristiques stylistiques des formes d’onde ECG et les disséquer à diverses fins, telles que la découverte du complexe QRS et du segment ST ou des ondes^{P 7,8}. Le CNN 1D apprend à détecter les caractéristiques les plus pertinentes des signaux ECG et à les classer en cinq types d’arythmies. Un filtre de dérivation de la ligne de base et d’élimination du bruit à haute fréquence a été appliqué pour améliorer la qualité du signal. Cela a classé les arythmies en cinq^{catégories 9,10}.

Comme montré à la Figure 1, l’onde P, le complexe QRS et l’onde T sont des parties importantes d’un ECG. L’onde P représente la dépolarisation auriculaire, l’activité électrique qui provoque la contraction des oreillettes. Le complexe QRS réfléchit la dépolarisation ventriculaire ; C’est l’impulsion électrique qui déclenche la contraction ventriculaire. L’onde T indique la repolarisation ventriculaire, la phase de récupération des ventricules après contraction. Ensemble, ces ondes représentent un cycle cardiaque complet. Ils sont essentiels pour comprendre le fonctionnement du cœur et pour diagnostiquer les problèmes^{cardiaques 11}.

Toutes ces ondes représentent un cycle cardiaque. Ils sont très importants pour comprendre le fonctionnement du cœur et pour diagnostiquer les affections cardiaques. Les modèles d’apprentissage profond ont récemment réalisé des progrès significatifs dans l’interprétation assistée par ordinateur des signaux médicaux, y compris les signaux ECG. Les modèles traditionnels d’apprentissage automatique basés sur des fonctionnalités, conçus à la main, souffrent de problèmes de scalabilité et d’adaptation selon les populations de patients. Pour relever ces défis, des modèles profonds comme les CNN et des modèles hybrides combinant CNN avec des modèles récurrents comme les LSTM ont émergé afin d’apprendre automatiquement les caractéristiques pertinentes à partir des signaux ECG bruts. Cela a considérablement amélioré la précision de classification¹².

Cette étude propose un cadre d’apprentissage profond pour classer les signaux ECG en cinq catégories de battements cardiaques : normal (N), bloc de branche gauche (L), bloc de branche droite (R), battement prématuré de l’atrie (A) et contraction ventriculaire prématurée (V). Pour entraîner le modèle, nous utilisons des ensembles de données ECG accessibles publiquement tels que la base de données des arythmies du MIT-BIH et la base de données supraventriculaire. Ces ensembles de données sont prétraités et divisés en segments de longueur fixe pour analyse. Puisque le déséquilibre de classe est un problème courant dans les données d’arythmie, nous appliquons la technique de suréchantillonnage des minorités synthétiques (SMOTE) pour équilibrer les données d’entraînement. Cela garantit que le modèle peut apprendre efficacement de toutes les classes et améliorer sa précision dans la classification des différents types de battements de cœur.

S’inspirant des progrès récents dans la classification ECG, incluant des modèles utilisant des transformées en ondelettes continues (CWT) et des architectures CNN, l’approche proposée utilise à la fois un modèle CNN standard et un modèle hybride incorporant des couches transformateurs. En combinant un CNN pour l’extraction spatiale des caractéristiques et un transformateur pour capturer les dépendances temporelles, ce système atteint une grande précision, avec F1 et une précision proches de 100 % dans toutes les classes^13,14.

Les « caractéristiques spatiales » désignent des traits liés à la position ou à l’emplacement de quelque chose, tels que la distance, la direction et la forme. En revanche, les « caractéristiques temporelles » désignent des éléments liés au temps, comme le moment où un événement s’est produit, sa durée ou la séquence des événements. Essentiellement, « spatial » signifie « espace » et « temporel » signifie « temps ».

Les principaux objectifs de cette recherche étaient de développer un modèle précis et évolutif pour la détection en temps réel des arythmies et de soutenir le champ croissant des diagnostics pilotés par l’IA dans le secteur de la santé. Ce système montre un potentiel pour la surveillance en temps réel, permettant une détection précoce et une intervention pour les patients à risque d’événements cardiaques.

Les objectifs de ce travail de recherche sont multiples. Tout d’abord, cette technique proposée vise à classer les battements arythmiques en cinq catégories : normal (N), bloc de branche gauche (L), bloc de branche droite (R), battement prématuré auriculaire (A) et contraction ventriculaire prématurée (V). Deuxièmement, cette recherche vise à construire un modèle hybride CNN et transformateur capable d’obtenir à la fois des informations morphologiques et temporelles à partir des signaux ECG sans prétraitement¹⁵. Troisièmement, cette technique proposée vise à fournir une solution orientée performance pouvant être mise en œuvre en temps réel. Quatrièmement, cette recherche vise à démontrer des améliorations de la précision et de la sensibilité du modèle proposé par rapport aux modèles de^{pointe 16,17}.

De plus, les réseaux convolutionnels de graphes (GCN), qui modélisent les interactions entre facteurs physiologiques au sein d’un graphe structuré, ont été introduits pour les tâches de prédiction biomédicale et pourraient jouer un rôle dans les futurs modèles de classification des arythmies qui prennent en compte les dépendances entre les électrodos.

Protocole

Déclaration éthique
Cette étude s’est entièrement appuyée sur des données publiques d’ECG anonymisées téléchargées depuis PhysioNet. Tous les ensembles de données utilisés dans cette étude ont été initialement collectés avec le consentement des sujets et avec l’approbation éthique des détenteurs des données concernés. Cette recherche n’a nécessité aucune collecte de données, aucun travail expérimental avec des sujets humains ou animaux, ni informations d’identité personnelle des patients. Par conséquent, aucune nouvelle révision éthique n’a été demandée.

Méthodologie
La Figure 2 illustre le flux de travail de l’architecture proposée.

Collecte de données
Les données ECG sont collectées à partir de la base de données PhysioNet, un dépôt populaire de signaux physiologiques. Plusieurs ensembles de données sont récupérés à partir de la base de données. Ces ensembles de données sont fusionnés en un seul ensemble de données principal qui comprend différentes classes de signaux ECG.

Ensembles de données utilisés
Cette étude a utilisé plusieurs ensembles de données ECG disponibles publiquement pour développer et évaluer un modèle d’apprentissage profond pour la classification des arythmies. La sélection de ces ensembles de données a été réalisée avec soin, en tenant compte de leur diversité en termes de démographie des patients et de la variété des types d’arythmies, afin de garantir que le modèle proposé fonctionne bien dans différents^{scénarios 9}. Pour cette étude, seules les données Lead-I provenant de la base de données des arythmies du MIT-BIH, de la base de données des arythmies supraventriculaires du MIT-BIH, de la base de données des arythmies 12-dérivations INCART de St. Petersburg et de la base de données Holter pour la mort subite cardiaque ont été combinées. Ces ensembles de données sont connus pour leurs enregistrements ECG annotés de haute qualité qui couvrent un large éventail de classes d’arythmies.

Les ensembles de données combinés ci-dessus incluent la démographie des patients, les dispositifs d’enregistrement, les fréquences d’échantillonnage et les contextes. La variabilité mentionnée ci-dessus dans le modèle améliore sa généralisation en l’exposant à une large gamme de morphologies ECG, de bruit et de rythmes.

Description des ensembles de données
Base de données des arythmies du MIT-BIH
Le jeu de données sur les arythmies du MIT-BIH contient 48 enregistrements ECG de trente minutes, numérotés de 100 à 234. Chaque enregistrement contient des signaux ECG à deux canaux numérisés à 360 échantillons par seconde. Les données sont stockées aux formats .dat, .hea et .atr.

Base de données sur les arythmies supraventriculaires du MIT-BIH
Il s’agit d’un sous-ensemble spécifique des bases de données MIT-BIH. La base de données des arythmies supraventriculaires du MIT-BIH comprend 78 enregistrements ECG complets, allant de 30 minutes à plusieurs heures, numérotés 801 à 811. Chaque enregistrement inclut des signaux ECG à deux canaux, convertis en format numérique à 128 échantillons par seconde.

La base de données d’arythmies 12 dérivations INCART de Saint-Pétersbourg
Cette base de données comprend 75 enregistrements annotés prélevés sur 32 moniteurs Holter. Chaque enregistrement dure 30 minutes et comprend 12 leads standards, chacun échantillonné à 257 Hz. La puissance du signal varie entre 250 et 1100 unités de convertisseur analogique-numérique par millivolt.

Base de données Holter pour décès cardiaque imprévu
Ce jeu de données fait partie des nombreux enregistrements Holter en accès libre qui capturent les occurrences factuelles de tachycardie ventriculaire (TV) et de fibrillation ventriculaire (FV). Les deux peuvent entraîner une mort cardiaque imprévue. Chaque disque dure 24 heures et est échantillonné à 250 Hz.

Prétraitement des données
Dans cette étude, quatre bases de données publiques ECG avec des taux d’échantillonnage différents ont été utilisées : MIT-BIH Arythmie (360 Hz), MIT-BIH Supraventriculaire Arrythmie (128 Hz), St. Petersburg INCART 12-dérivation (257 Hz) et Holter pour mort subite cardiaque (250 Hz). Pour garantir que toutes les données étaient cohérentes et pouvaient être combinées lors de l’entraînement du modèle, tous les signaux ECG ont été rééchantillonnés à un taux commun de 360 Hz, qui correspond à la base de données d’arythmies du MIT-BIH et est couramment utilisé comme norme dans la recherche ECG. Le rééchantillonnage était effectué par interpolation limitée par bande ; initialement, les signaux ECG étaient filtrés en passe-bas pour éviter l’aliasing, puis un noyau de reconstruction basé sur le SINC a été utilisé pour l’interpolation, suivi d’un rééchantillonnage final à 360 Hz. Après rééchantillonnage, chaque signal a été divisé en fenêtres de 180 échantillons, soit environ 0,5 s de données, garantissant que tous les ensembles de données aient la même résolution temporelle. Cette standardisation a permis de combiner des signaux provenant de différentes bases de données pour l’entraînement et les tests, aidant le modèle à apprendre des motifs cohérents au fil du temps.

Le prétraitement impliquait plusieurs étapes importantes pour garantir la qualité des données d’entrée :
Segmentation des données :
Après rééchantillonnage, chaque signal ECG était divisé en fenêtres de longueur fixe de 180 échantillons. Cela correspond à environ 0,5 s de durée du signal à une fréquence d’échantillonnage de 360 Hz. Cette recherche utilisait une fenêtre coulissante fixe, non chevauchante, pour la segmentation. Chaque fenêtre a recueilli une séquence continue d’échantillons ECG. L’étude a choisi une fenêtre de 180 échantillons car un intervalle de 0,5 s suffit à capturer un cycle cardiaque complet ou ses principales parties : l’onde P, le complexe QRS et l’onde T, pour les fréquences cardiaques typiques chez les adultes. Une étiquette de classe était attribuée à chaque segment en fonction de l’annotation au centre du segment. Ainsi, l’étiquette du segment correspondait à la forme principale du battement de cœur dans cette fenêtre. La méthode de la fenêtre coulissante a appliqué cette fonction de segmentation :

où s_i est l’échantillon ECG au moment i.

Normalisation :
Normalisation des données ECG segmentées avec un ajustement Min-Max pour s’assurer que toutes les caractéristiques avaient des valeurs comprises entre 0 et^{1 10}.

Cette étape aide à accélérer la convergence du modèle pendant l’entraînement.

Équilibrage des classes avec SMOTE
Les battements normaux (N) dépassaient largement les classes anormales de battements cardiaques dans l’ensemble de données ECG, qui montraient un déséquilibre de classe significatif. Après segmentation, normalisation et division par train-test, le jeu de données d’entraînement a été soumis à la technique de suréchantillonnage synthétique des minorités (SMOTE) pour résoudre ce problème.

Un espace de caractéristiques de dimension 180 a été utilisé pour représenter chaque segment ECG, composé de 180 échantillons normalisés. SMOTE utilisait la distance euclidienne pour déterminer les k plus proches voisins (k = 5) de chaque échantillon minoritaire au sein de sa propre classe. SMOTE était appliqué uniquement aux données d’entraînement, qui étaient divisées en 70 % d’ensembles d’entraînement et 30 % d’ensembles de test à l’aide d’échantillonnage stratifié. Ainsi, aucun échantillon artificiel n’a été ajouté à l’ensemble de tests, garantissant que les résultats du test n’étaient pas influencés par le suréchantillonnage. Les données de test sont restées inchangées, conservant leur distribution de classes initiale, et n’ont été utilisées que pour évaluer le modèle de manière équitable. En conséquence, les résultats de haute performance de cette étude démontrent la véritable capacité du modèle à généraliser, non pas due à un surajustement ou à des scores gonflés liés à l’ajout d’échantillons supplémentaires.

Répartition des essais :
Après prétraitement et filtrage des classes, l’ensemble de données a été divisé en sous-ensembles d’entraînement et de test avec une répartition de 70 % à 30 % grâce à un échantillonnage aléatoire stratifié. Cette stratification est basée sur les étiquettes de classes afin de garantir que les proportions relatives de chaque classe de battements de cœur sont maintenues dans les ensembles d’entraînement et de test.

La division a été réalisée à l’aide d’une graine aléatoire pour la reproductibilité. Chaque segment ECG apparaissait exclusivement dans le set d’entraînement ou dans le set de test. Pour éviter les biais et les déviations des données, chaque étape de prétraitement pouvant affecter la distribution des données (à savoir, l’équilibrage des classes via SMOTE) n’était effectuée qu’après scindation et uniquement sur les données d’entraînement.

À cet égard, en maintenant les proportions de classes, en utilisant la stratification aléatoire et en séparant strictement les échantillons en ensembles d’entraînement et de test, le processus de découpage réduit la probabilité de biais dans les échantillons, permettant aux métriques de performance de refléter la généralisation du modèle plutôt que les résidus spécifiques aux données.

Découpe des ensembles de données et distribution des classes
Le jeu de données final a été divisé en ensembles d’entraînement et de test, avec 70 % pour l’entraînement et 30 % pour les tests. Après l’application de SMOTE, le déséquilibre de classe a été réduit, garantissant que chaque type d’arythmie était bien représenté à la fois dans les ensembles d’entraînement et de test. Un total de 3 966 620 segments ECG ont été utilisés pour la formation, tandis que 112 575 segments ECG ont été utilisés pour les tests. Le grand volume de données, combiné à la variété des types d’arythmies, a permis la création d’un modèle identifiant efficacement différents types d’arythmies dans les signaux ECG réels. Cette étude utilise des modèles d’apprentissage profond pour classer les arythmies de l’ECG. Les cinq types de battements cardiaques, à savoir Normal (N), Bloc de branche du faisceau gauche (L), Bloc de branche du faisceau droit (R), Battement prématuré de l’Atrie (A) et Contraction ventriculaire prématurée (V), ont été choisis conformément aux annotations standardisées du battement fournies dans la base de données des arythmies du MIT-BIH ainsi qu’aux directives AAMI pour l’annotation du battement ECG. Les cinq annotations de battement mentionnées ici englobent toutes des affections cardiaques importantes qui relèvent de la large catégorie des arythmies et présentent des caractéristiques d’onde distinctives dans les signaux ECG autour des ondes P, QRS et T.

De plus, ces classes comptent parmi les plus fréquentes et sont systématiquement étiquetées dans les bases de données publiques d’ECG, ce qui facilite la vérification de leur efficacité comparée à d’autres approches de classification du rythme cardiaque basées sur l’ECG. Les ensembles de données ont été répartis selon une méthode inter-patients. Cette configuration garantissait que les segments ECG d’un seul patient n’apparaissaient pas simultanément dans les ensembles d’entraînement et de test. Une fois cette division effectuée, SMOTE n’a été appliqué qu’à l’ensemble d’entraînement. L’ensemble de test est resté exempt d’échantillons synthétiques et de fenêtres temporelles répétées. Tout cela aide à éviter le chevauchement au niveau des segments et favorise une véritable généralisation lorsqu’on traite des patients non vus auparavant.

Répartition des classes avant et après SMOTE :
Le jeu de données original présentait un déséquilibre significatif entre les classes, avec un grand nombre de battements normaux (N) et moins d’échantillons pour les classes anormales. Avant l’utilisation de SMOTE, les données d’entraînement comptaient environ 133 320 segments Normal (N), 8 075 Bloc de branche gauche (L), 10 431 Bloc de branche droite (R), 4 489 Battements prématurés auriculaires (A) et 60 682 segments de contraction ventriculaire prématurée (V). Pour corriger ce déséquilibre, SMOTE a été appliqué uniquement à l’ensemble d’entraînement, augmentant le nombre d’échantillons dans les classes minoritaires pour correspondre à la classe majoritaire. Après l’augmentation, chaque classe comptait 793 324 segments, ce qui a totalisé 3 966 620 segments ECG pour la formation. L’ensemble test, qui comptait 112 575 segments, a conservé sa distribution de classes initiale et n’a pas été suréchantillonné. Cette approche garantissait une évaluation juste et impartiale des performances du modèle.

Formation et inférence
a examiné l’efficacité computationnelle en vérifiant les performances d’entraînement et d’inférence sur un GPU NVIDIA RTX 3050 avec 6 Go de mémoire. Le processus de formation durait environ 3,2 heures sur 60 époques. La latence d’inférence était en moyenne de 0,45 ms pour chaque segment de 180 échantillons, ce qui permet une utilisation en temps réel. L’utilisation de la mémoire sur le GPU a atteint un pic de 4,2 Go, et le modèle ne dispose que de 1,8 million de paramètres, ce qui le rend léger comparé à la plupart des systèmes ECG basés sur transformateurs.

Le processus d’entraînement et d’inférence comprend les étapes suivantes :
Configuration de la formation : Paramètres d’entraînement, tels que le taux d’apprentissage, la taille du lot et les époques, sont définis.
Entraînement du modèle : Le modèle CNN-Transformer est entraîné sur les données d’entraînement.
Validation : Après l’entraînement, la précision et la perte de validation du modèle sont vérifiées. Si les performances sont bonnes, le modèle est sauvegardé. Si les performances sont faibles, le pipeline se répète avec différents paramètres d’entraînement, en revenant à l’étape de réglage des paramètres.

Architecture du modèle
L’ensemble du système CNN-Transformateur comprend quatre parties principales : extraction convolutive des caractéristiques, une couche de projection, l’encodeur du transformateur, et enfin la tête de classification. Le bloc convolutionnel commence par une couche convolutionnelle unidimensionnelle avec 32 filtres, une taille de noyau de 3, une foulée de 1 et un bourrage de 1, suivi d’un ReLU. Cela réduit les choses avec le max-pooling, taille du noyau 2, pour réduire la résolution temporelle du signal. Après cette première couche de convolution, il y en a une autre avec 64 filtres, même taille de noyau 3, foulée 1, bourrage 1, ReLU à nouveau, et un autre max-pooling de taille 2. La sortie de tout cela est aplatie, passée à travers une couche de projection linéaire qui associe les caractéristiques à un espace d’immersion de dimension 128, qui alimente ensuite le transformateur^18,19.

Le bloc transformateur comporte deux couches d’encodeur, chacune avec une auto-attention multi-têtes utilisant 4 têtes pour capter les dépendances à longue portée dans le signal ECG. Dans chaque couche, il existe un réseau feedforward positionnel avec une taille cachée de 256 et un coup de débranchement de 0,5 pour aider au surappoint. La normalisation des couches a lieu après chaque sous-couche, ce qui stabilise l’entraînement.

Pour la tête de classification, c’est une couche entièrement connectée qui descend de 128 à 64, suivie de ReLU et de nouveau de 0,5. Ensuite, la couche de sortie contient cinq neurones pour les classes d’arythmies, avec Softmax pour obtenir les probabilités.

Blocs de réseaux neuronaux convolutionnels 1D (CNN) :
Le bloc CNN se compose de deux couches convolutionnelles 1D, chacune suivie d’une activation ReLU et d’une couche de pooling max. Ces couches aident à identifier les relations spatiales au sein du signal ECG d’entrée. Pour améliorer l’extraction des caractéristiques, des fonctions d’activation supplémentaires de ReLU sont appliquées après chaque étape de transformation dans les couches CNN.

Première couche convolutionnelle : Cette couche utilise 32 filtres, chacun de taille 3, sur le signal d’entrée. Le processus peut s’écrire ainsi :

      

où y_i est la sortie, w_j représente les poids du filtre, x_i+j est le segment d’entrée, b est le terme de polarisation, et σ représente la fonction d’activation (ReLU). La carte de caractéristiques résultante passe par une couche d’activation ReLU pour ajouter la non-linéarité :

Couche de pooling : Après chaque opération convolutionnelle, une étape de max-pooling est appliquée pour réduire de moitié les dimensions spatiales. Ce processus est défini comme suit :

Cela permet de conserver les caractéristiques les plus significatives tout en réduisant la charge de calcul.

Deuxième couche convolutionnelle : Cette couche utilise 64 filtres de taille 3 x 3 pour traiter les cartes de caractéristiques de la couche précédente, permettant au modèle de détecter des motifs plus complexes. Après la convolution, une fonction d’activation ReLU est appliquée pour introduire la non-linéarité dans le modèle.

Cette étape garantit que le modèle capture des motifs détaillés à partir du signal ECG.

Couches d’activation supplémentaires : L’activation de ReLU est appliquée après chaque étape suivant le processus de convolution pour aider le réseau à mieux capturer des motifs complexes, garantissant que le modèle se concentre sur des activations positives.

Processus d’aplatissement : Après la deuxième opération de max-pooling, les feature maps sont aplaties en un seul vecteur pour l’entrée du bloc transformateur.

Blocs de transformateurs :
Le bloc transformateur se compose de deux couches d’auto-attention multi-têtes, qui aident le modèle à comprendre les relations entre différentes parties du signal ECG au fil du temps. L’auto-attention multi-têtes fonctionne en examinant chaque paire d’éléments dans une séquence. Pour une suite avec requête Q, clé K et valeur V, l’attention est calculée comme suit :

Ici, dk est la dimensionnalité des vecteurs clés, assurant l’invariance d’échelle.

Couches feedforward : Chaque sortie d’auto-attention passe par un réseau feedforward entièrement connecté avec activation ReLU, suivie de la normalisation des couches. Cette étape affine les caractéristiques temporelles extraites :

où W1 et b1 sont les poids et les biais de la couche d’avance.

Représentation par lots : Le transformateur fonctionne sur des séquences en configuration batch-first, assurant la compatibilité avec le format d’entrée du bloc CNN.

Couches entièrement connectées (denses) :
Après traitement via le bloc transformateur, la séquence de sortie est aplatie puis envoyée à travers deux couches entièrement connectées pour effectuer la classification. La première couche entièrement connectée transforme le vecteur d’entrée en un espace de caractéristiques de 128 dimensions, le remodelant au passage.

où W est la matrice de poids, x est le vecteur d’entrée, et b est le vecteur de polarisation. Une couche d’activation ReLU est appliquée :

Une couche de déchure avec un taux de 0,5 suit pour éviter le sur-ajustement.

Deuxième couche entièrement connectée : La couche finale associe les caractéristiques de dimension 128 au nombre de classes de battements de cœur (par exemple, 5 classes pour la détection des arythmies). La sortie passe par une fonction log-SoftMax pour calculer les probabilités logaritaires : exp(xi)

Modèle hybride CNN-transformateur
Le modèle présenté est un modèle hybride d’apprentissage profond qui combine les forces des CNN et des transformateurs pour utiliser à la fois des représentations spatiales et temporelles. Cette architecture est spécialement adaptée pour traiter des données complexes et de longue séquence telles que des signaux physiologiques.

L’équation représente la représentation en entrée, où N = nombre d’échantillons, T = nombre d’écarts de temps, d = dimension de caractéristique par pas de temps.

Cette équation désigne les plongements positionnels, où pos = position dans la séquence ; i = indice de dimension d’enracinement.

Module CNN – Extraction locale des caractéristiques
Les CNN apprennent efficacement les dépendances locales et les schémas morphologiques tels que les pics, pentes ou pics dans les données séquentielles. La couche convolutionnelle utilise des noyaux d’étendue spatiale sur un tenseur d’entrée . Chaque canal de sortie m est déterminé par :

= nombre de canaux d’entrée ; K = taille du noyau ; W = poids de filtre ; b = biais

Fonction ReLU
Dans ce cas, représente le poids apprenable et est le biais pour le canal mA, une activation non linéaire, comme l’Unité Linéaire Rectifiée (ReLU), est appliquée :

Pooling et compression des fonctionnalités
Les couches de pooling réduisent la dimension spatiale ou temporelle des cartes de caractéristiques, préservant des éléments importants et réduisant le calcul. Dans le pooling maximal avec taille de fenêtre et foulée s, la caractéristique regroupée à l’emplacement est :

Longueur de sortie après mise en commun

Où est la longueur d’entrée ; stride définit une taille de pas pour faire glisser la fenêtre de pooling. Cette formule calcule la longueur de sortie d’une carte de caractéristiques après une opération de mise en commun (par exemple, le pooling maximal). Il calcule à quel point la feature map est réduite en fonction de la longueur d’entrée, de la taille du pool et de la foulée. Transforme des cartes de caractéristiques multidimensionnelles en un vecteur pour des couches entièrement connectées.

Encodeur transformateur – capture des dépendances à longue portée
Les transformers utilisent l’auto-attention pour apprendre les dépendances temporelles à longue portée dans les séquences¹⁷.

Attention scalaire à échelle

Q, K, V sont des matrices de requête, de clé et de valeur calculées par projection apprise ; est la dimension clé utilisée pour mettre à l’échelle le produit scalaire.

Attention multi-tête

Chaque tête calcule l’attention indépendamment ; les sorties sont concaténées et transformées linéairement. sont des matrices de projection apprises pour chaque tête.   est le poids de projection final après la concaténation^18,19_.

Prédiction finale et défaite
Les couches entièrement connectées associent des caractéristiques aux logits, qui sont ensuite transformées en prédictions à l’aide de fonctions d’activation. Après quelques couches convolutionnelles et de pooling, est aplati en un vecteur Une couche entièrement connexe calcule les logits : Une couche entièrement connectée calcule alors les logites de classe :

Activation Sigmoid/Softmax :

La fonction d’activation associe la sortie brute « z » du modèle aux probabilités. Le sigmoïde est appliqué à la classification binaire, et le softmax aux problèmes multi-classes pour la distribution des probabilités entre classes. z est la sortie linéaire (par exemple, dernière couche : z = Wx + b). La sortie ŷ est comprise entre (0, 1), ce qui signifie une^{probabilité 20}.

Processus de formation
La formation était réalisée sur un système avec les spécifications matérielles suivantes :
Processeur : AMD Ryzen 7 7840HS
RAM CPU : 16 Go
RAM GPU : 6 Go NVIDIA GeForce RTX 3050

Les modèles ont été entraînés à l’aide de l’optimiseur Adam, qui adapte le taux d’apprentissage pendant l’entraînement en fonction des premier et deuxième moments du gradient. La règle de mise à jour pour Adam est donnée par :

Dans cette configuration, m^t et v^t représentent les estimations du premier et du second moment, α est le taux d’apprentissage, et ε est une petite constante utilisée pour éviter la division par zéro. Les modèles ont été entraînés pendant 60 époques, avec des arrêts précoces pour éviter le surappoint. Un lot de 1024 était utilisé, et les données d’entraînement étaient chargées dans les modèles à l’aide du DataLoader de PyTorch. Le dropout et la normalisation par lots ont été intégrés pour régulariser le modèle et accélérer la convergence. Le dropout est une méthode de régularisation qui désactive aléatoirement un pourcentage p des neurones pendant l’entraînement, ce qui aide à réduire le sur-ajustement. Mathématiquement, soit zi l’activation du^ième neurone. Pendant la phase d’entraînement, l’activation modifiée z' est calculée comme suit :

où p est le taux d’abandon scolaire (par exemple, p = 0,5 pour un abandon de 50 %). Lors de l’inférence, aucune coupure n’est appliquée et le réseau complet est utilisé.

La convergence dans les réseaux de neurones est un problème qui impacte significativement les systèmes de classification existants dans le secteur de la santé, surtout lorsque les diagnostics sont incohérents en raison d’une convergence insuffisante. Des recherches récentes sur les approches d’optimisation en temps prédéfini et la convergence à un temps fixe ont montré qu’il est encore possible d’entraîner des modèles convergent dans un nombre fixe d’itérations pour tous les états initiaux. Les modèles futurs basés sur celui-ci peuvent inclure une optimisation en temps prédéfini.

Normalisation par lots :
La normalisation par lots stabilise et accélère l’entraînement en normalisant les entrées de chaque couche. Étant donné un mini-lot d’activations x = {_{x 1}, x₂, . . ., x_N}, la sortie normalisée par lots x_i .se calcule comme suit :

où μ^B et σ^B2 sont la moyenne et la variance du lot, ε est une petite constante pour la stabilité numérique, et γ et β sont des paramètres apprenables qui scalent et déplacent les valeurs normalisées. La normalisation par lots aide à réduire le décalage interne des covariables et permet l’utilisation de taux d’apprentissage plus élevés. Ces techniques, combinées à l’optimiseur Adam, assurent un entraînement robuste en atténuant le surapprentissage et en améliorant la vitesse de^{convergence 21,22}.

La figure 3 montre la perte de validation et la précision de validation sur des époques lors de l’entraînement d’un modèle d’apprentissage automatique. La précision de la validation (ligne bleue, axe Y droit) commence relativement faible (environ 97,5 %) et augmente rapidement au cours des dix premières époques. Elle continue de s’améliorer et atteint des niveaux d’environ 99,7 % à 99,8 % après environ 20 époques. Cela indique que le modèle apprend et applique bien les connaissances sur l’ensemble de validation. La perte de validation (ligne rouge, axe Y gauche) commence élevée, puis chute brutalement jusqu’à presque zéro dans les premières époques (environ 2 à 3). Après cela, il reste quasiment à zéro pour le reste de^{l’entraînement de 23,24}.

Résultats

Cette section présente un modèle hybride d’apprentissage profond conçu pour catégoriser les arythmies à partir des données ECG. Le modèle est évalué sur sa capacité à reconnaître cinq classifications cliniquement significatives des battements cardiaques : contraction prématurée auriculaire, normale, blocage de branche gauche, blocage de branche droite et contraction ventriculaire précoce. Une évaluation complète est essentielle compte tenu de la pertinence clinique de ces classes d’aryth...

Discussion

En reconnaissant et catégorisant les arythmies issues des signaux bio ECG, le modèle hybride d’apprentissage profond proposé combine des structures de transformateurs et des réseaux neuronaux convolutionnels 1D (CNN) et présente d’excellentes performances. Cette combinaison tire parti de la capacité du transformateur à apprendre les dépendances temporelles globales grâce à des mécanismes d’auto-attention et de la capacité du CNN à identifier des caractéristiques spatiales localisées à pa...

Matériaux

Liste des matériaux utilisés dans cet article

Nom	Entreprise	Numéro de catalogue	Commentaires
Adam Optimiser	Open source (PyTorch)	https://pytorch.org/docs/stable/optim.html	Algorithme d’optimisation utilisé pour entraîner le modèle d’apprentissage profond en adaptant les taux d’apprentissage lors de la rétropropagation.
Matériel (système de calcul)	AMD ; NVIDIA	https://www.amd.com/en/products/processors/laptop/ryzen/7000-series/amd-ryzen-7-7840hs ; https://www.nvidia.com	Processeur : AMD Ryzen 7 7840HS ; RAM processeur : 16 Go ; GPU : NVIDIA GeForce RTX 3050 (6 Go de VRAM). Utilisé pour l’entraînement et l’évaluation de modèles.
Apprentissage déséquilibré	Apprentissage déséquilibré	https://imbalanced-learn.org	Bibliothèque Python utilisée pour l’équilibrage des classes avec la technique de suréchantillonnage des minorités synthétiques (SMOTE).
Matplotlib	Matplotlib	https://matplotlib.org	Bibliothèque Python utilisée pour tracer les signaux ECG, les matrices de confusion et les graphiques de performance.
Bases de données ECG PhysioNet	PhysioNet	https://physionet.org	Les ensembles de données ECG publics utilisés dans l’étude, incluant les bases de données MIT-BIH Arrhythmie, MIT-BIH Supraventriculaire Arrhythmie, INCART 12-leads et Sudden Cardiac Death Holter.
PyTorch	PyTorch	https://pytorch.org	Framework d’apprentissage profond Python utilisé pour implémenter les modèles CNN et Transformer, le pipeline d’entraînement et l’inférence.
Python	Fondation Python Software	https://www.python.org	Langage de programmation utilisé pour le prétraitement des données, le développement de modèles, l’entraînement et l’évaluation.
Seaborn	Seaborn	https://seaborn.pydata.org	Bibliothèque de visualisation de données en Python utilisée pour les graphiques statistiques et la visualisation de résultats.
WFDB	WFDB	https://wfdb.readthedocs.io	Un paquet Python utilisé pour lire, écrire, traiter et tracer des signaux physiologiques et annotations à partir des bases de données PhysioNet.