Deep learning models for arrhythmia classification and coronary artery diseases detection / Khaoula Tobbal  

Public ISBD Titre : Deep learning models for arrhythmia classification and coronary artery diseases detection Type de document : texte imprimé Auteurs : Khaoula Tobbal ; Djawhar Bouadam ; Abdelouahab Moussaoui, Directeur de thèse Editeur : Setif:UFA Année de publication : 2023 Importance : 1 vol (115 f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Arrhythmia  Coronary artery disease  CAD  Stenosis  Cardiovascular health  Deep learning model  Early detection  Medical imaging  Simple neural network  Transfer learning  Vision transformer  Volo  Arythmie  Maladie coronarienne  Sténose  Santé cardiovasculaire  Modèle d’apprentissage profond  Détection précoce  Imagerie médicale  Réseau neuronal simple  Apprentissage par transfert  Transformateur de vision Index. décimale : 004 Informatique Résumé : Arrhythmias and coronary artery disease (CAD) pose major challenges in cardiovascular health worldwide. Accurate diagnosis and timely intervention are crucial for the effective management of these conditions. This study focuses on addressing these challenges by applying deep learning models for arrhythmia classification and stenosis detection. Arrhythmias affect millions of people globally and are associated with increased morbidity and mortality.In this thesis we want to propose new classification models based on deep learning that will be able to classify arrhythmias, we propose three custom transfer learning models for simple neural network, we also proposed five transfer learning models, as well as three attention mechanisms. In addition, we used the signals of another dataset to train and test the vision transformer model. Our proposed models outperformed previously published work diagnostics using the same data, obtaining an accuracy of up to 99 %. CAD, which is characterized by narrowing of the arteries, is a leading cause of cardiovascular morbidity and mortality worldwide. Deep learning models trained on diverse medical imaging datasets show promising results in the detection and localization of arterial stenosis. So ,Also in this thesis we want to propose elliptical object detection models based on deep learning that will be able to detect stenosis, we propose four yolo models (v5, V7, V8 and yolo-nas last version), and we also propose three transnfer learning of the fastest Rcnn (darknet , resnet18 and nano) = Les arythmies et la maladie coronarienne (CAD) représentent des défis majeurs pour la santé cardiovasculaire dans le monde entier. Un diagnostic précis et une intervention rapide sont cruciaux pour la gestion efficace de ces affections. Cette étude vise à relever ces défis en appliquant des modèles d’apprentissage profond pour la classification des arythmies et la détection de sténoses. Les arythmies touchent des millions de personnes dans le monde et sont associées à une morbidité et une mortalité accrues. Dans cette thèse, nous proposons de nouveaux modèles de classification basés sur l’apprentissage profond qui seront capables de classer les arythmies. Nous proposons trois modèles d’apprentissage par transfert personnalisés pour les réseaux neuronaux simples, ainsi que cinq autres modèles d’apprentissage par transfert et trois mécanismes d’attention. De plus, nous avons utilisé les signaux d’un autre ensemble de données pour entraîner et tester le modèle de transformateur de vision. Nos modèles proposés surpassent les travaux précédemment publiés sur le diagnostic en utilisant les mêmes données, avec une précision allant jusqu’à 99%. La CAD, caractérisée par le rétrécissement des artères, est une cause majeure de morbidité et de mortalité cardiovasculaires dans le monde. Les modèles d’apprentissage profond entraînés sur des ensembles de données diversifiés d’imagerie médicale montrent des résultats prometteurs dans la détection et la localisation des sténoses artérielles. Ainsi, dans cette thèse, nous proposons également des modèles de détection d’objets elliptiques basés sur l’apprentissage profond qui seront capables de détecter les sténoses. Nous proposons quatre modèles YOLO (v5, V7, V8 et la dernière version de YOLO-NAS), ainsi que trois modèles d’apprentissage de transfert du RCNN le plus rapide (Darknet, ResNet18 et Nano). Côte titre : MAI/0762 En ligne : https://drive.google.com/file/d/1P7gGGAMYXB3VwZC7Z5CwPaEDHu5gmgZC/view?usp=drive [...] Format de la ressource électronique : pdf Deep learning models for arrhythmia classification and coronary artery diseases detection [texte imprimé] / Khaoula Tobbal ; Djawhar Bouadam ; Abdelouahab Moussaoui, Directeur de thèse . - [S.l.] : Setif:UFA, 2023 . - 1 vol (115 f.) ; 29 cm. Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Arrhythmia  Coronary artery disease  CAD  Stenosis  Cardiovascular health  Deep learning model  Early detection  Medical imaging  Simple neural network  Transfer learning  Vision transformer  Volo  Arythmie  Maladie coronarienne  Sténose  Santé cardiovasculaire  Modèle d’apprentissage profond  Détection précoce  Imagerie médicale  Réseau neuronal simple  Apprentissage par transfert  Transformateur de vision Index. décimale : 004 Informatique Résumé : Arrhythmias and coronary artery disease (CAD) pose major challenges in cardiovascular health worldwide. Accurate diagnosis and timely intervention are crucial for the effective management of these conditions. This study focuses on addressing these challenges by applying deep learning models for arrhythmia classification and stenosis detection. Arrhythmias affect millions of people globally and are associated with increased morbidity and mortality.In this thesis we want to propose new classification models based on deep learning that will be able to classify arrhythmias, we propose three custom transfer learning models for simple neural network, we also proposed five transfer learning models, as well as three attention mechanisms. In addition, we used the signals of another dataset to train and test the vision transformer model. Our proposed models outperformed previously published work diagnostics using the same data, obtaining an accuracy of up to 99 %. CAD, which is characterized by narrowing of the arteries, is a leading cause of cardiovascular morbidity and mortality worldwide. Deep learning models trained on diverse medical imaging datasets show promising results in the detection and localization of arterial stenosis. So ,Also in this thesis we want to propose elliptical object detection models based on deep learning that will be able to detect stenosis, we propose four yolo models (v5, V7, V8 and yolo-nas last version), and we also propose three transnfer learning of the fastest Rcnn (darknet , resnet18 and nano) = Les arythmies et la maladie coronarienne (CAD) représentent des défis majeurs pour la santé cardiovasculaire dans le monde entier. Un diagnostic précis et une intervention rapide sont cruciaux pour la gestion efficace de ces affections. Cette étude vise à relever ces défis en appliquant des modèles d’apprentissage profond pour la classification des arythmies et la détection de sténoses. Les arythmies touchent des millions de personnes dans le monde et sont associées à une morbidité et une mortalité accrues. Dans cette thèse, nous proposons de nouveaux modèles de classification basés sur l’apprentissage profond qui seront capables de classer les arythmies. Nous proposons trois modèles d’apprentissage par transfert personnalisés pour les réseaux neuronaux simples, ainsi que cinq autres modèles d’apprentissage par transfert et trois mécanismes d’attention. De plus, nous avons utilisé les signaux d’un autre ensemble de données pour entraîner et tester le modèle de transformateur de vision. Nos modèles proposés surpassent les travaux précédemment publiés sur le diagnostic en utilisant les mêmes données, avec une précision allant jusqu’à 99%. La CAD, caractérisée par le rétrécissement des artères, est une cause majeure de morbidité et de mortalité cardiovasculaires dans le monde. Les modèles d’apprentissage profond entraînés sur des ensembles de données diversifiés d’imagerie médicale montrent des résultats prometteurs dans la détection et la localisation des sténoses artérielles. Ainsi, dans cette thèse, nous proposons également des modèles de détection d’objets elliptiques basés sur l’apprentissage profond qui seront capables de détecter les sténoses. Nous proposons quatre modèles YOLO (v5, V7, V8 et la dernière version de YOLO-NAS), ainsi que trois modèles d’apprentissage de transfert du RCNN le plus rapide (Darknet, ResNet18 et Nano). Côte titre : MAI/0762 En ligne : https://drive.google.com/file/d/1P7gGGAMYXB3VwZC7Z5CwPaEDHu5gmgZC/view?usp=drive [...] Format de la ressource électronique : pdf

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0762	MAI/0762	Mémoire	Bibliothéque des sciences	Anglais	Disponible Disponible

---

1 (1 - 1 / 1)