Apprentissage d'arbre de décision pour le pilotage en ligne d'algorithmes de détection sur les électrocardiogrammes

National audienceLe nombre d'algorithmes de traitement du signal (compression, reconnaissance des formes, etc.) grandit progressivement ce qui rend de plus en plus difficile le choix de l'algorithme le plus adapté à une tâche particulière. Ceci est particulièrement vrai pour l'analyse automatique des électrocardiogrammes (ECG) notamment pour la détection des complexes QRS. Bien que chaque algorithme de la littérature se comporte de manière satisfaisante dans des situations normales, il existe des contextes où un algorithme est plus adapté que les autres, notamment en présence de bruit. Nous proposons une méthode de sélection qui choisit, en ligne, l'algorithme le plus adapté au contexte courant du signal à traiter. Les règles de sélection sont acquises par arbre de décision sur les résultats de performance de 7 algorithmes testés dans 130 contextes différents. Les résultats montrent la supériorité de l'approche proposée sur les algorithmes utilisés séparément. En outre, les performances des règles de sélection apprises sont très proches de celles des règles acquises par expertise, ce qui conforte notre approche