Thèse Doctorat en Sciences Mohamed Lamine TALBI ANALYSE ET

RÉPUBLIQUE ALGÉRIENNE DÉMOCRATIQUE ET POPULAIRE
Ministère de l'Enseignement Supérieur et de la Recherche Scientifique
UNIVERSITÉ MENTOURI DE CONSTANTINE
FACULTÉ DES SCIENCES DE L’INGÉNIEUR
DÉPARTEMENT D'ÉLECTRONIQUE
Thèse
Présentée pour obtenir le diplôme de
Doctorat en Sciences
Spécialité : Electronique
Option : Traitement du signal
Par:
Mohamed Lamine TALBI
THEME
ANALYSE ET TRAITEMENT DU SIGNAL
ÉLECTROCARDIOGRAPHIQUE (ECG)
Devant le jury:
Président A. BENNIA Professeur, Université de Constantine
Rapporteur A. CHAREF Professeur, Université de Constantine
Examinateurs F.SOLTANI Professeur, Université de Constantine
L. HAMAMI Professeur, Ecole Nationale Polytechnique d'Alger
R. DJEMILI Maître de Conférence, Université de Skikda
ANNÉE :2011

A mes parents,
A ma femme et ma fille,
A mes sœurs et mes frères,

Remerciements
v
Remerciements
Je tiens d'abord à remercier Monsieur Abdelhak Bennia d'avoir accepté la présidence
de mon jury de thèse, ainsi que Madame Latifa Hamami, Monsieur Fouzi Soltani et Monsieur
Rafik Djemili de m'avoir fait l'honneur de faire partie de mon jury de thèse.
Je remercie tout particulièrement Monsieur Abdelfatah Charef de m'avoir encadré
durant ces années de doctorat en étant toujours disponible et encourageant, pour son aide et
conseils et pour ses grandes valeurs humaines.
J'adresse mes remerciements à toute l’équipe du laboratoire traitement du signal de
l’université Mentouri de Constantine.
Je voudrais remercier mes parents pour leur amour et leur soutien. Je remercie
affectueusement, mes sœurs et mes frères pour leurs encouragements à poursuivre cette
longue route.
Je n'oublierai pas de remercier ma femme Afaf pour sa patience et son soutien et son
aide dans les moments difficiles.
Merci à tous ceux qui m'ont aidé de près ou de loin durant ces années de recherche et
d'études. Je ne peux conclure sans un mot de remerciement à tous mes enseignants tout le
long de ma formation.

Table des matières
vi
Table des matières
Remerciements.. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . .. . . v
Introduction Générale. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . 1
Chapitre I
Le cœur et l’électrocardiographie
1. Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . 7
2. Anatomie du cœur. . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . 7
3. Activité mécanique cardiaque. . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . .. . . . 7
4. La conduction électrique du cœur. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . 9
5. L'Electrocardiogramme (ECG). . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . 10
5.1 Les dérivations . . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . 10
5.2 Ondes et Intervalles de L'ECG . . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . . 13
6. Troubles du Rythme et de la Conduction Cardiaque . . . . . . .. . . . . . . .. . . . . . . .. . . . . 15
6.1 Rythme sinusal . . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . 15
6.2 Blocs cardiaques . . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . 15
6.2.1 Bloc Sino-Auriculaire (Bloc SA) . . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . 15
6.2.2 Blocs Auriculo-Ventriculaire (BAV) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
6.2.3 Blocs de branche . . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . 16
7. Les arythmies cardiaques . . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . 16
7.1 Extrasystoles supra-ventriculaires. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . 17
7.2 Contraction ventriculaire prématurée (extrasystole ventriculaire) 17
7.3 La tachycardie supra-ventriculaire. . . . .. . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . 17
7.4 La fibrillation auriculaire. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . 18
7.5 La tachycardie ventriculaire. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . 18
7.6 Fibrillation ventriculaire. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . 19
8. Artefacts visibles sur l'électrocardiogramme. . . . . . . .. . . . . . . .. . .. . . . .. . . . . . . .. . . . 20
8.1 Bruits techniques . . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . .. . . . . . . .. . . . . 20
8.2 Artefacts physiques . . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. .. . . . . .. . . . . . . .. . . 21
9. Conclusion. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . ... . . . . . .. . . . . . . .. . . . . . . .. . . . . . . . 23

Table des matières
vii
Chapitre II
Les réseaux de neurones artificiels
1. Introduction. . . . . . . .. . . . . . . . . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . 25
2. Eléments de base des réseaux de neurones. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . 26
2.1 Historique. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . 26
2.2 Du neurone biologique au modèle mathématique. . . . . . . . . . . . . . .. . . . . . . .. . . 27
2.2.1 Le modèle neurophysiologique. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . 27
2.2.2 Le modèle mathématique. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . . 27
2.3 Architecture des réseaux de neurones. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . 30
2.3.1 Les réseaux de neurones non bouclés (en Anglais feedforward) . . . . . . . . 30
2.3.2 Les réseaux de neurones bouclés (récurrents) . . . . . . .. . . . . . . .. . . . . . . . 30
2.4 Les types d’apprentissage des réseaux de neurones. . . . . . . .. . . . . . . .. . . . . . . . 31
2.4.1 L’apprentissage supervisé. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . . 31
2.4.2 L’apprentissage non supervisé. . . . . . . .. . . . . . . .. . . . . . .. . . . . . . .. . . . . 31
3. Les réseaux de neurones les plus utilisés. . . . . . . .. . . . . . . .. . . . . . .. . . . . . . .. . . . . . . 32
3.1 Les Perceptrons . . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . .. . . . . . . .. . . . . . 32
3.1.1 Le perceptron mono-couche (Perceptron simple) . . . . . . .. . . . . . . .. . . . . 32
3.1.2 Le perceptron multicouche (en anglais Multi Layer Perceptron) . .. . . . . . 33
3.2 Les réseaux à fonction radiale. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . .. . . 33
3.3 Les cartes auto-organisatrices de Kohonen (SOM) . . . . . . . .. . . . . . . .. . . . . . . . 33
3.4 Les réseaux de Hopfield. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . 33
3.5 Les réseaux ART. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . 34
4. Le classificateur perceptron multicouche. . . . . . . .. . . . . . . .. . . . . . . .. . . . .. . .. . . . . . . 34
4.1 Principe . . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . 34
4.2 Rétropropagation du gradient de l’erreur. . . . . . . .. . . . . . . .. . . .. . . .. . . . . . . .. . 35
5. Les cartes topologiques de Kohonen. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . .. . . . . . . .. . . 37
5.1 Définition . . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . .. . . . . . . .. . . 37
5.2 L’apprentissage compétitif . . . . . . . .. . . . . . . .. . . . . . . .. . . . . . .. . . . . . . .. . . . . 38
5.3 Processus d’apprentissage du réseau de Kohonen. . . . . . . .. . . .. . . .. . . . . . . . . . 39
5.4 L'algorithme d’apprentissage de Kohonen . . . . . . . .. . . . . . . .. .. . . . . .. . . . . . . .39
6. Les différentes applications de RNA. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . 39
6.1 Reconnaissance des formes. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . . . . . . . . .. . . . . 40