Abstrait

ÉVALUATION DE L'APPRENTISSAGE AUTOMATIQUE DANS LA PRÉDICTION DU PAF

Ashraf Anwar, Said Ghoniemy

Dans cet article, nous présentons la machine à vecteurs de support (SVM) et le réseau neuronal artificiel (ANN) comme deux outils d'apprentissage automatique dans le problème de classification concernant l'objet Normal/PAF dans la prédiction de la fibrillation auriculaire paroxystique (PAF). La PAF est une maladie vraiment mortelle et elle est le résultat d'une dépolarisation irrégulière et répétée des oreillettes. En utilisant la base de données de défis de prédiction de la PAF (afpdb), nous divisons les 30 minutes précédant la PAF en 6 périodes de 5 minutes chacune. Dans chaque période suggérée, nous obtenons le résultat de la classification en utilisant la machine à vecteurs de support (SVM) et le réseau neuronal artificiel (ANN). L'évaluation des performances des deux classificateurs est comparée en fonction de la sensibilité, de la spécificité, de la prédictivité positive et de la précision mesurées. Les résultats indiquent que le classificateur SVM donne une précision de prédiction légèrement supérieure à celle de l'ANN. Les deux classificateurs réalisent des résultats significatifs comparables aux résultats obtenus dans le même domaine dans la littérature