Arythmies cardiaques sur la base MIT-BIH
Reconnaître automatiquement les types de battements, puis mesurer ce qu'un battement prématuré change aux battements suivants.
- Contexte
- Projet individuel, UQTR
- Supervision
- Pr Usef Faghihi
- Données
- MIT-BIH Arrhythmia Database
- Statut
- Corrections méthodologiques en cours
- Question
Peut-on classer les battements cardiaques de façon fiable, et un battement prématuré modifie-t-il vraiment les intervalles RR qui suivent ?
- Intervention
Classification avec MiniRocket, XGBoost et un réseau CNN 1D + LSTM. Modélisation du rythme, puis estimation de l'effet causal avec Double ML et CausalForestDML.
- Effet
XGBoost atteint 0,74 d'exactitude. L'effet moyen (ATE) d'un battement prématuré sur les intervalles RR suivants est significatif.
Ces résultats sont préliminaires. Mon superviseur a relevé neuf problèmes, dont une fuite de données entre patients et des variables post-traitement prises comme facteurs de confusion. Je refais l'analyse en les corrigeant.
- Python
- Jupyter
- MiniRocket
- XGBoost
- CNN 1D + LSTM
- Double ML
- CausalForestDML
