La reconnaissance des anomalies médicales en Technologie FPGA

Dans le domaine médical, la classification constitue le principe de base de plusieurs systèmes d'aide au diagnostic, elle utilise différentes techniques afin d'aider l'expert à établir un deuxième diagnostic pour confirmer la pathologie. L'étude menée dans cet ouvrage est portée sur l'implémentation matérielle des classifieurs neuronaux sur cible FPGA, et afin d'atteindre nos objectifs, nous avons divisé notre travail en deux phases. La première consiste à étudier le classifieur neuronal CLN de type perceptron multicouche sous l'environnement Matlab afin d'enregistrer les valeurs finales des poids synaptiques et du biais de chaque neurone, qui seront implémentées par la suite dans la deuxième phase. Cette dernière se base sur la conception matérielle du classifieur CLN, réalisée par un langage de haut niveau de description matérielle VHDL. Notre conception est fondée sur l'emploi du principe de calcul SP (Semi-Parallèle) qui nous a permis de réaliser le classifieur matériel CLNH-SP. Nous avons implémenté par la suite, un modèle de classification SYST-SP sur le circuit FPGA permettant la reconnaissance des arythmies cardiaques en temps réel.

Mme BABA HAMED Amel née BENSEMAIN a obtenu son doctorat en Electronique Biomédical à l'Université Abou Bekr Belkaid de Tlemcen en 2017, en Algérie; Elle est membre de l'équipe CREDOM (Caractérisation et Reconnaissance des Données Médicales) du Laboratoire de Génie Biomédicale. Elle a obtenu son magister en microélectronique à Tlemcen en 2010.