Cette étude évalue les performances des modèles de réseaux neuronaux profonds basés sur l'électrocardiogramme pour le diagnostic de l'embolie pulmonaire (EP). L'embolie pulmonaire (EP) est une cause majeure d'arrêt cardiaque extra-hospitalier, et un diagnostic rapide est crucial. Cependant, l'angiographie pulmonaire par tomodensitométrie, outil diagnostique standard, n'est pas toujours disponible. Cette étude vise à développer un modèle de diagnostic de l'embolie pulmonaire à partir de données ECG facilement accessibles et rapides. Nous comparons et analysons les performances de différents modèles de réseaux neuronaux et étudions la possibilité d'améliorer les performances de généralisation des modèles en transférant les connaissances acquises à partir d'ensembles de données ECG à grande échelle, tels que PTB-XL, CPSC18 et MedalCare-XL, à un ensemble de données d'embolie pulmonaire plus restreint. Nous nous concentrons sur l'analyse de l'efficacité de l'apprentissage par transfert pour améliorer l'efficacité de l'apprentissage et les performances prédictives sur des données limitées.
