Plusieurs étapes sont à réaliser pour mener à bien le projet :
1. Comparer et classer des bases de données de RCF. Vous trouverez ci-dessous des bases de données trouvées via des plateformes telles que Kaggle et UCI. Cependant ces bases de données pourraient être complétées via d’autres plateformes ou via une collaboration avec un hôpital par exemple: (https://www.kaggle.com/rajanand/ahs-woman-1, https://www.kaggle.com/akshat0007/fetalhr, https://www.kaggle.com/andrewmvd/fetal-health-classification, https://datasetsearch.research.google.com/search?query=Fetal%20cardiotocography%20data&doci d=L2cvMTFqOWJsNGYyNw%3D%3D, https://www.kaggle.com/warkingleo2000/cardiotocogrpahy-dataset, https://archive.ics.uci.edu/ml/datasets/Cardiotocography, https://archive.ics.uci.edu/ml/datasets/Echocardiogram)
2. Data Exploration
3. Data Cleaning, Pre processing et vérification de la fiabilité des données utilisées par un expert
4. Data Visualisation
5. Literature review : comparaison des méthodes d’intelligence artificielle appliquée à l’heure actuelle pour la détection de trace pathologique lors d’analyses de données RCF
6. Construction du/des modèles d’IA
7. Entrainement (training) du/des modèles d’IA
8. Testing du/des modèles d’IA
9. Visualisation des résultats
10. Éventuellement :
o Fine tuning des hyperparameters (gridsearch)
o DataAugmentation
o Comparaison des résultats avec l’expert knowledge ou avec d’autres techniques