Monitoring intelligent des signaux biomédicaux

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

La révolution informatique transforme les conditions d’exercice de la médecine. En plus de la surveillance de l’évolution des signaux physiologiques (ou biomédicaux), les systèmes de monitoring médicaux, sont appelés à les analyser et à proposer un diagnostic précis etre productible de manière entièrement automatique réduisant ainsi la subjectivité du clini-cien. Généralement, un système de monitoring intelligent comprend deux parties distinctes :la partie de traitement du signal pour l’extraction de caractéristiques inhérentes aux pro-ce ssus biologiques et la partie de reconnaissance de formes caractérisant les événements et les pathologies en se basant sur une base de connaissances médicale. Les techniques et les procédés d’analyse de la partie de traitement du signal constituent le point commun entre tous les systèmes biomédicaux. Une même méthodologie d’analyse suivie pour un signal biomédical spécifique peut être appliquée à d’autres signaux biomédicaux. Seulement saper formance varie en fonction du degré de similitude entre ces signaux du point de vue de leurs caractéristiques morphologiques temporelles et fréquentielles. De ce fait, les signaux biomédicaux ayant des natures similaires peuvent être traités par les mêmes algorithmes.Dans la cadre de cette thèse et sans perte de généralité, l’étude s’est portée sur le moni-toring intelligent des signaux électrohystérogrammes (EHG) ou électromyogrammes (EMG)utérins pour la surveillances des grossesses à risque et la prédiction des menaces d’accou-chement prématurés. Ce choix est motivé, d’une part, par le fait que les signaux EHG sont difficiles à interpréter à cause de leur complexité et leur irrégularité ; et par l’impact desnaissances prématurés sur la santé publique et sur l’économie, d’autre part. En effet, le fait de trouver des approches d’analyse efficaces appropriées à l’EHG peut ouvrir des perspec-tives d’application à d’autres signaux biomédicaux ayant la même complexité. Par ailleurs,les taux de mortalité et de morbidité des nouveau-nés prématurés seraient considérable-ment réduits si les menaces de travail prématuré pouvaient être prédites quelques heure sou même quelques jours auparavant. Cette prédiction permettra de prendre les dispositions médicales et matérielles adéquates pour une meilleure prise en charge du problème.Dans cette étude, nous avons proposé deux approches capables de prédire automatique-ment si une femme enceinte avec des contractions accoucherait plus tôt que prévu (c’est-à- dire, avant la 37 ème semaine de gestation). Les signaux EHG analysés sont d’une durée de 30minutes recueillis durant la grossesse et dont les accouchements ont été à terme ou préma-turés. Chaque enregistrement contient trois canaux bipolaires.La première approche consiste en l’extraction automatique des contractions utérines carl’analyse des contractions EHG est plus efficace dans la discrimination entre les grossesses à terme et prématurés. La méthode proposée est basée sur des variations de l’innovationde filtre de Kalman d’un modèle auto-régressif à moyenne adaptée (ARMA) pour l’enregis-trement EHG. Les caractéristiques temporelles et fréquentielles des contractions extraitesétaient en accord avec ceux de la littérature. De plus la précision moyenne de la classifica-tion terme-préterme est de 90%.Dans cette approche une nouvelle méthode pour la sélection simultanée du type du mo-dè le, AR ou ARMA, le plus approprié et de son ordre est utilisée. La méthode proposée est différente dans son concept de toutes les autres méthodes trouvées dans la littérature, elle est directe et beaucoup plus simple à mettre en œuvre. Elle reconnait le type du modèle à partir de séquences courtes de données (≤100) avec un taux moyen de 92% et une p-value du test exact de Fisher<0.001.La seconde approche traite l’EHG entier (sans segmentation). Elle utilise la trans formée de Huang-Hilbert (HHT). Douze fonctions modales intrinsèques (IMF) sont obtenues pourchaque signal. Nous avons constaté que les IMFs les plus pertinentes pour les enregistre-ments EHG terme et prétermes sont l’IMF3 et l’IMF6. À partir de ces deux IMF, nous avonsextrait 8 caractéristiques les plus pertinentes ciblant les spécificités des signaux EHG. Nous avons étudié les classifications des caractéristiques à l’aide de la machine à vecteurs de sup-port (SVM) pour les 3 canaux uniques et pour toutes leurs combinaisons possibles. Cette approche a réussi à prédire les accouchements prématuré à une moyenne de 4.00±1.88 semaines depuis la date d’enregistrement. Un pouvoir discriminatoire élevé a été obtenu avec les classificateurs SVM-linéaires. Les meilleurs résultats moyens sont obtenues avec une classification bicana le : Précision= 95.70% , Sensibilité= 98.40% , Spécificité= 93.00% et AUC= 0.95.L’avantage de nos deux approches est la performance diagnostique élevée à un coût de calcul faible. Elles ont apporté des améliorations significatives relativement aux métho des EHG existantes et semblent appropriées pour une implémentation sur un système ambula-toire et pour une utilisation en télémédecine.

روابط وملفات

التعريف والنوع

رقم الوثيقة

02fa25aa-4c3a-4d87-905b-7e07384bd176

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

رسائل دكتوراة

نوع الملف

word

أسماء الملفات

1369671_1.docx, 1369671_2.pdf

بيانات النشر

ألقاب المؤلفين

[{"name_ar":"Malika Kedir- Talha","title_ar":"اشراف","title_en":"Supervision"},{"name_ar":"Nafissa Sadi Ahmed","title_ar":"اعداد","title_en":"Preparation"}]

اللغة

French

المصدر والدورية

اسم المصدر

Monitoring intelligent des signaux biomédicaux

المحتوى والصفحات

عدد الصفحات

0

ترجمة الملخص

The computer revolution transforms conditions of medicine practice. In addition to mo-nitoring the evolution of physiological (or biomedical) signals, medical surveillance system sare called upon to analyze them and to propose an accurate and reproducible diagnosis in afully automatic way, thus reducing the clinician’s subjectivity.Generally, an intelligent monitoring system comprises two distinct parts : the signal pro-cessing part to extract the characteristics inherent to the biological processes and the patternrecognition part characterizing the events and pathologies based on a medical knowled gebase. The techniques and methods of analysis of the signal processing part are the common point of all biomedical systems. The same analysis methodology followed for a specific bio-medical signal can be applied to other biomedical signals. Only its performance varies ac-cording to the degree of similarity of these signals in terms of morphological characteristics in time and frequency. Consequently, biomedical signals of similar natures can be processed by the same algorithms.As part of this thesis and without loss of generality, the study focused on intelligent mo-nitoring of electrohystero graphic (EHG) or uterine electromyogram (EMG) signals of risky pregnancies and the prediction of threats of premature childbirth. This choice is motivated,on the one hand by the fact that the signals of the EHG are difficult to interpret because of their complexity and their irregularity ; and the impact of premature births on public health and the economy on the other. Indeed, finding effective analysis approaches that are appro-priate for EHG can open perspectives for application to other biomedical signals of the same complexity. In addition, mortality and morbidity rates among premature newborns would be significantly reduced if the threats of premature labor could be predicted a few hours or even days earlier. This prediction will make it possible to take the appropriate medical and material provisions for a better management of the problem.In this study, we proposed two approaches to automatically predict whether a pregnant woman with contractions would deliver earlier than expected (that is, before the 37th week of gestation). Analyzed EHG signals were collected during pregnancy and lasted 30 minutes.These signals correspond to pregnancies that ended later with either term or premature de-liveries. Each record contains three bipolar channels. Our first approach concerns automatic extraction of uterine contractions from EHG re-cords because EHG contractions analysis is more effective in discrimination between term and premature pregnancies. The proposed method is based on variations of the Kalman filter in novation of an auto-regressive moving average (ARMA) model for EHG recordings. Time and frequency characteristics of extracted contractions were in agreement with those of the literature. In addition, the results of term-preterm EHG classification gave average accuracy of 90%.In this approach a new method for simultaneous selection of the most appropriate mo-del type, AR or ARMA, and its corresponding order is used. The proposed method is dif-ferent in its concept from all other methods found in the literature, it is straightforward and much simpler to implement. It recognizes the model type from short data sequences (≤100 samples) with an average rate of 92% and a p-value of Fisher’s exact test<0.001.The second approach deals with the entire EHG (without segmentation). It uses the Huang-Hilbert transform (HHT). Twelve intrinsic modal functions (IMFs) are obtained for each si-gnal. We found that the most relevant IMFs for term and pre-term EHG records are the IMF3and the IMF6. From these two IMFs, we extracted 8 most relevant characteristics targeting the specificities of the EHG signals. Characteristic classifications were studied using the Sup-port Vector Machine (SVM) for each of the 3 single channels and for all their possible combi-nations. This approach has been successful in predicting premature deliveries at an average of 4.00±1.88 weeks since the recording date. High discriminatory power has been obtained with SVM-linear classifiers. The best average results are obtained with a two-channel classi-fication : Accuracy = 95.70%, Sensitivity =98.40%, Specificity = 93.00% and AUC =0.95.The advantage of our two approaches is the high diagnostic performance at a low com-putational cost. These methods bring significant improvements compared to existing EHG methods and are well suitable for implementation in ambulatory system and for use in tele-medicine.

كلمات الباحثين

AR model, ARMA model, Automated contrac, delivery, Electromyogramme utérin (EMG), Extraction automatique de la contraction, Fonction modale intrinsèque (IMF), form, Hilbert trans, Hilbert, Huang, Intrinsic Modal Function (IMF), Menace d’accouchement prématuré, Model order selection, Modèle AR, Modèle ARMA, Prédiction de l’accouchement prématuré, Prediction of preterm, Premature labor threat, Relevent feature selection, Sélection de l’ordredu modèle, Sélectiondes caractéristiques pertinentes, tions extraction, Transformée de Huang, Uterine electromyogram (EMG)

إشراف وإعداد

الإشراف

Malika Kedir- Talha

الإعداد

Nafissa Sadi Ahmed

الاقتباسات الببليوغرافية