Méthodes probabilistes pour le monitoring cardio-respiratoire des nouveau-nés prématurés

• Main Author: Doyen, Matthieu
• Other Authors: Rennes 1
• Language: fr
• Published: 2018
• Subjects: Monitoring; Probabiliste; Détection robuste; Variabilité cardiaque; Signaux physiologiques; Probabilistic; Robust detection; Heart rate variability; Physiological signals
• Online Access: http://www.theses.fr/2018REN1S049/document

La surveillance des nouveau-nés prématurés placés en unité de soins intensifs a conduit à la notion de monitoring et à l'acquisition de nombreux signaux physiologiques. Si ces informations sont bien utilisées pour le diagnostic et la prévention des situations d'urgence, force est de constater qu'à ce jour, elles le sont beaucoup moins dans un objectif prédictif. La difficulté d'extraction d'informations fiables en temps réel, sans aucun contrôle visuel, à partir de signaux non stationnaires, en est vraisemblablement la cause. Ce mémoire vise donc à proposer des méthodes robustes, adaptées au contexte des unités de soins intensifs néonatals et du temps réel. Pour cela, un ensemble de méthodes génériques appliquées à la variabilité cardiaque, mais capable d'être adaptées à d'autres constantes physiologiques telles que la respiration, ont été développées et testées en contexte clinique. Quatre grandes parties illustrent notre propos : - La proposition d'une méthode originale de détection temps réel probabiliste multicaractéristique permettant de répondre à une problématique d'extraction robuste d'événements d'intérêt à partir de signaux physiologiques bruités. Générique, cette solution est appliquée à la détection robuste du QRS d'un signal ECG. Elle est basée sur le calcul temps réel de plusieurs probabilités a posteriori, concernant les propriétés du signal, qui sont ensuite fusionnées au sein d'un nœud de décision reposant sur l'utilisation pondérée de la divergence de Kullback-Leibler. Comparée à deux méthodes classiques de la littérature sur deux bases de données bruitées, elle obtient un taux d'erreur de détection inférieur (20.91% vs 29.02% (ondelettes) et 33.08% (Pan-Tompkins) sur la base de test). - La proposition d'une méthode impliquant plusieurs modèles semi-markoviens cachés, visant la segmentation de périodes au sein desquelles le détecteur temps réel probabiliste multicaractéristique fournit les détections d'évènements les plus fiables. En comparaison à deux méthodes de la littérature, la solution proposée obtient de meilleures performances, le critère d‘erreur obtenu est significativement plus faible (entre -21.37% et -74.98% selon la base et l'approche évaluée). - La sélection d'un détecteur optimal pour le monitoring d'événements d'apnée-bradycardie, en termes de fiabilité et précocité, à partir de données ECG obtenues chez le nouveau-né. Les performances du détecteur retenu seront comparées aux alarmes générées par un dispositif industriel de suivi continu classiquement utilisé en service de néonatalogie (moniteur Philips IntelliVue). La méthode basée sur le changement abrupt de la moyenne des RR obtient les meilleurs résultats au regard du délai (3.99 s vs 11.53 s pour le moniteur IntelliVue) et de la fiabilité (critère d'erreur de 43.60% vs 80.40%). - La conception et le développement d'une plateforme logicielle SYNaPSE (SYstem for Noninvasive Physiological Signal Explorations) permettant l'acquisition de divers signaux physiologiques en très grande quantité, et de façon non invasive, au sein des unités de soins. La conception modulaire de cette plateforme, ainsi que ses propriétés temps réel, permettent l'intégration simple et rapide de méthodes de traitement du signal complexes. Son intérêt translationnel est montré dans le dépouillement d'une base de données cherchant à étudier l'impact de la bilirubine sur la variabilité cardiaque. === The surveillance of premature newborns placed in intensive care units led to the notion of monitoring and the acquisition of many physiological signals. While this information is well used for the diagnosis and prevention of emergency situations, it must be acknowledged that, to date, it is less the case for predictive purposes. This is mainly due to the difficulty of extracting reliable information in real time, without any visual control, from non-stationary signals. This thesis aims to propose robust methods, adapted to the context of neonatal intensive care units and real time. For this purpose, a set of generic methods applied to cardiac variability, but capable of being adapted to other physiological constants such as respiration, have been developed and tested in clinical context. Four main parts illustrate these points : - The proposal of an original multicharacteristic probabilistic real time detection method for robust detection of interest events of noisy physiological signals. Generic, this solution is applied to the robust QRS complex detection of the ECG signals. It is based on the real time calculation of several posterior probabilities of the signal properties before merging them into a decision node using the weighted Kullback-Leibler divergence. Compared to two classic methods from the literature on two noisy databases, it has a lower detection error rate (20.91% vs. 29.02% (wavelets) and 33.08% (Pan-Tompkins) on the test database). - The proposal of using hidden semi-markovian models for the segmentation of temporal periods with most reliable event detections. Compared to two methods from the literature, the proposed solution achieves better performance, the error criterion obtained is significantly lower (between -21.37% and -74.98% depending on the basis and approach evaluated). - The selection of an optimal detector for the monitoring of apnea-bradycardia events, in terms of reliability and precocity, based on ECG data obtained from newborns. The performance of the selected detector will be compared to the alarms generated by an industrial continuous monitoring device traditionally used in neonatology service (Philips IntelliVue monitor). The method based on the abrupt change of the RR average achieves the best results in terms of time (3.99 s vs. 11.53 s for the IntelliVue monitor) and reliability (error criterion of 43.60% vs. 80.40%). - The design and development of SYNaPSE (SYstem for Noninvasive Physiological Signal Explorations) software platform for the acquisition of various physiological signals in large quantities, and in a non-invasive way, within the care units. The modular design of this platform, as well as its real time properties, allows simple and fast integration of complex signal processing methods. Its translational interest is shown in the analysis of a database in order to study the impact of bilirubin on cardiac variability.