Fusion symbolique et données polysomnographiques

• Auteur / Autrice : Adrien Ugon
• Direction : Jean-Gabriel Ganascia
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2013
• Etablissement(s) : Paris 6

Mots clés

Mots clés contrôlés

Apprentissage automatique

Syndromes des apnées du sommeil

Intelligence artificielle

Résumé

Au cours des dernières décennies, la médecine a nécessité des examens de plus enplus complexes pour effectuer un diagnostic et orienter vers un traitement. Il est mêmecourant de pratiquer plusieurs examens dans des spécialités médicales différentes afind’étudier une pathologie par des approches multiples et ainsi mieux la connaître. Cela pose des difficultés d’inteprétation car les données sont parfois hétérogènes maissurtout souvent très pointues et leur traitement requiert une expertise du domaine. Dans ce contexte, la fusion symbolique constitue une solution possible. En effet, ellea prouvé son efficacité à traiter des problèmes sur des niveaux d’abstraction aussi bienfaibles qu’élevés et à élaborer une connaissance de haut niveau. Cette thèse démontre l’efficacité de la fusion symbolique appliquée au traitement desdonnées polysomnographiques pour l’élaboration d’un outil de support au diagnostic duSyndrome d’Apnées du Sommeil. Pour être diagnostiqué, ce trouble du sommeil nécessiteune polysomnographie. Cet examen médical consiste en l’enregistrement simultané dedivers paramètres physiologiques durant toute une nuit. Son interprétation nécessitel’annotation des courbes enregistrées par une analyse visuelle effectuée par un médecinspécialiste du sommeil, ce qui est une tâche chronophage et fastidieuse dont les résultatspeuvent présenter quelques divergences d’un expert à l’autre. Le recours à un outil desupport au diagnostic fiable permet d’augmenter le consensus. Cette thèse développe lesétapes d’élaboration d’un tel outil.

In recent decades, medical examinations required to diagnose and guide to treatmentbecame more and more complex. It is even a current practice to use several examinationsin different medical specialties to study a disease through multiple approaches so as todescribe it more deeply. The interpretation is difficult because the data is both heterogeneous and also veryspecific, with skilled domain of knowledge required to analyse it. In this context, symbolic fusion appears to be a possible solution. Indeed, it wasproved to be very effective in treating problems with low or high levels of abstraction ofinformation to develop a high level knowledge. This thesis demonstrates the effectiveness of symbolic fusion applied to the treatmentof polysomnographic data for the development of an assisted diagnosis tool of Sleep ApneaSyndrome. Proper diagnosis of this sleep disorder requires a polysomnography. This medicalexamination consists of simultaneously recording of various physiological parametersduring a night. Visual interpretation is tedious and time consuming and there commonlyis some disagreement between scorers. The use of a reliable support-to-diagnosis toolincreases the consensus. This thesis develops stages of the development of such a tool.