Analyses temps-fréquence et statistique de l'activité du bébé prématuré

par Guillaume Cathelain

Projet de thèse en Informatique, mathématique et applications

Sous la direction de François Jouen et de Sophie Achard.

Thèses en préparation à Paris Sciences et Lettres , dans le cadre de École doctorale de l'École pratique des hautes études (Paris) , en partenariat avec CHART (laboratoire) et de École pratique des hautes études (Paris) (établissement de préparation de la thèse) depuis le 01-10-2017 .


  • Résumé

    Contexte et positionnement du projet L'OMS définit comme prématurée tout naissance avant le terme de 37 semaines de grossesse. En 2012, plus d'un enfant sur dix naît prématurément dans le monde. La répétition des stress en service de néonatalogie, y compris ceux qui sont liés à la mesure de paramètres physiologiques, a des effets délétères à long terme sur le développement neuro- moteur. Cette période de stress est particulièrement longue chez le bébé prématuré qui peut rester plusieurs semaines en service de néonatalogie, ce qui le rend d'autant plus susceptible de développer de graves troubles neurologiques. Ainsi, un enfant atteint d'invalidité motrice cérébrale (IMC) sur deux est né prématurément. En service de néonatalogie, les épisodes de douleur et de stress sont liés essentiellement aux soins, notamment les injections médicamenteuses, les manipulations et la mesure continue de signaux physiologiques (e.g saturation en oxygène et électrocardiogramme). En particulier, le retrait des électrodes nécessaires à l'électrocardiogramme (ECG) n'est pas sans effet sur l'épiderme fragile des bébés prématurés. Par ailleurs, le sentiment d'avoir un branchement du bébé à des appareils traumatise les parents de prématurés ; les ECG contribuent à ce senti- ment. Si certains épisodes de stress sont difficilement évitables, des substituts à l'ECG pour la mesure non intrusive de l'activité cardiaque se sont développés. Ils utilisent des méthodes op- tiques ou électro-mécaniques. Cependant, aucun n'atteint le niveau de qualité médicale des ECG et n'est sur le point de les remplacer. Il pourrait donc être intéressant de développer un dispositif médical qui mesure l'activité cardiaque de bébés prématurés de manière non intru- sive, en substitut à l'ECG. Un tel dispositif pourra également intéresser les personnes âgées et atteintes malades cardio- vasculaires, qui représente la deuxième et première cause de décès en France (chez l'homme et la femme respectivement). Objectifs scientifiques L'activité mécanique d'un bébé, appelé par la suite signal primaire, est une modulation de plusieurs signaux: - l'activité respiratoire Bouziane, A., Chahir, Y., Molina, M., Jouen, F. (2012). Unified framework for human be- havior recognition: An approach using 3D Zernike Moments. Neurocomputing, 100, 107-116. 2017 – CDSN - Sujet de thèse Page 3 sur 7 - l'activité mécanique du coeur - la motricité spontanée du corps - les contractions musculaires dues aux pleurs ou aux situations d'inconfort - les signaux extérieurs comme le bruit et les variations d'intensité lumineuse. Les quatre premiers signaux, qu'on appellera par la suite signaux d'intérêt, sont cliniquement intéressants. Leur synthèse nécessite en premier lieu de développer une chaîne d'acquisition à haute sensibilité, de faible bruit et de plage étendue pour numériser le signal analogique pri- maire sans perdre son information. Il est ensuite nécessaire de mettre au point des algorithmes de traitement de signal adaptés pour débruiter le signal numérique non stationnaire et extraire les quatre signaux d'intérêt du signal primaire ainsi numérisé et débruité. Conception d'un système embarqué La technologie de capteurs de pression composites à effet tunnel (QTC), développée notam- ment par la société britannique Peratech, propose une sensibilité et une plage suffisantes pour, moyennant une chaîne d'acquisition adéquate, capter les variations de pression issues des si- gnaux d'intérêt. Cette hypothèse est vérifiée, d'après nos premiers résultats, lorsque les cap- teurs sont placés sur un matelas, ce qui ouvre la possibilité d'une mesure non intrusive de données physiologiques en continu. Une première partie du travail de recherche sera donc consacrée à la conception du système embarqué ainsi que d'une chaîne d'acquisition du signal à haute résolution et faible bruit. On étudiera dans un premier temps la disposition optimale des capteurs de pression sur le ma- telas, le nombre limité de capteurs reliés par fil à la carte d'acquisition étant limité par la contrainte « faible coût » que l'on s'impose. Ces capteurs actifs sont des résistances élec- triques qui varient en fonction de la pression appliquée dessus. La mesure des variations de pression se fera aux bornes d'un pont de Wheatstone à équilibrage adaptatif [1]: à chaque changement de position du patient sur le matelas, on ajustera la résistance parallèle au capteur de pression par le biais d'un montage à capacité commuté pour remettre à zéro la tension moyenne mesurée sur le pont de Wheatstone. Un tel montage, en agissant comme un passe- haut analogique, permettrait en théorie de diminuer l'étendue de la plage de mesure nécessaire à l'observation des variations de pression et donc d'augmenter la résolution de la mesure. La borne supérieure du spectre fréquentiel des signaux d'intérêt est à 50 Hz (atteinte pour le signal cardiaque), et par conséquent une fréquence d'échantillonnage supérieure à 100Hz sera retenue. La tension aux bornes du pont de Wheatstone sera amplifiée puis filtrée par un filtre passe-bas anti-repliement de fréquence de coupure 50Hz, en respect du théorème de Shannon- Nyquist, avant d'être quantifiée par un convertisseur analogique-numérique dont la résolution sera déterminée de manière itérative. On mettra en place un multiplexage temporel de la me- sure des tensions pour diminuer au maximum le nombre de composants de la chaîne d'acqui- sition. On utilisera la carte de développement ultra faible consommation TI Launchpad MSP- EXP432P401R (consommation active par fréquence d'horloge de 80 uA/MHz) qui intègre un micro-controlleur Cortex M4, aux registres de 32 bits et à fréquence d'horloge 48 MHz, pour embarquer nos algorithmes de traitement de signal. On s'intéressera également à la possibilité d'implanter ce système embarqué non plus sur un matelas, mais dans un vêtement pour constituer un wireless body area network (WBAN) pour s'affranchir du caractère statique du matelas. On s'intéressera également à l'intégration des 2017 – CDSN - Sujet de thèse Page 4 sur 7 capteurs de pression dans le textile, avec l'expertise de l'Institut Taïwanais des Textiles Intel- ligents. Optimisation d'algorithmes de traitement de signal Une fois le signal numérisé, il convient de lui appliquer des algorithmes de traitement de si- gnal pour en extraire les signaux (cardiaque, respiratoire, mouvement, pleurs) et variables d'intérêt (rythme cardiaque, variabilité du rythme cardiaque HRV, rythme respiratoire, fré- quence des mouvements, des pleurs, etc.). Dans un premier temps de prototypage, le signal numérisé sera transmis par liaison sérielle à un ordinateur sur lequel on exécutera des algo- rithmes développés sous Matlab ou Octave. Dans un deuxième temps, on réécrira ces algo- rithmes en langage C++ pour les embarquer directement sur la carte de développement TI et valider le fonctionnement en embarqué. Deux grandes familles d'algorithmes de traitement de signal sont susceptibles d'extraire les informations d'intérêt du signal mécanique primaire : l'analyse temps-fréquence et l'analyse statistique. En effet, la localisation des variations est primordiale et le signal est rarement sta- tionnaire : une simple analyse de Fourier ne serait pas assez robuste. La bibliographie qui concerne les algorithmes temps-fréquence et statistiques appliquée à des signaux ECG en temps réel est bien fournie [2][3]: il conviendra d'étudier leurs performances respectives en terme de précision, robustesse et complexité, sur nos signaux plus complexes que ceux issus d'électrocardiogrammes. Les signaux d'ECG ne contiennent en effet que l'ac- tivité électrique du cœur avec un rapport signal à bruit plus élevé, et sont donc moins riches en information et en bruit que nos signaux issus de l'activité mécanique corporelle. Une fois les performances déterminées, on choisira l'algorithme le plus adapté à notre application. L'analyse temps-fréquence se fait classiquement par des transformées de deux types: linéaires ou bi-linéaires. Les transformées temps-fréquence linéaires regroupent la transformée de Fou- rier à fenêtre glissante, la décomposition en atomes temps-fréquence de Gabor et la transfor- mée en ondelettes. Les deux premières sont mathématiquement moins puissantes que la trans- formée en ondelettes, on s'intéressera donc a priori principalement à cette dernière. On appli- quera au signal primaire numérisé des transformées en ondelettes continues à bases non-or- thogonales (Haar, Mexican hat, Morlet), orthogonales (Meyer, Mallat) et bi-orthogonales (Daubechies). On développera également des bancs de filtres pour débruiter le signal primaire et en extraire les signaux d'intérêt. On choisira la base d'ondelettes qui engendrera l'algo- rithme le plus performant, puis on développera un algorithme de décomposition en ondelettes discrètes et rapide avec la base d'ondelettes retenue pour en améliorer les performances. Les transformées temps-fréquence bilinéaires regroupent notamment les spectrogrammes, les distributions de Wigner-Ville (simple et lissée), de Choi-Williams et de Born-Jordan. Il s'agit de décompositions énergétiques en temps et en fréquence du signal à traiter. On appliquera ces transformations au signal primaire et on évaluera également leurs performances, avec celles des algorithmes à transformée linéaire, pour déterminer l'algorithme d'analyse temps- fréquence le plus performant dans notre application. Les signaux d'intérêt seront ensuite traités par d'autres outils plus simples tels que l'algo- rithme de Pan-Tompkins pour en extraire les variables d'intérêt. L'analyse statistique peut se faire de différentes fonctions ; on testera deux types d'algo- rithmes statistiques. Le premier est l'application de l'algorithme d'apprentissage non-supervi- sé des k-moyens (clustering) en classant les pics du signal primaire par leur durée et leur am- 2017 – CDSN - Sujet de thèse Page 5 sur 7 plitude [4]. Il conviendra de définir avec pertinence le nombre de nuages de points que l'on veut obtenir et d'interpréter la position de ces nuages de points dans l'espace durée-amplitude comme une onde cardiaque, un bruit, un mouvement ou des pleurs. Le deuxième est l'applica- tion des graphes de récurrence (Recurrence Plot) pour la détection de récurrence de certains motifs dans le signal, afin de les classer de la même manière qu'expliqué ci-dessus. On com- parera leurs performances pour déterminer quel algorithme statistique est le plus approprié dans notre application. L'analyse statistique a besoin de beaucoup de données par individu pour avoir une faible va- riabilité intra-individuelle, et de beaucoup d'individus pour avoir une faible variabilité inter- individuelle. La réunion de ces deux conditions est indispensable pour avoir suffisamment de précision et de robustesse dans l'extraction des signaux et des variables d'intérêts. Pour cette raison, nous réaliserons une première étude clinique sur les algorithmes temps-fréquence de façon à constituer une base de données plus conséquente. En conclusion de cette thèse, on choisira l'algorithme le plus performant de tous ceux étudiés, on le traduira en C++ et on l'embarquera dans le microcontrôleur. On développera un algo- rithme de fusion des données pour éliminer la redondance des informations fournies par la multitude de capteurs de pression. On validera ensuite les performances du système embarqué par une dernière étude clinique dans le Service de Néonatologie de l'hôpital Armand Trousseau de l'APHP (service du Pr D. Mitanchez).

  • Titre traduit

    Time-frequency and statistical analysis of the preterm babies' mechanical activities


  • Résumé

    Optimization of algorithms and design of an embedded medical monitoring device: time-fre- quency analysis and statistical analysis of preterms' mechanical activity