Analyse quantitative de l'ECG ambulatoire et étude de la dynamique spatio-temporelle de la repolarisation ventriculaire : méthodes, modèles et résultats

par Saad Hamidi

Thèse de doctorat en Ingénierie Informatique

Sous la direction de Paul Rubel.

Soutenue en 1995

à Lyon, INSA , dans le cadre de Ecole Doctorale Informatique et Information Pour La Societe. 1992-2009 (Lyon) , en partenariat avec LISI - Laboratoire d'Ingénierie des Systèmes d'Information (Lyon, INSA) (laboratoire) .

mots clés

• Électrocardiographie ambulatoire -- Modèles mathématiques
• Traitement du signal
• Réseaux neuronaux (physiologie)

Résumé

Nous proposons, dans ce mémoire, une nouvelle méthodologie d'analyse quantitative de l'BCG ambulatoire en vue de l'étude et de la modélisation de la dynamique spatio-temporelle des différentes phases de l'ECG et la mise en évidence de leurs mécanismes d'interaction. Deux techniques d'interpolation, l'une de type linéaire, l'autre de type cubique spline ont été confrontées de sorte à compenser l'insuffisance de la fréquence d'échantillonnage (128 Hz). Une méthode d'analyse séquentielle, basée sur le logiciel Caviar, a été mise en oeuvre pour la quantification précise des intervalles de temps (QT,. . . ) et l'analyse fine des variations de morphologie des ondes QRS et T. Une première étude de validation a porté sur la mesure des changements de la phase de repolarisation durant les épreuves de tilt-test. L'analyse spectrale par FFT des données événementielles suréchantillonnées à 4 Hz a permis de mettre en évidence une augmentation significative des composantes basses fréquences de l'intervalle QT autour de 0. 1 Hz, en position debout, bien corrélée avec les variations de l'intervalle RR, ce qui correspond à une interaction entre le système sympathique et les potentiels d'action ventriculaire. Une deuxième série de méthodes se situant dans une perspective cognitive a été élaborée pour la modélisation et l'identification du système "coeur" ayant l'intervalle RR comme entrée et l'intervalle QT. Comme sortie. Dans ce contexte deux approches ont été mises en oeuvre, l'une basée sur des méthodes d'identification paramétriques, l'autre sur une méthode d'identification non linéaire de type "boîtenoire" à base de réseaux de neurones. L'approche neuronale s'est avérée efficace puisqu'elle permet de prendre en compte les non-linéarités de la fonction QT(t)=f(RR,t). Les résultats obtenus tant sur le plan de l'apprentissage que sur celui de la prédiction nous ont permis d'appréhender la dynamique de la phase de repolarisation ventriculaire d'une population atteinte du syndrome du QT long en comparaison avec une population de sujets sains témoins.

Titre traduit

= Quantitative analysis of ambulatory ECG and study of space-time dynamic of ventricular repolarization : methods, models and results

Résumé

We propose a quantitative investigation method to study the dynamic relationship between the ambulatory ECG parameters and to evaluate their interaction mechanisms. To overcome the limitations of the sampling frequency (128Hz), we have developed two interpolation methods based on a linear and a cubic spline approach. Our methodology based on CAVIAR serial analysis method to precisely measure the QT interval and to analyze the changes in the QRS and T morphology. First we have developed a set of methods for the precise quantification of the changes of the repolarization phase during tilt tests. Using FFT spectral analysis after oversampling the ECG data at 4 Hz allowed clearly identify spectral events in the QT interval around 0. 1 Hz and a significant increase of the QT low frequency components in upright tilt position that are clearly correlated to RR interval variations and correspond to an interaction between the sympathetic system and the ventricular action potentials. In a second step we have developed methods for the modelization and the identification of the "heart" system with RR as input and QT as output. Two approaches have been assessed, respectively based on parametric models and on Neural Nets. Because of the complexity and the non-linearity of the relationship QT(t)=f(RR,t), parametric models failed in modeling precisely its dynamic behavior. Neural Nets however have proven to be adequate for approximating the non linear characteristics. The results obtained by using the latter approach allowed to characterize the dynamic behavior of the repolarization phase of patients presenting a long QT syndrome.