Une approche de la détection et de la classification dans les signaux non stationnaires : application à l'EGM uterin

An approach for detection and classification in non stationary signals : application to uterine EMG

• Auteur / Autrice : Mohamad Khalil
• Direction : Jacques Duchêne
• Type : Thèse de doctorat
• Discipline(s) : Sûreté des systèmes
• Date : Soutenance en 1999
• Etablissement(s) : Troyes
• Ecole(s) doctorale(s) : Ecole doctorale Sciences pour l'Ingénieur (Troyes, Aube)

Mots clés

Mots clés contrôlés

Ondelettes

Réseaux neuronaux (physiologie)

Traitement du signal

Électromyographie

Résumé

L'objectif de ce travail est de contribuer au developpement de methodes de detection adaptees aux cas ou l'espace des hypotheses et le nombre des hypotheses a detecter ne sont que partiellement connus, en tenant compte du fait que la plupart des ruptures se traduisent par des modifications du contenu frequentiel et/ou de l'energie du signal. Le cadre applicatif global est la detection d'evenements dans le signal emg uterin, utilise pour la prevention des accouchements prematures. Le chapitre 1 est consacre a la presentation du signal emg uterin, son contenu, sa decomposition, sa variation en fonction du terme et d'une femme a l'autre. Dans le chapitre 2, deux approches de modelisation sont utilisees pour mettre en evidence le contenu frequentiel des evenements : la premiere est fondee sur une modelisation autoregressive, la deuxieme sur une decomposition en details utilisant les ondelettes. La detection et la classification sont appliquees ensuite sur ces modelisations une premiere approche de detection classique est presentee dans le chapitre 3. C'est une approche multi-hypotheses fondee sur le calcul de plusieurs sommes cumulees entre l'hypothese courante et toutes les hypotheses deja identifiees. Dans le chapitre 4, une deuxieme approche est proposee. Elle est fondee sur le calcul d'une seule somme cumulee dynamique entre deux hypotheses estimees avant et apres chaque instant t. Pour les deux methodes de detection des chapitres 3 et 4, une classification non supervisee est utilisee. Elle est fondee sur la comparaison de matrices de variance covariance calculees a partir des details ou sur la comparaison des modeles ar. Le chapitre 5 presente l'application et l'adaptation de ces methodes a l'emg uterin. Les classes fournies sont ensuite identifiees physiologiquement par reseau de neurones. Plus 80% des evenements sont bien detectes, classifies et identifies.