Méthodes non paramétriques pour la classification dans les signaux non stationnaires : application à l'EMG utérin

Non parametric methods for the classification of non stationary signals : application to uterine EMG

• Auteur / Autrice : Bassam Moslem
• Direction : Mohamad Khalil, Catherine Marque
• Type : Thèse de doctorat
• Discipline(s) : Bio-ingénierie, biomécanique, biomatériaux
• Date : Soutenance en 2011
• Etablissement(s) : Compiègne

Mots clés

Mots clés contrôlés

Classification automatique (statistique)

Fusion multicapteurs

Spectroscopie

Analyse multivariée

Traitement du signal

Obstétrique

Complications de la grossesse -- Diagnostic

Grossesse à haut risque

Électromyographie

Utérus -- Contraction

Prévention

Accouchement prématuré

Mots clés libres

Map

EMG utérin

Analyse multirésolution

Analyse spectrale

Analyse non linéaire

Fusion de données

Résumé

L'analyse de la contractilité utérine par les techniques actuelles reste insuffisante pour un diagnostic fiable des menaces d'accouchement prématuré (MAP) et pour qu'un clinicien puisse obtenir toutes les informations qualitatives et quantitatives de cette activité. L'analyse de l'enregistrement de l'activité électrique utérine a été proposée de longue date pour évaluer l'activité contractile. Le signal enregistré, appelé l'électromyogramme (EMG) utérin, se révèle porteur d'informations supplémentaires relatives à l'efficacité de la contraction. C'est dans ce contexte que se développe depuis quelques années étude de l'EMG utérin pour le diagnostic précoce des MAP. Notre étude porte principalement sur l'analyse de l'EMG utérin le suivi de grossesse et la classification des contractions. Il s'agit ici, dans un premier temps, d'appliquer les différents types des techniques de traitement du signal (analyse spectrale, multiresolution, non-linéaire) afin de caractériser au mieux l'EMG utérin. Ensuite, un suivi de grossesse à l'aide des différents paramètres extraits des signaux enregistrés sur les mêmes femmes à différents termes de grossesse est réalisé. Cette approche est améliorée par l'application de l'analyse multiresolution basée sur la transformée en paquets d'ondelettes et la recherche d'une meilleure base adaptée au problème du suivi de grossesse. Afin de bénéficier de l'enregistrement multivoie des signaux EMG utérin pour l'étude de la propagation de l'activité électrique, nous réalisons une étude spatiale de cette activité afin de connaitre la façon dont elle varie tout au long de la grossesse. La dernière partie de notre travail consiste à classifier les signaux EMG utérin entre accouchement et grossesse. Une nouvelle approche basée sur l'analyse multivoie et l'application d'une règle de fusion des décisions individuelles de toutes les voies est proposée. Le taux élevé de classification correcte (92%) montre que cette approche pourrait être la solution appropriée pour le problème de détection des MAP.

Uterine contraction monitoring provides important prognostic information during pregnancy and labor and can be used for an early detection of any sign of preterm labor. Current techniques used for monitoring the uterine contraction impose a compromise between accuracy and invasiveness. Recently, the uterine electrical activity has been proven to be representative of the uterine contractility. The uterine electromyogram (EMG), also called the electrohysterogram (EHG), is the bioelectrical signal associated with the uterine activity. Recorded noninvasively from the abdominal wall of pregnant women, uterine EMG gives valuable information about the function aspects of the uterine contractility. Numerous studies have analyzed the uterine recordings associated with pregnancy and labor: it has been proven that it is of interest to offer a good insight into the process of pregnancy and labor and may be also used to predict the risk of preterm labor. Our study focuses on feature extraction, pregnancy monitoring and signal classification. In the first part, we apply new signal processing techniques (spectral analysis, multiresolution analysis, nonlinear analysis…) in order to extract new features capable of provide the best characterization of the uterine EMG. Next, a pregnancy monitoring using the extracted features in presented. This study concerns different women recorded at several pregnancy terms. This approach is improved by applying the multiresolution analysis based on the wavelet packet transform. We searched for the best basis adapted for the problem of pregnancy monitoring. In order to benefit from the multichannel type of the recorded signals, we study the spatial variability of the electrical activity at different recording sites of the uterus. This multichannel-based approach allows us to know the way the electrical activity changes at throughout pregnancy over all the uterine muscle. In the last part, we present our work on classifying uterine EMG signals between two classes of contraction (pregnancy vs. Labor). A novel approach based on multisensor data fusion is presented. The high correct classification ratio (92%) obtained proves that this method may be the solution for the problem described.