Traitement en temps réel des signaux électrophysiologiques acquis dans un environnement d'imagerie par résonance magnétique

Real-Time Processing of Electrophysiological Signals acquired in a Magnetic Resonance Imaging Environment

• Auteur / Autrice : Julien Oster
• Direction : Jacques Felblinger
• Type : Thèse de doctorat
• Discipline(s) : Automatique
• Date : Soutenance le 05/11/2009
• Etablissement(s) : Nancy 1
• Ecole(s) doctorale(s) : IAEM - Ecole Doctorale Informatique, Automatique, Électronique - Électrotechnique, Mathématiques
• Partenaire(s) de recherche : Laboratoire : IADI
• Jury : Président / Présidente : Pierre-Yves Marie
• Jury : Examinateurs / Examinatrices : Jacques Felblinger, Pierre-Yves Marie, Guy Carrault, Christian Jutten, Alain Dufaux, Michel Kraemer, Olivier Pietquin
• Jury : Rapporteurs / Rapporteuses : Guy Carrault, Christian Jutten

Mots clés

Mots clés contrôlés

Analyse en composantes indépendantes

Kalman, Filtrage de

Ondelettes

Imagerie par résonance magnétique

Électrocardiographie

Traitement du signal

Mots clés libres

Signaux électrophysiologiques

Résumé

L'acquisition de l'électrocardiogramme (ECG) est recommandée lors d'examens d'Imagerie par Résonance Magnétique (IRM) pour le monitorage des patients et la synchronisation de l'acquisition IRM avec l'activité cardiaque. L'environnement IRM, de par ses trois composantes physiques caractéristiques, perturbe les signaux ECG. Les gradients de champ magnétique compliquent notamment grandement l'analyse de l'ECG de manière non conventionnelle. Le développement de traitements spécifiques est donc nécessaire, les méthodes existantes de détection QRS et de débruitage ne répondant pas de manière satisfaisante à ce problème. Une base de données ECG en IRM a été réalisée, afin de permettre le développement de nouvelles méthodes et leur évaluation selon deux critères : la qualité de détection des battements cardiaques et une estimation du rapport signal sur bruit spécifique à ces enregistrements. Un détecteur QRS capable de traiter ces signaux fortement bruités a été proposé. Cette technique est basée sur la détection et la caractérisation des singularités à partir des lignes de maxima d'ondelettes. Ce détecteur apporte une information sur le rythme cardiaque, primordiale pour la mise en place de nouvelles approches statistiques. Une méthode de débruitage basée sur l'analyse en composantes indépendantes a été présentée. Celle-ci utilise uniquement les signaux ECG. Une approche bayésienne de débruitage, reposant sur une unification de deux modèles (d'ECG et des artefacts de gradient), a été proposée. Enfin, l'approche bayésienne a également été suggérée pour prédire le rythme cardiaque, afin d'améliorer la stratégie de synchronisation.

Electrocardiogram (ECG) is required during Magnetic Resonance Imaging (MRI), for patient monitoring and for the synchronization of MRI acquisitions and heart activity. The MRI environment, due to its three characteristic physic components, highly disturbs ECG signals. For instance, the magnetic field gradients strongly complicate the ECG analysis in a non conventional manner. The development of specific signal processing tools is thus required. Existing methods, whether QRS detector or denoising techniques, do not accurately process these signals. A database of ECG acquired in MRI has been built, enabling the development of new processing techniques and their evaluation by using the folllowing two criteria : the cardiac beat detection quality and the signal to noise ratio estimated specifically on these particular recordings. A QRS detector, processing the noisy ECG signals, has been proposed. This technique is based on the singularity detection and characterisation provided by the wavelet modulus maximum lines. This detector provides helpful information on cardiac rhythm, for the development of novel techniques with a statistical approach. A new denoising method based on independent component analysis has been presented. This technique takes only advantage of the ECG signals. Two Bayesian based denoising methods, unifying two models (of ECG and gradient artifacts) in one state-space formulation have been proposed. Bayesian filtering has also been suggested for cardiac rhythm prediction, in order to improve the synchronization strategy.