Analyse et reconnaissance de signaux vibratoires : contribution au traitement et à l'analyse de signaux cardiaques pour la télémédecine

Analysis and recognition of vibratory signals : contribution to the treatment and analysis of cardiac signals for telemedecine

• Auteur / Autrice : Ouadi Beya
• Direction : Olivier Laligant, Eric Fauvet
• Type : Thèse de doctorat
• Discipline(s) : Instrumentation et informatique de l'image
• Date : Soutenance le 15/05/2014
• Etablissement(s) : Dijon
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur et microtechniques (Besançon ; 1991-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Electronique, Informatique et Image (LE2i) (Dijon, Côte d'Or ; Auxerre, Yonne ; Chalon-sur-Saône, Saône-et-Loire ; Le Creusot, Saône-et-Loire ; 1996-2018)
• Jury : Président / Présidente : Sophie Cavassila-Beuf
• Jury : Examinateurs / Examinatrices : Kamel Zegadi
• Jury : Rapporteur / Rapporteuse : Philippe Carré, Frédéric Morain-Nicolier

Mots clés

Mots clés contrôlés

Hilbert, Transformation de

Électrodiagnostic

Électrocardiographie

Traitement du signal

Mots clés libres

Traitement du signal

EMD

EDA

PCG

ECG

Signal processing

EMD

EDA

PCG

ECG

Résumé

Le coeur est un muscle. Son fonctionnement mécanique est celui d'une pompe chargée de distribuer et de récupérer le sang dans les poumons et dans le système cardiovasculaire. Son fonctionnement électrique est régulé par le son noeud sinusal, un stimulateur ou régulateur électrique chargé de déclencher les battements naturels du coeur qui rythment le fonctionnement du corps. Les médecins surveillent ce fonctionnement électromécanique du coeur en enregistrant un signal électrique appelé électrocardiogramme (ECG) ou un signal sonore : le phono-cardiogramme (PCG). L'analyse et le traitement de ces deux signaux sont fondamentaux pour établir un diagnostic et aider à déceler des anomalies et des pathologies cardiaques. L’objectif de cette thèse est de développer des techniques de traitement des signaux ECG et notamment PCG afin d’aider le médecin dans son analyse de ces signaux. L’idée de fond est de mettre en point des algorithmes relativement simples et peu coûteux en temps de calcul. Le premier intérêt serait de garantir leur implantation aisée dans un système mobile de surveillance cardiaque à l’usage du médecin, voire du patient. Le deuxième intérêt réside dans la possibilité d’une analyse automatique en temps réel des signaux avec le dispositif mobile, autorisant le choix de la transmission de ces signaux pour une levée de doute. De nombreux travaux ont mené à des avancées significatives dans l’analyse des signaux ECG et la reconnaissance automatiques des pathologies cardiaques. Des bases de données de signaux réels ou synthétiques annotées permettent également d’évaluer les performances de toute nouvelle méthode. Quant aux signaux PCG, ils sont nettement moins étudiés, difficiles à analyser et à interpréter. Même si les grandes familles de méthodes (Fourier, Wigner Ville et ondelettes) ont été testées, elles n’autorisent pas une reconnaissance automatique des signatures, d’en avoir une analyse et une compréhension assez fines.La Transformée en Ondelettes (TO) sur les signaux cardiaques a montré son efficacité pour filtrer et localiser les informations utiles mais elle fait intervenir une fonction externe de traitement (ondelette mère) dont le choix dépend de la connaissance au préalable du signal à traiter. Ce n'est pas toujours adapté aux signaux cardiaques. De plus, la Transformée en ondelettes induit généralement une imprécision dans la localisation due à la fonction externe et éventuellement au sous-échantillonnage des signatures. La nature non stationnaire de l'ECG et du PCG et leur sensibilité aux bruits rendent difficile la séparation d’une transition informative d'une transition due aux bruits de mesure. Le choix de l'outil de traitement doit permettre un débruitage et une analyse de ces signaux sans délocalisation des singularités ni altération de leurs caractéristiques. En réponse à nos objectifs et considérant ces différents problèmes, nous proposons de nous appuyer principalement sur la décomposition modale empirique (EMD) ou transformée de Hilbert Huang (THH) pour développer des solutions. L’EMD est une approche non linéaire capable de décomposer le signal étudié en fonctions modales intrinsèques (IMF), oscillations du type FM-AM, donnant ainsi une représentation temps/échelle du signal. Associée à la transformée de Hilbert (TH), la THH permet de déterminer les amplitudes instantanées (AI) et les fréquences instantanées (FI) de chaque mode, menant ainsi à une représentation temps/fréquence des signaux.Sans faire intervenir une fonction externe, on peut ainsi restaurer (réduction de bruit), analyser et reconstruire le signal sans délocalisation de ses singularités. Cette approche permet de localiser les pics R de l'ECG, déterminer le rythme cardiaque et étudier la variabilité fréquentielle cardiaque (VFC), localiser et analyser les composantes des bruits B1 et B2 du PCG.

The heart is a muscle. Its mechanical operation is like a pump charged for distributing and retrieving the blood in the lungs and cardiovascular system. Its electrical operation is regulated by the sinus node, a pacemaker or electric regulator responsible for triggering the natural heart beats that punctuate the functioning of the body.Doctors monitor the electromechanical functioning of the heart by recording an electrical signal called an electrocardiogram (ECG) or an audible signal : the phonocardiogram (PCG). The analysis and processing of these two signals are essential for diagnosis, to help detect anomalies and cardiac pathologies.The objective of this thesis is to develop signal processing tools on ECG and PCG to assist cardiologist in his analysis of these signals. The basic idea is to develop algorithms of low complexity and having inexpensive computing time. The primary interest is to ensure their easy implementation in a mobile heart monitoring system for use by the doctor or the patient. The second advantage lies in the possibility of automatic real-time analysis of signals with the mobile device, allowing control of the transmission of these signals to a removal of doubt.Numerous studies have led to significant advances in the analysis of ECG signals and the automatic recognition of cardiac conditions. Databases of real or synthetic signals annotated also assess the performance of new methods. PCG signals are much less studied, difficult to analyze and to interpret. The main methods (Fourier, wavelet and Wigner Ville) were tested : they do not allow automatic recognition of signatures, and an accurate understanding of their contents.Wavelet Transform (WT) on cardiac signals showed its effectiveness to filter and locate useful information, but it involves an external processing function (mother wavelet) whose the choice depends on the prior knowledge on the signal to be processed. This is not always suitable for cardiac signals. Moreover, the wavelet transform generally induces inaccuracies in the location due to the external function and optionally due to the sub- sampling of the signatures.The non-stationary nature of the ECG and PCG and their sensitivity to noise makes it difficult to separate an informative transition of a transition due to measurement noise. The choice of treatment tool should allow denoising and analysis of these signals without alteration or the processing tool delocalization of the singularities.In response to our objectives and considering these problems, we propose to rely primarily on empirical mode decomposition (EMD) and Hilbert Huang Transform (HHT) to develop solutions. The EMD is a non linear approach decomposing the signal in intrinsic signal (IMF), oscillations of the type FM-AM, giving a time/scale signal representation. Associated with the Hilbert transform (TH), the THH determines the instantaneous amplitude (IA) and instantaneous frequency (IF) of each mode, leading to a time/frequency representation of the ECG and PCG.Without involving an external function, EMD approach can restore (noise reduction), analyze and reconstruct the signal without relocation of its singularities. This approach allows to locate R peaks of the ECG, heart rate and study the cardiac frequency variability (CFV), locate and analyze the sound components B1 and B2 of the PCG.Among the trials and developments that we made, we present in particular a new method (EDA : empirical denoising approach) inspired by the EMD approach for denoising cardiac signals. We also set out the implementation of two approaches for locating ECG signature (QRS complex, T and P waves). The first is based on the detection of local maxima : in using Modulus Maxima and Lipschitz exponent followed by a classifier. The second uses NFLS, wich an nonlinear approach for the detection and location of unique transitions in the discrete domain.