Un système de compression vidéo et de synchronisation multimodale des EEGs pour la télémédecine

A video compression and multimodal synchronization system of EEG exams for telemedicine

• Auteur / Autrice : Laurent Lambert
• Direction : Patrick Garda
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 07/12/2017
• Etablissement(s) : Paris 6
• Ecole(s) doctorale(s) : École doctorale Informatique, télécommunications et électronique de Paris (1992-...)
• Partenaire(s) de recherche : Laboratoire : LIP6 (1997-....)
• Jury : Président / Présidente : Mohamed Chetouani
• Jury : Examinateurs / Examinatrices : Pierre Langlois, Khalil Hachicha, Andrea Pinna
• Jury : Rapporteurs / Rapporteuses : Alain Mérigot, Michel Paindavoine

Mots clés

Mots clés contrôlés

Électroencéphalographie

Télémédecine

Mots clés libres

Synchronisation

Compression

Architecture

Multimodale

EEG

Télémédecine

Compression

Telemedicine

EEG

Résumé

L'examen EEG est un examen fonctionnel essentiel de la médecine moderne. Il consiste dans l'acquisition de signaux physiologique d'un patient afin de diagnostiquer ses troubles neurologiques. À cause d'une mauvaise répartition des experts et d'une diversification des spécialités de neurophysiologie, la téléexpertise s'impose comme une solution pour apporter des soins pour tous. Cette thèse aborde la problématique de téléexpertise d'un examen EEG tout en repoussant les limitations des équipements d'EEG actuelle. Ces limitations, observées par les médecins, sont l'imprécision de la synchronisation entre les signaux physiologiques et l'enregistrement vidéo et la faible qualité de cet enregistrement vidéo. La première limitation nous a conduit à développer un mécanisme de synchronisation matérielle déterministe ainsi que de définir un nouveau format de fichier capable de stocker les signaux physiologiques ainsi que la vidéo de manière uniforme. La seconde limitation a mené en la définition d'un nouvel algorithme de compression nommé ROI-Waaves. Cet algorithme, utilisant la transformée en ondelettes et le codeur entropique HENUC, est capable d'encoder des zones de l'image avec une qualité supérieure afin de conserver les détails des mains et du visage du patient. Finalement, nous avons développé deux implémentations mettant en place les solutions proposées et permettant de réaliser un examen EEG synchronisé et compressé. De plus, nous avons proposé une architecture matérielle compressant un flux vidéo à 100 images par seconde en temps réel en utilisant ROI-Waaves.

The EEG exam is an essential functional exam in modern medicine. It involves the acquisition of biological signals of a patient to diagnose his neurological disorders. Because of a poor spread of experts and diversification of neurophysiological specialties, remote expertise imposes itself as a solution to bring health care to most people. The thesis approaches the problematic of remote diagnosis of EEG exams while pushing back the current EEG device limitations. Those limitations, observed by doctors, are the imprecise synchronization between biological signals and the video recording and the low quality of this video recording. The first limitation has led us to develop a hardware determinist synchronization as well as to define a novel file format to store biological signals alongside the video. Thanks to those two mechanisms, we guarantee the correct synchronization when reviewing a EEG file. The second limitation has driven us to define a new compression algorithm named ROI-Waaves. The algorithm uses wavelet transform and the HENUC coding scheme and encodes one or many regions of an image with higher quality to preserve details. Those regions are defined as the hands and head of the patient and help doctors to perform correct diagnoses. Lastly, we have developed two implementations which use the proposed solutions and allowing to carry out a synchronized and compressed EEG exam. The produced exams by these devices are complete and can be used for review or long-time storage. In addition, we have proposed a hardware architecture that compresses 100 frames per second video stream in real time using ROI-Waaves.