Acquisition, traitement et fusion de données issues des réseaux de capteurs corporels pour une surveillance médicale continue

Energy-efficient data collection and fusion in wireless body sensor networks for continuous health monitoring

• Auteur / Autrice : Carol Habib
• Direction : Raphaël Couturier, Abdallah Makhoul, Rony Darazi
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 30/11/2018
• Etablissement(s) : Bourgogne Franche-Comté
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur et microtechniques (Besançon ; 1991-....)
• Partenaire(s) de recherche : Laboratoire : FEMTO-ST : Franche-Comté Electronique Mécanique Thermique et Optique - Sciences et Technologies (Besançon) - Franche-Comté Électronique Mécanique- Thermique et Optique - Sciences et Technologies (UMR 6174) / FEMTO-ST
• Partenaire(s) de recherche : Site de préparation : Université de Franche-Comté (1971-....)
• Jury : Président / Présidente : Abderrahim Benslimane
• Jury : Examinateurs / Examinatrices : Raphaël Couturier, Abdallah Makhoul, Rony Darazi, Abderrahim Benslimane, André-Luc Beylot, Stéphane Chrétien
• Jury : Rapporteurs / Rapporteuses : Abderrahim Benslimane, André-Luc Beylot

Mots clés

Mots clés contrôlés

Monitorage médical

Réseaux de capteurs (technologie)

Mots clés libres

Évaluation de l'état de santé

Aide à la décision

Consommation d'énergie

Sensibilisation au contexte

Surveillance du stress

Logique floue

Health assessment

Decision-support

Energy consumption

Context-awareness

Stress monitoring

Fuzzy logic

Résumé

Plusieurs défis existent dans les réseaux de capteurs corporels sans fil tels que la collecte et la fusion de données physiologiques dans un environnement contraignant. En effet, les nœuds de capteurs sans fil ont des ressources limitées en énergie, traitement et mémoire. En outre, une grande quantité de données est collectée. Ces données sont hétérogènes, ambiguës et imprécises. Ajoutons que l'interprétation des données est influencée par plusieurs facteurs externes tels que les informations contextuelles fournies par la personne surveillée. En conséquence la prise de décisions et l'analyse des informations extraite sont influencées.Tout d'abord une technique de collecte de données est proposée. Celle-ci a pour intérêt de réduire la quantité de données collectée et la consommation d'énergie. Dans le modèle proposé, l'énergie consommée par les nœuds capteurs sans fil pour capter et pour transmettre les signes vitaux est particulièrement ciblée. Il s'agit à la fois d'un mécanisme temps-réel pour l'adaptation du taux d'échantillonnage et d'un système de détection local permettant aux nœuds de transmettre uniquement les données indiquant un changement dans l'état de santé de la personne.Deuxièmement, un modèle de fusion de données pour l'évaluation de l'état de santé de la personne surveillée est proposé. Les données fusionnées sont les signes vitaux de la personne qui proviennent de plusieurs capteurs. Ces données sont interprétées de manière humaine et sont caractérisées par l'ambiguïté et l'imprécision. Ainsi, nous proposons d'utiliser un système d'inférence floue.Ensuite, nous proposons d'évaluer l'état de santé de la personne surveillée tout en prenant en compte le contexte dans lequel elle se trouve. Étant donné que les signes vitaux de l'être humain ainsi que son contexte tels que : son activité physique, son dossier médical et ses informations personnelles sont fortement corrélés, interprétation des signes vitaux est largement influencée. Plus particulièrement, nous proposons d'utiliser les ensembles flous hésitants pour déterminer subjectivement l'intensité de l'activité physique de la personne. L'approche proposée prend en considération le profil de la personne ainsi que les caractéristiques de l'activité physique en cours.Finalement, une application médicale spécifique est ciblée. Nous proposons de détecter et d'évaluer le stress en temps réel tout en considérant la consommation d'énergie. Shimmer 3 GSR + est utilisé comme capteur sans fil pour capter le signal Photoplethysmogram (PPG) et la conductance cutanée. Une application mobile Android est développée pour extraire du signal PPG les signes vitaux qui sont corrélés au stress tels que la fréquence cardiaque, la fréquence respiratoire et la pression artérielle.

Several challenges exist in Wireless Body Sensor Networks such as the data collection and fusion especially that (1) wireless sensor nodes have limited energy, processing and memory resources, (2) the amount of periodically gathered data is huge, (3) the gathered data are characterized by a heterogeneous nature and (4) the data interpretation to ensure decision-support is influenced byseveral external factors such as the provided context information of the monitored person.In this thesis, the aforementioned challenges were tackled by proposing scientific aproaches. Firstly, an energy-efficient data collection technique is proposed. This technique targets the energy consumed by biosensor nodes for sensing and transmitting vital signs. It consists of a real-timesampling rate adaptation mechanism and a local detection system which are provided at the level of the nodes. Second, in order to perform a health assessment based on the collected data, a multisensor data fusion model is proposed. In this approach, the coordinator of the network performs anassessment of the patient's health condition based on the collected measurements of his/her vital signs. Such data is interpreted in a human-reasoning way and are characterized by ambiguity and imprecision. Thus, we propose to use a Fuzzy Inference System. Then, given that vital signs are highly correlated to the context of the monitored person, a context-aware multi-sensor data fusionmodel for health assessment is proposed. The person's context include his/her physical activity status, medical record and personal information. This information highly influences the interpretation of vital signs. Hesitant fuzzy sets are used to subjectively evaluate the intensity of the person's physical activities based on his/her personal information and the activity's characteristics. Finally, a specific healthcare monitoring application is targeted. A real-time stress detection and evaluation framework is proposed while taking into consideration the energy consumption constraint. Shimmer 3 GSR+ is used as a wireless sensor node to sense the Photoplethysmogram (PPG) signal and the skin conductance. An android mobile application is developed to extract from the PPG signal stress correlated vital signs such as the heart rate, the respiration rate and the blood pressure.