Ballistocardiographie et applications

Ballistocardiography and applications

• Auteur / Autrice : Guillaume Cathelain
• Direction : François Jouen, Sophie Achard
• Type : Thèse de doctorat
• Discipline(s) : Informatique, mathématique et applications
• Date : Soutenance le 08/09/2020
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : École doctorale de l'École pratique des hautes études (Paris)
• Partenaire(s) de recherche : Établissement de préparation de la thèse : École pratique des hautes études (Paris ; 1868-....)
• Partenaire(s) de recherche : Laboratoire : Cognitions humaine et artificielle (Saint-Denis)
• Jury : Président / Présidente : Isis Truck
• Jury : Examinateurs / Examinatrices : François Jouen, Sophie Achard, Isis Truck, Anne Humeau, Catherine Achard, Jean Bergounioux, Bertrand Rivet, Joël David Swendsen
• Jury : Rapporteurs / Rapporteuses : Anne Humeau, Catherine Achard

Mots clés

Mots clés contrôlés

Intelligence artificielle

Balistocardiographie

Mots clés libres

Traitement du signal

Surveillance physiologique sans contact

Instrumentation médicale

Intelligence artificielle

Ballistocardiographie

Signal processing

Contactless physiological monitoring

Medical instrumentation

Artificial Intelligence

Ballistocardiography

Résumé

À l’échelle mondiale, les systèmes de santé ont des coûts croissants et le nombre d’hospitalisations augmente. La télémédecine permet de ramener l’hôpital à la maison et offre aux structures de santé de nouvelles possibilités d’améliorer le parcours de soins des patients. La surveillance physiologique est une condition préalable à l’efficacité des systèmes de télémédecine et est assurée par des dispositifs médicaux connectés qui ne sont pas entièrement automatisés. Les patients doivent les utiliser activement au quotidien : ces inconvénients entraînent soit un désengagement du patient, soit du personnel soignant supplémentaire. Les moniteurs passifs et sans contact des signes vitaux, tels que les ballistocardiographes qui mesurent les activités motrices, respiratoires et cardiaques, peuvent résoudre l’inefficacité de la télémédecine. En outre, ils sont plus confortables et plus sûrs pour les patients que les moniteurs traditionnels, ce qui est crucial pour le développement neurologique néonatal ou dans les cas de dégénérescence mentale, bien qu’ils soient actuellement moins précis. Comment améliorer la précision de la surveillance physiologique en ballistocardiographie pour accroître l’efficacité de la télémédecine ? Dans cette thèse, le matériel est fourni par une instrumentation propriétaire basée sur un accéléromètre, un logiciel dédié, un simulateur de battements cardiaques, et des campagnes de mesure pour les bases de données de ballistocardiogrammes bruts. De nouvelles méthodes d’amplification analogique et de filtrage numérique sont étudiées pour améliorer la précision de la ballistocardiographie. La force ballistocardiographique, provenant de la déformation de la crosse aortique lors de la systole ventriculaire et mesurée sur le côté du lit, est en effet modulée par les activités respiratoires et motrices, et est polluée par les artefacts mécaniques de l’environnement. En outre, la ballistocardiographie n’est pas normalisée et les ballistocardiogrammes présentent des variabilités inter et intra-individuelles élevées, en fonction de la literie, de la position au lit, de la morphologie et de la physiologie du patient. L’amplification analogique est étudiée d’un point de vue mécanique et électronique. Premièrement, en ce qui concerne l’amplification mécanique, un nouveau guide d’ondes, prenant la forme d’un ruban de coton qui encercle le matelas, a été inventé pour concentrer l’énergie de la force ballistocardiographique dans une direction, du thorax jusqu’au capteur. Deuxièmement, en ce qui concerne l’amplification électronique, un circuit de conditionnement hybride a été conçu pour optimiser le compromis entre le gain de l’amplificateur électronique et la durée de saturation après un mouvement. Les méthodes de filtrage numérique visent à séparer les sources de signaux, à éliminer les artefacts puis à détecter les signes vitaux. Trois algorithmes originaux ont été conçus pour reconnaître efficacement les battements de cœur dans les ballistocardiogrammes. Le premier algorithme est la comparaison par déformation temporelle dynamique, où un modèle battement cardiaque est utilisé pour reconnaître les battements cardiaques en utilisant une distance non-linéaire. Le second algorithme modélise les ballistocardiogrammes avec des modèles de Markov cachés périodiques. Le troisième algorithme, le réseau neuronal U-Net, est supervisé et segmente les battements cardiaques en ballistocardiogrammes. Finalement, les ballistocardiogrammes sont amplifiés mécaniquement et électroniquement de 12 dB et 21 dB respectivement, sans saturation après mouvement ; et les algorithmes de filtrage numérique atteignent une précision de 97 % et une sensibilité de 96 % pour la détection des battements cardiaques. Prochainement, le ballistocardiographe conçu sera évalué cliniquement dans une unité de soins intensifs pédiatriques et en télémédecine par rapport à d’autres ballistocardiographes et aux méthodes de référence.

Globally, healthcare systems have increasing costs and the number of hospitalizations grows. Telehealth brings hospital at home and provides health structures with new opportunities to improve the patient care pathway. Physiological monitoring is a prerequisite in efficient telehealth systems and is performed by connected medical devices that are not fully automated. Patients need to use them actively on a day-to-day basis: these drawbacks lead either to patient disengagement or to additional caregiver support. Passive contactless vital signs’ monitors, such as ballistocardiograms sleep trackers that measure motor, respiratory and cardiac activities, can solve the telehealth inefficiency. Moreover, they are more comfortable and safer for patients than traditional monitors, which is crucial for neonatal neurological development or in case of mental degeneration, though they are currently less accurate. How to improve physiological monitoring accuracy in ballistocardiography to increase telehealth efficiency? In this thesis, materials are provided by a self-designed accelerometer-based instrumentation, a dedicated software, a heartbeat simulator, and measurement campaigns for raw ballistocardiograms’ databases. Novel analog amplification and digital filtering methods are investigated to improve ballistocardiography accuracy. The ballistocardiographic force, coming from the aortic arch deformation during the ventricular systole and measured on the bedside, is indeed modulated by respiratory and motor activities, and is polluted by environment mechanical artifacts. Furthermore, the ballistocardiography is unstandardized and ballistocardiograms have high inter- and intra-variabilities, depending on the beddings, the position in bed, the morphology and the physiology of the patient. Analog amplification is studied from two perspectives: the mechanical amplification of ballistocardiograms from the patient to the sensor, and the electronic amplification of the analog acceleration signal. First, concerning the mechanical amplification, a novel waveguide bedding, a cotton tape encircling the mattress, was invented to concentrate the strain energy of the ballistocardiographic force in one direction, from the thorax straight to the attached sensor. Second, concerning the electronic amplification, a mixed-signal front-end was conceived to optimize the tradeoff between the electronic amplifier gain and the saturation time after a movement. The conditioning circuit measures the unamplified sensor output, passes it through a digital filter with a sharp transition frequency bandwidth and a proper initialization, and analogically amplifies the difference between this unwanted synthesized signal and the unamplified sensor output using a low noise instrumentation amplifier. Digital filtering methods aims at separating signal sources, removing artifacts then detecting vital signs. Three original algorithms have been designed to efficiently recognize heartbeats in ballistocardiograms. The first algorithm is dynamic time warping template matching, where a heartbeat template is used to match heartbeats using a warping distance. The second algorithm models ballistocardiograms with periodic hidden Markov models. The third algorithm, the U-Net neural network, is supervised and segments heartbeats in ballistocardiograms. Finally, ballistocardiograms are mechanically and electronically amplified by 12 dB and 21 dB respectively, without saturation time; and digital filtering algorithms reach a 97% precision and 96% recall for heartbeats detection. Shortly, the designed ballistocardiograph will be clinically evaluated in a pediatric intensive care unit and in telemedicine against other ballistocardiographs and the gold standard methods.