Pléthysmographie respiratoire par magnétométrie ˸ Evaluation de la ventilation et de la dépense énergétique à partir d'algorithmes d'apprentissage automatique

Respiratory Magnetometer Plethysmography˸ Evaluation of ventilation and energy expenditure using machine learning algorithms

• Auteur / Autrice : Aya Houssein
• Direction : Jacques Prioux, Di Ge
• Type : Thèse de doctorat
• Discipline(s) : Biologie-Santé
• Date : Soutenance le 30/06/2021
• Etablissement(s) : Rennes, École normale supérieure
• Ecole(s) doctorale(s) : École doctorale Biologie-Santé (Nantes)
• Partenaire(s) de recherche : Laboratoire : Mouvement, Sport, Santé (Rennes) - Université de Rennes - École normale supérieure - Rennes - Laboratoire Mouvement Sport Santé
• Jury : Président / Présidente : Patrice Quinton
• Jury : Examinateurs / Examinatrices : Anne Humeau, Benoit Bideau, Guy Carrault
• Jury : Rapporteurs / Rapporteuses : Jérémy Vanhelst, Pierre-Yves Guméry

Mots clés

Mots clés contrôlés

Pléthysmographie

Apprentissage supervisé (intelligence artificielle)

Activité motrice

Mots clés libres

Pléthysmographie respiratoire par magnétométrie

Ventilation minute

Dépense énergétique

Activité physique

Apprentissage automatique

Respiratory magnetometer plethysmography

Minute ventilation

Energy expenditure

Physical activity

Machine learning

Résumé

L'activité physique (AP) est primordiale pour la santé. La quantification de l'AP occupe une place majeure dans les recherches scientifiques qui étudient la relation entre l'AP et ses effets sur la santé. L'AP est quantifiée en termes de dépense énergétique (DE). Les techniques de référence pour mesurer DE sont encombrantes et invasives. Des nouveaux appareils portables non invasifs sont développés pour pallier les problèmes liés à l'utilisation des méthodes de référence. Parmi ces appareils, la pléthysmographie respiratoire par magnétométrie (PRM) a été récemment développées. PRM est basée sur la mesure des distances longitudinales et transversales thoraciques et abdominales.L'objectif de cette thèse est d'évaluer la capacité de PRM à estimer VE et DE au cours d'AP d'intensités faibles à élevées en utilisant des algorithmes d'apprentissage automatique.Les principaux résultats de nos travaux montrent :1) Que PRM permet d'estimer VE et DE pendant des AP faibles à élevées.2) Qu'un modèle non linéaire est plus pertinent qu'un modèle linéaire pour estimer VE.3) Que l'individualisation des modèles offre une meilleure performance pour l'estimation de VE et de DE.4) Que PRM estime avec précision DE pour n'importe quelle intensité même pour celles les plus élevées.5) Qu'une approche activité spécifique est plus pertinente pour estimer DE, et qu'une étape de reconnaissance de l'AP est nécessaire avant d'estimer DE.De nouvelles études doivent cependant être réalisées pour tester PRM sur une large population et dans des conditions de vie libre.

Regular physical activity (PA) is essential to maintain and improve health. The quantification of PA has become a major focus in scientific research studying the relationship between PA and its effects on health. PA is generally quantified in terms of energy expenditure (EE). Reference methods used to measure EE are cumbersome and invasive. To overcome the problems associated with the use of reference methods, portable and non-invasive devices have been developed. Among these devices, respiratory magnetometer plethysmography (RMP) has recently developed. PRM is based on the measurement of the longitudinal and transversal thoracic and abdominal distances.The objective of this thesis is to evaluate the ability of PRM to estimate V˙E and EE during low to high intensity PA using machine learning algorithms. The main results of our work demonstrate 1) That RMP is suitable to estimate ˙VE and DE during low to high PA. 2) A nonlinear model is more relevant than a linear model to estimate V˙E. 3) The individualization of the models provides better performance for V˙E and EE estimation.4) RMP can accurately estimate EE at any intensity, including the highest ones. 4) An activity-specific approach is more relevant to estimate EE ,and a step of PA recognition is necessary before EE estimation.Further studies are still needed to evaluate RMP on a large population and under free-living conditions.