Analyse automatique des stades du sommeil à partir des voies électrophysiologiques et cardiorespiratoires

Automatic sleep stage analysis from ectrophysiological and cardio-respiratory channels

• Auteur / Autrice : Jade Vanbuis
• Direction : Jean-Marc Girault
• Type : Thèse de doctorat
• Discipline(s) : Acoustique
• Date : Soutenance le 19/02/2021
• Etablissement(s) : Le Mans
• Ecole(s) doctorale(s) : Sciences de l'ingénierie et des systèmes (Nantes Université)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'acoustique de l'Université du Mans - Laboratoire d'Acoustique de l'Université du Mans / LAUM
• Jury : Président / Présidente : Régine Le Bouquin Jeannès
• Jury : Examinateurs / Examinatrices : Jean-Marc Girault, Régine Le Bouquin Jeannès, Guillaume Baffet, Mathieu Feuilloy, Alexandre Gramfort, Philippe Micheau
• Jury : Rapporteur / Rapporteuse : Anne Humeau, Andrea Pinna

Mots clés

Mots clés contrôlés

Traitement du signal

Polygraphie respiratoire

Électrophysiologie

Emploi en diagnostic

Algorithmes

Diagnostic

Troubles du sommeil

Sommeil -- Stades

Mots clés libres

Lecture du sommeil

Classification

Aide au diagnostic

Troubles du sommeil

Polysomnographie

Polygraphie ventilatoire

HypnoLighT

Sleep scoring

Classification

Diagnosis support tools

Sleep-disordered breathing

Polysomnography

Home sleep apnea testing

HypnoLighT

Résumé

Le diagnostic des troubles du sommeil repose sur l'analyse de différents signaux enregistrés lors d'un examen du sommeil. Cette analyse est réalisée par un spécialiste du sommeil qui étudie la ventilation et, selon l'outil de diagnostic, la succession des stades de sommeil. Cette dernière tâche est particulièrement chronophage et complexe. Trois algorithmes d'aide au diagnostic et dédiés à cette tâche sont présentés.Le premier permet la classification éveil/sommeil lors de l'utilisation d'un nouvel outil de diagnostic. Il en découle la possibilité pour le médecin de diagnostiquer précisément le syndrome d'apnées du sommeil et à moindre coût.Le deuxième, fondé sur les voies électrophysiologiques, permet d'obtenir une classification de tous les stades de sommeil à partir de l'outil de diagnostic le plus complet. Il a été implémenté en considérant les limitations à l'utilisation d'un tel algorithme en routine clinique. L'architecture de cet algorithme reproduit ainsi le processus de classification réalisé manuellement par les médecins. Une fonction de seuillage auto-adaptatif a aussi été mise en place afin de fournir une classification patient-dépendante. Les résultats obtenus sont comparables avec ceux des médecins.Le troisième algorithme, fondé sur les voies cardio-respiratoires, permet de classifier les stades de sommeil à partir d'un outil de diagnostic très utilisé mais pour lequel il n'est normalement pas possible d'étudier les stades de sommeil. La tâche est complexe, mais les résultats obtenus sont satisfaisants vis-à-vis de la littérature.Les trois algorithmes, destinés aux différents outils de diagnostic, permettront d'aider les spécialistes à analyser le sommeil.

The diagnostic of sleep-disordered breathing requires the analysis of various signals obtained while recording sleep. The analysis is carried by a sleep specialist, which studies the patient's ventilation and, depending on the diagnostic tool used for the record, sleep stages. Sleep stage scoring is a complex and time-consuming task. Three diagnosis support algorithms dedicated to this task are presented in this thesis.The first one provides a wakefulness versus sleep classification, designed for a new diagnostic tool. It results in the ability to make a precise diagnosis of sleep apnea syndrome, at low cost.The second algorithm, based on electrophysiological channels, provides a full sleep stage classification while using the most complete diagnosis tool. It was implemented considering the known limitations for the use of algorithms in clinical practice. Its architecture thus reproduces the manual scoring process. A self-adaptative thresholding function was also implemented to provide a patient-dependent classification. The obtained results are comparable with the ones from sleep experts.The third algorithm, based on cardio-respiratory channels, provides a sleep stage classification while using a diagnostic tool that is insufficient for a manual sleep scoring, yet still highly used. The task is challenging but the obtained results are satisfying compared to literature.All three algorithms, which were designed for various diagnostic tools, will help sleep experts analyzing sleep.