Caractérisation des réseaux de connectivité en utilisant les graphes : application à la détection de l'accouchement prématuré

Uterine synchronization analysis during pregnancy and labor using graph theory, classification based on machine learning

• Auteur / Autrice : Kamil Bader El Dine
• Direction : Catherine Marque, Mohamad Khalil, Noujoud Nader
• Type : Thèse de doctorat
• Discipline(s) : Bioingénierie et Informatique : Unité de Recherche en Biomécanique et Bioingénierie (UMR-7338)
• Date : Soutenance le 09/06/2022
• Etablissement(s) : Compiègne en cotutelle avec Université Libanaise
• Ecole(s) doctorale(s) : École doctorale 71, Sciences pour l'ingénieur (Compiègne)
• Partenaire(s) de recherche : Laboratoire : Biomécanique et Bioingéniérie

Mots clés

Mots clés contrôlés

Traitement du signal

Apprentissage automatique

Théorie des graphes

Électromyographie

Utérus -- Contraction

Propriétés électriques

Utérus

Prévention

Diagnostic

Accouchement prématuré

Mots clés libres

Electrohystérogramme (EHG)

Électromyogramme utérin (EMG)

Méthodes de connectivité

Machine learning

Preterm labor

Connectivity methods

Graph methods

Electrohysterogram (EHG)

Uterine contractions

Résumé

L'objectif global de cette thèse est d'étudier le phénomène de la propagation de l'activité électrique utérine par une approche basée sur la théorie de graphe. La première étape dans cette thèse est de trouver de nouveaux paramètres extraits des graphes qui conviennent pour représenter les évolutions physio-pathologiques de l'utérus. Ces paramètres seront testés directement sur les signaux EHG enregistrés au niveau de l'abdomen puis au niveau des sources identifiées à partir des EHG. Cette analyse sera appliquée sur le signal EHG i) globalement (en utilisant toute la contraction) et ii) dynamiquement (en utilisant des fenêtres temporelles dans la contraction pour caractériser à chaque fois le graphe correspondant). La deuxième étape sera de développer une nouvelle méthode basée sur les réseaux de neurones et de l'appliquer sur tous les paramètres déjà utilisés afin de sélectionner les meilleurs paramètres qui peuvent différencier les contractions de grossesse et de travail. Les résultats attendus seront utilisés à la fois pour enrichir les connaissances scientifiques dans ce domaine et pour essayer d'améliorer les performances de la prédiction de la prématurité chez les femmes.

The overall objective of this thesis is to study the phenomenon of the propagation of uterine electrical activity by a approach based on graph theory. The first step in this thesis is to find new parameters extracted from the graphs which are suitable to represent the physio-pathological evolutions of the uterus. These parameters will be tested directly on th EHG signals recorded at the level of the abdomen then at the level of the sources identified from the EHGs. This analysis will be applied to the EHG signal i) globally (using the entire contraction) and ii) dynamically (using time windows in the contraction to characterize each time the corresponding graph). The second step will be to develop a new method based on neural networks and apply it on all the parameters already used in order to select the best parameters that can differentiate pregnancy and labor contractions. The expected results will be used both to enrich scientific knowledge in this field and to try to improve the performance of the prediction of prematurity in women.