Développement d'un vêtement intelligent pour le suivi et diagnostic en temps-réel de patients atteints de COVID-19 long

Design of an intelligent garment for real-time monotoring and diagnosis of long COVID-19 patients

• Auteur / Autrice : Marc Junior Nkengue
• Direction : Xianyi Zeng, Ludovic Koehl, Xuyuan Tao
• Type : Thèse de doctorat
• Discipline(s) : Automatique, génie informatique, traitement du signal et des images
• Date : Soutenance le 17/10/2024
• Etablissement(s) : Centrale Lille Institut
• Ecole(s) doctorale(s) : École graduée Mathématiques, sciences du numérique et de leurs interactions (Lille ; 2021-....)
• Partenaire(s) de recherche : Laboratoire : GEMTEX (Roubaix) - Unité Matériaux et Transformations - UMR 8207 / UMET
• Jury : Président / Présidente : Gérard Dray
• Jury : Examinateurs / Examinatrices : Xianyi Zeng, Ludovic Koehl, Xuyuan Tao, Salah Bourennane, Shixin Ye- Lehmann
• Jury : Rapporteurs / Rapporteuses : Gérard Dray, Salah Bourennane

Mots clés

Mots clés contrôlés

Intelligence artificielle en médecine

Textiles intelligents

Diagnostic assisté par ordinateur

Systèmes d'aide à la décision

Traitement du signal

Mots clés libres

Traitements des signaux

Intelligence artificielle

Apprentissage de données et de connaissance humaine

Classification supervisée

Système d'aide à la décision locale

Diagnostic basique automatique

Vêtement intelligent et connecté

Diagnostic à distance

Internet des objets

E-Textiles

Signal processing

Artificial intelligence

Basic automatic diagnosis

Local decision system

Supervised classification

Data and human knowledge learning

Internet of things

Remote diagnosis

Résumé

En s'appuyant sur les résultats (prototypes textiles souples, capteurs et algorithmes) obtenus dans les projets scientifiques développés au sein de l’équipe de recherche (IOTFetMov (ANR), E-TexWeld (H2020)), cette thèse doctorale a pour objectif de développer un nouveau vêtement intelligent et connecté, afin de réaliser en temps-réel la détection et le suivi des symptômes du patient atteint de COVID-19 Long. De façon automatique, il s’agit de poser un pré-diagnostic basique à partir du traitement de signaux pertinents par des techniques intelligentes comme un outil d’aide à la décision à destination des équipes médicales. Ce vêtement intelligent, prenant la forme d’une ceinture instrumentée en contact étroit avec le corps du patient et sachant être portée sur la durée, intègre à la fois un ensemble de capteurs mesurant des signaux temporels physiologiques (température de la peau, électrocardiogramme) et embarque un système d'aide à la décision locale permettant à la fois d’estimer les paramètres physiologiques nécessaires à une détermination automatique de la sévérité de l’infection du patient connecté par apprentissage des signaux mesurés et de la connaissance experte médicale. Un diagnostic à distance pourra dès lors s'effectuer au travers d’échanges avec le médecin par le biais du vêtement intelligent et du smartphone utilisé comme une passerelle du patient connecté. De cette manière, toute aggravation rapide des symptômes sera précocement détectée et offrira aux médecins une réactivité plus rapide pour intervenir dans les meilleurs délais et protéger la santé des patients

Based on the results (prototypes, sensors, algorithms) obtained in our previous projects (IOTFetMov (ANR), TexWeld (H2020)), this PhD thesis aims at designing a new intelligent garment, in order to detect and monitor in real time, the symptoms of long COVID-19 patient. We establish a pre-diagnosis by processing relevant signals using intelligent techniques. This intelligent garment, a close-fitting belt, integrates both a set of sensors, measuring physiological indices (skin temperatures, electrocardiogram) and embed a local decision support system allowing to estimate relevant parameters used for an automatic estimation of the connected patient health status, by learning from the measured signals and from the medical expert knowledge. A remote diagnosis can be carried out through interactions with the doctor via the e-textile and the patient's smartphone. In this way, a rapid worsening of symptoms will be detected early, and doctors will be able to react more quickly to manage patients