This thesis focuses on the issue of atrial fibrillation and the success of their detection in the ECG signal. It provides a description of electrical activity of the heart with the theoretical analysis of atrial fibrillation and methods for their detection. Additionally the work describes procedures for the implementation of three selected methods for the detection of atrial fibrillation in the MATLAB environment, presents the results of their tests on two atrial fibrillation signal databases and assesses the accuracy of each method.

L’électrocardiogramme (ECG) permet de mesurer l’activité électrique du cœur. Il est utilisé pendant les examens d’Imagerie par Résonance Magnétique (IRM) depuis plusieurs décennies pour améliorer la surveillance des patients et synchroniser les acquisitions des images. Néanmoins, cette technique est réalisée en utilisant des dispositifs électroniques avec une bande passante faible et un nombre limité d’électrodes ne permettant pas de fournir un signal de qualité diagnostic. En effet, un ECG diagnostic nécessite une large bande passante (0.05 – 150 Hz) ainsi que 10 électrodes de mesure qui permettent d’acquérir 12 dérivations. L’IRM est caractérisée par un environnement avec un champ magnétique statique intense, des champs électromagnétiques dynamiques à haute fréquence et à basse fréquence. La conception et le développement d’un capteur ECG compatible IRM nécessite de prendre en compte cet environnement afin de réduire les risques d’échauffements du dispositif pendant les séquences d’images et réduire les perturbations sur les signaux mesurés. L’utilisation de dispositifs avec des câbles courts réduit les risques d’échauffement par effet antenne, ce qui garantit la sécurité des patients, mais l’induction de bruit sur les signaux est inévitable. Le travail de thèse a été organisé en cinq parties principales. Les deux premières parties étaient orientées sur l’étude de la littérature et la conception d’un nouveau prototype de capteur avec une large bande passante d’ECG. L’objectif était de développer un dispositif doté d’une puissance de calcul suffisante pour intégrer les algorithmes de traitement du signal développés par le laboratoire IADI, afin d’éliminer le bruit superposé aux signaux. La troisième partie a été consacrée à la construction d’un réseau de capteurs à partir de N capteurs. L’objectif était de multiplier le nombre d’électrodes de mesure pour augmenter la résolution spatiale de l’ECG et reconstruire un ECG 12 dérivations pendant l’examen IRM. La finalité de ce travail est l’imagerie ECG non invasive à partir de cartes de potentiel électrique de surface et à partir de modèles anatomiques de patients obtenus simultanément par IRM. La quatrième partie expose un nouveau procédé de correction en temps réel des signaux ECG à partir d’une acquisition à haute fréquence d’échantillonnage, sur la base du dispositif développé. La cinquième et dernière partie présente une autre application de ce capteur en salle d’électrophysiologie interventionnelle, pendant l’activation d’un système de Navigation Magnétique à distance (NMD) du cathéter, qui génère des perturbations similaires à celles observées en IRM. / The electrocardiogram (ECG) is used to measure heart electrical activity. It has been used during Magnetic Resonance Imaging (MRI) examinations for several decades to improve patient monitoring and synchronize image acquisition. Nevertheless, this technique is performed using electronic devices with a low bandwidth and a limited number of electrodes that do not provide a diagnostic signal quality. Indeed, a diagnostic ECG requires a wide bandwidth (0.05 - 150 Hz) and 10 measuring electrodes that allow 12 leads to be acquired. MRI is characterized by an environment with an intense static magnetic field, high frequency and low frequency dynamic electromagnetic fields. The design and development of an MRI-compatible ECG sensor needs to take into account this environment to reduce the risk of overheating of the device during image sequences and to reduce disturbances on the measured signals. The use of devices with short cables reduces the risk of overheating by antenna effect, which ensures patient safety, but the induction of noise on the signals is inevitable. This thesis is organized in five parts. The first two parts were oriented towards the study of the literature and the design of a new sensor prototype with a broad bandwidth of ECG. The objective was to develop a device with sufficient computing power to integrate the signal processing algorithms developed by the IADI laboratory, to eliminate the noise superimposed on the signals. The third part was dedicated to the construction of a sensor network from N sensors. The goal was to multiply the number of measurement electrodes to increase the spatial resolution of the ECG and reconstruct a 12-lead ECG during MRI examination. The purpose of this work is noninvasive ECG imaging from surface electrical potential maps and from anatomical models of patients obtained simultaneously by MRI. The fourth part presents a new method of real-time correction of ECG signals from a high frequency sampling acquisition, based on the device developed. The fifth and last part presents another application of this sensor in the interventional electrophysiology room, during the activation of a Magnetic Navigation System of the catheter, which generates disturbances similar to those observed in MRI.

In today’s research and market, IT applications for health-care are gaining huge interest of both IT and medical researchers. Cardiovascular diseases (CVDs) are considered the largest cause of death for both men and women regardless of ethnic backgrounds. More efficient treatments and most importantly efficient methods of cardiac diagnosis that examine heart diseases are desired. Electrocardiography (ECG) is an essential method used to diagnose heart diseases. However, diagnosing any cardiovascular disease based on the 12-lead ECG printout from an ECG machine using human eye might seriously impair analysis accuracy. To meet this challenge of today’s ECG analysis methodology, a more reliable solution that can analyze huge amount of patient’s data in real-time is desired. The software solution presented in this article is aimed to reduce the risk while diagnosing cardiovascular diseases (CVDs) by human eye, computation of large-scale patient’s data in real-time at the patient’s location and sending the required results or summary to the doctor/nurse. Keeping in mind the importance of real-time analysis of patient’s data, the software system has built upon small individual algorithms/modules designed for multi-core architecture, where each module is supposed to be processed by an individual core/processor in parallel. All the input and output processes to the analysis system are made automated, which reduces operator’s interaction to the system and thus reducing the cost. The outputs/results of the processing are summarized to smaller files in both ASCII and binary formats to meet the requirement of exchanging the data over Voice and Data Networks.

No description available.

Insider threat is one of the greatest concerns for information security that could cause more significant financial losses and damages than any other attack. However, implementing an efficient detection system is a very challenging task. It has long been recognized that solutions to insider threats are mainly user-centric and several psychological and psychosocial models have been proposed. A user's psychophysiological behavior measures can provide an excellent source of information for detecting user's malicious behaviors and mitigating insider threats. In this dissertation, we propose a multi-modal framework based on the user's psychophysiological measures and computer-based behaviors to distinguish between a user's behaviors during regular activities versus malicious activities. We utilize several psychophysiological measures such as electroencephalogram (EEG), electrocardiogram (ECG), and eye movement and pupil behaviors along with the computer-based behaviors such as the mouse movement dynamics, and keystrokes dynamics to build our framework for detecting malicious insiders. We conduct human subject experiments to capture the psychophysiological measures and the computer-based behaviors for a group of participants while performing several computer-based activities in different scenarios. We analyze the behavioral measures, extract useful features, and evaluate their capability in detecting insider threats. We investigate each measure separately, then we use data fusion techniques to build two modules and a comprehensive multi-modal framework. The first module combines the synchronized EEG and ECG psychophysiological measures, and the second module combines the eye movement and pupil behaviors with the computer-based behaviors to detect the malicious insiders. The multi-modal framework utilizes all the measures and behaviors in one model to achieve better detection accuracy. Our findings demonstrate that psychophysiological measures can reveal valuable knowledge about a user's malicious intent and can be used as an effective indicator in designing insider threat monitoring and detection frameworks. Our work lays out the necessary foundation to establish a new generation of insider threat detection and mitigation mechanisms that are based on a user's involuntary behaviors, such as psychophysiological measures, and learn from the real-time data to determine whether a user is malicious.

The survival rate for a suddent cardiac arrest (SCA) is incredibly low, with less than one in ten surviving; most SCAs occur outside of a hospital setting. There is a need to develop an effective and efficient system that can sense, communicate and remediate potential SCA situations on a near real-time basis. This research presents a novel Zeolite-PDMS-based optically unobtrusive flexible dry electrodes for biosignal acquisition from various subjects while at rest and in motion. Two zeolite crystals (4A and 13X) are used to fabricate the electrodes. Three different sizes and two different filler concentrations are compared to identify the better performing electrode suited for electrocardiogram (ECG) data acquisition. A low-power, low-noise amplifier with chopper modulation is designed and implemented using the standard 180nm CMOS process. A commercial off-the-shelf (COTS) based wireless system is designed for transmitting ECG signals. Further, this dissertation provides a framework for Machine Learning Classification algorithms on large, open-source Arrhythmia and SCA datasets. Supervised models with features as the input data and deep learning models with raw ECG as input are compared using different methods. The machine learning tool classifies the datasets within a few minutes, saving time and effort for the physicians. The experimental results show promising progress towards advancing the development of a wireless ECG recording system combined with efficient machine learning models that can positively impact SCA outcomes.

No description available.

В данной магистерской работе мы исследуем возможности построения словаря волн биомедицинских сигналов электрокардиограммы, который в дальнейшем позволит применять методы NLP для обработки временных рядов биомедицинских сигналов. В частности, мы сосредоточимся на анализе структуры пиков и интервалов электрокардиограммы здоровых и больных аритмией и другими заболеваниями людей, средствами языка python и автоматизации этого процесса для извлечения значимой информации из биомедицинских временных рядов ЭКГ. Наша конечная цель – улучшение точности и эффективности обработки и анализа биомедицинских сигналов, что имеет важное значение как для клинической диагностики, так и для научных исследований. Решение этой задачи имеет большое практическое значение для различных областей, таких как медицина, биология и фармакология, где обработка и анализ временных рядов играют важную роль. / In this master's thesis, we are exploring the possibility of constructing a dictionary of waves of biomedical electrocardiogram signals, which in the future will allow the use of NLP methods for processing time series of biomedical signals. In particular, we will focus on analyzing the structure of peaks and intervals of the electrocardiogram of healthy people and patients with arrhythmia and other diseases, using the Python language and automating this process to extract meaningful information from biomedical ECG time series. Our ultimate goal is to improve the accuracy and efficiency of biomedical signal processing and analysis, which is important for both clinical diagnostics and scientific research. The solution to this problem is of great practical importance for various fields, such as medicine, biology and pharmacology, where processing and analysis of time series play an important role.

La modélisation du vivant, en particulier la modélisation de l'activité cardiaque, est devenue un défi scientifique majeur. Le but de cette thématique est de mieux comprendre les phénomènes physiologiques et donc d'apporter des solutions à des problèmes cliniques. Nous nous intéressons dans cette thèse à la modélisation et à l'étude numérique de l'activité électrique du cœur, en particulier l'étude des électrocardiogrammes (ECGs). L'onde électrique dans le cœur est gouvernée par un système d'équations de réaction-diffusion appelé modèle bidomaine ce système est couplé à une EDO représentant l'activité cellulaire. Afin simuler des ECGs, nous tenons en compte la propagation de l'onde électrique dans le thorax qui est décrite par une équation de diffusion. Nous commençons par une démonstrer l'existence d'une solution faible du système couplé cœur-thorax pour une classe de modèles ioniques phénoménologiques. Nous prouvons ensuite l'unicité de cette solution sous certaines conditions. Le plus grand apport de cette thèse est l'étude et la simulation numérique du couplage électrique cœur-thorax. Les résultats de simulations sont représentés à l'aide des ECGs. Dans une première partie, nous produisons des simulations pour un cas normal et pour des cas pathologiques (blocs de branche gauche et droit et des arhythmies). Nous étudions également l'impact de certaines hypothèses de modélisation sur les ECGs (couplage faible, utilisation du modèle monodomaine, isotropie, homogénéité cellulaire, comportement résistance-condensateur du péricarde,. . . ). Nous étudions à la fin de cette partie la sensibilité des ECGs par apport aux paramètres du modèle. En deuxième partie, nous effectuons l'analyse numérique de schémas du premier ordre en temps découplant les calculs du potentiel d'action et du potentiel extérieur. Puis, nous combinons ces schémas en temps avec un traîtement explicite du type Robin-Robin des conditions de couplage entre le cœur et le thorax. Nous proposons une analyse de stabilité de ces schémas et nous illustrons les résultats avec des simulations numériques d'ECGs. La dernière partie est consacrée à trois applications. Nous commençons par l'estimation de certains paramètres du modèle (conductivité du thorax et paramètres ioniques). Dans la deuxième application, qui est d'originie industrielle, nous utilisons des méthodes d'apprentissage statistique pour reconstruire des ECGs à partir de mesures ('électrogrammes). Enfin, nous présentons des simulations électro-mécaniques du coeur sur une géométrie réelle dans diverses situations physiologiques et pathologiques. Les indicateurs cliniques, électriques et mécaniques, calculés à partir de ces simulations sont très similaires à ceux observés en réalité.

- Réalisé au centre de recherche de l'hospital du Sacré-Coeur de Montréal. - Programme conjoint entre Université de Montréal et École Polytechnique de Montréal. / La fibrillation auriculaire (FA) est la forme d’arythmie la plus fréquente chez les êtres humains. Les mécanismes qui gouvernent l’initiation et les manifestations de cette maladie sont complexes, de nature dynamique, incluant des interactions à travers multiples échelles temporelles et spatiales dans les oreillettes. Ceci conduit très souvent à des manifestations imprévisibles et à des phénomènes qui émergent à l’échelle de l’organe, et qui se reflètent à l’échelle de tout le torse. Pour remédier à ce problème, on peut effectuer une ablation par cathéter, qui consiste à créer sur le tissu auriculaire des lésions linéaires qui bloquent et contraignent la propagation électrique. Parfois, ces lignes se reconnectent quelque temps après l’intervention, ce qui mène à des récidives, nécessitant ainsi une nouvelle intervention. Le but de ce projet est de modéliser un suivi de l’onde P post-opératoire pour détecter de manière non-invasive la reconnexion des lignes d’ablation et ainsi prédire les récidives de fibrillation auriculaire. À l’aide d’un modèle mathématique des oreillettes et du thorax, les ondes P sont simulées avant et après ablation, ainsi qu’après reconnexion de certaines lignes d’ablation. Les résultats montrent que la morphologie et les caractéristiques de l’onde P, ainsi que la carte d’activation sont affectées significativement par l’ablation et les reconnexions subséquentes. Ces différences sont plus facilement détectables lorsque les reconnexions naissent sur la veine pulmonaire inférieure gauche. Les changements sont plus importants pour les électrodes placées sur certaines zones du torse, notamment dans le dos. Ces nouvelles données aident actuellement à la conception d’une étude clinique pour valider l’approche. / Atrial fibrillation (AF) is the most common form of arrhythmia in humans. The mechanisms governing the initiation and manifestations of that disease are complex, dynamic in nature, including interactions across multiple spatial and temporal scales in the atria. This often leads to unpredictable manifestations and phenomena that arise at the level of the organ, and are reflected across the entire torso. To remedy that problem, catheter ablation can be carried out, which consists in creating linear lesions which block and force the electrical propagation in the atrial tissue. Sometimes these lines reconnect after the procedure, which leads to atrial fibrillation recurrence, thus requiring a new intervention. The purpose of this work is to model the monitoring of the postoperative P wave to detect non-invasively the reconnection of ablation lines and to predict atrial fibrillation recurrences. Using a mathematical model of the atria and thorax, the P waves are simulated before and after ablation, as well as after reconnection of some ablation lines. The results show that the morphology and the characteristics of the P wave as well as the activation map are significantly affected by the ablation lines and the subsequent reconnections. These differences are more easily detected when reconnections arise on the left inferior pulmonary vein. The changes are most important in electrodes placed in certain areas of the torso, notably in the back. These new data are helping to plan a clinical study to validate the approach.