Spelling suggestions: "subject:"fréquence respiratoire"" "subject:"réquence respiratoire""
1 |
Effective signal processing methods for robust respiratory rate estimation from photoplethysmography signal / Estimation robuste de la fréquence respiratoire par traitement et analyse du signal de photoplethysmographieCherif, Safa 12 October 2018 (has links)
Le photopléthysmogramme (PPG) est un signal optique acquis à partir de l’oxymètre de pouls, dont l’usage principal consiste à mesurer la saturation en oxygène. Avec le développement des technologies portables, il est devenu la technique de base pour la surveillance de l’activité cardio-respiratoire des patients et la détection des anomalies. En dépit de sa simplicité d'utilisation, le déploiement de cette technique reste encore limité pour deux principales raisons : 1. L’extrême sensibilité du signal aux distorsions. 2. La non-reproductibilité entre les sujets et pour les mêmes sujets, en raison de l'âge et des conditions de santé. L’objectif de cette thèse est le développement de méthodes robustes et universelles afin d’avoir une estimation précise de la fréquence respiratoire (FR) indépendamment de la variabilité intra et interindividuelle du PPG. Plusieurs contributions originales en traitement statistiques du signal PPG sont proposées. En premier lieu, une méthode adaptative de détection des artefacts basée sur la comparaison de modèle a été développée. Des tests par la technique Random Distortion Testing sont introduits pour détecter les pulses de PPG avec des artefacts. En deuxième lieu, une analyse de plusieurs méthodes spectrales d’estimation de la FR est proposée. Afin de mettre en évidence la robustesse des méthodes proposées face à la variabilité du signal, plusieurs tests ont été effectués sur deux bases de données avec de différentes tranches d'âge et des différents modes respiratoires. En troisième lieu, un indice de qualité respiratoire spectral (SRQI) est conçu dans le but de communiquer au clinicien que les valeurs fiables de la FR avec un certain degré de confiance. / One promising area of research in clinical routine involves using photoplethysmography (PPG) for monitoring respiratory activities. PPG is an optical signal acquired from oximeters, whose principal use consists in measuring oxygen saturation. Despite its simplicity of use, the deployment of this technique is still limited because of the signal sensitivity to distortions and the non-reproducibility between subjects, but also for the same subject, due to age and health conditions. The main aim of this work is to develop robust and universal methods for estimating accurate respiratory rate regardless of the intra- and inter-individual variability that affects PPG features. For this purpose, firstly, an adaptive artefact detection method based on template matching and decision by Random Distortion Testing is introduced for detecting PPG pulses with artefacts. Secondly, an analysis of several spectral methods for Respiratory Rate (RR) estimation on two different databases, with different age ranges and different respiratory modes, is proposed. Thirdly, a Spectral Respiratory Quality Index (SRQI) is attributed to respiratory rate estimates, in order that the clinician may select only RR values with a large confidence scale. Promising results are found for two different databases.
|
2 |
Fusion par lisseur de Kalman pour l’estimation de la fréquence respiratoire à partir de l’électrocardiogramme ou du photoplethysmogramme / Kalman smoother data fusion for respiratory rate estimation from the electrocardiogram or photoplethysmogramKhreis, Soumaya 27 June 2019 (has links)
Ce mémoire de thèse vise à proposer de nouvelles méthodes robustes pour l'estimation de la fréquence respiratoire (FR) à partir des signaux physiologiques souvent utilisés dans la clinique comme l'électrocardiogramme (ECG) ou le photoplethysmogramme (PPG), tout en évitant de porter des capteurs encombrants et inconfortables. En effet, la respiration influence les signaux ECG et/ou PPG. Plusieurs modulations qui décrivent la respiration sont extraites basée principalement sur l'amplitude, la fréquence et la ligne de base. Il est toutefois difficile de déterminer la combinaison optimale des modulations pour obtenir une estimation précise de la FR en raison du bruit, la spécificité de chaque patient et de l'activité. Après une revue de la littérature, il ressort que peu de travaux ont étudié la qualité de ces modulations. Nous proposons donc de quantifier la qualité des modulations à l'aide d'indices de qualité respiratoire (IQR), un nouvel indice basé sur une modulation sinusoïdale est introduit. Puis, deux méthodes sont proposées: la première sélectionne automatiquement la modulation avec l'IQR le plus élevé pour une estimation de la FR, la seconde combine les deux meilleurs modulations avec le lisseur de Kalman (LK). Une nouvelle approche de fusion de modulations basée sur un modèle multimodale est également explorée. Ces méthodes sont évaluées sur trois bases de données de différents contextes cliniques: la surveillance dans les soins postopératoires (où les patients sont immobiles), le suivi pendant les activités physiques quotidiennes et la surveillance néonatale. Les résultats expérimentaux montrent que les IQRs associés à un algorithme de fusion augmentent la précision de l'estimation de la FR à partir des modulations dérivées et montrent des résultats supérieurs aux travaux issus de la littérature. / The presented work in this dissertation concerns the development of approaches to estimate the breathing rate (BR) accurately from the electrocardiogram (ECG) and photoplethysmogram (PPG), to avoid wearing cumbersome and uncomfortable sensors for direct measurements. In fact, the respiration influences ECG and PPG signals. Several modulations are extracted to describe breathing cycles based on amplitude, frequency and baseline. However, it is difficult to determine the optimal combination to estimate the BR due to the noise and patient-dependency. Since few works have studied the quality of these modulations, we propose to study the quality of modulations using respiratory quality indices (RQI). To do so, we present two methods: the first automatically selects the modulations with the highest RQI for BR estimation, the second tracks the respiration signal using Kalman smoother. The obtained results show superior performance comparing to the methods in the literature. In addition, an extension of fusion approach is presented based on a multi-mode model. These proposed methods are tested on several datasets with different clinical contexts: monitoring post-operative care (where patients are immobile), daily physical activities and neonatal monitoring. The experimental results show that the RQIs coupled with a fusion algorithm increase the accuracy of the BR estimation from the derived modulations.
|
Page generated in 0.1349 seconds