L'enregistrement extracellulaire d'activité électrique est une technique très répandue en neurosciences, mais son application aux îlots pancréatiques et cellules bêta n'est que très récente. La facilité d'utilisation des MEAs (Microelectrode Arrays, Matrices de Microélectrodes) a ouvert de nouvelles perspectives à l'électrophysiologie des cellules bêta, dont des méthodes de criblage en clinique ou des approches biocapteur pour le pancréas artificiel. Cette thèse contribue à la conception et la caractérisation d'un biocapteur hybride composé de cellules pancréatiques cultivées sur un MEA et d'un système électronique de traitement du signal. Le système ainsi réalisé est le fruit de collaborations et projets pluridisciplinaires menés à l'IMS (groupe bioélectronique), en partenariat avec le CBMN (biologie cellulaire et biocapteurs), tous deux au sein de l'Université de Bordeaux. Les projets faisaient également appel au service d'endocrinologie des Hôpitaux Universitaires de Bordeaux, Montpellier, Grenoble et Genève.Les projets en question incluent:- ISLET-CHIP (ANR 2013-PRTS-0017), qui explore une méthode pour évaluer la qualité d'un greffon pancréatique destiné à des patients diabétiques de type I.- BIODIA (EU FEDER), qui caractérise la réponse électrique d'îlots à des stimuli de glucose, hormones et médicaments pour des applications de criblage, différentiation cellulaire, et en boucle-fermée.- DIAGLYC (Bourse régionale 2017 1R30 226), qui étudie l'utilisation du biocapteur hybride comme un capteur pour le pancréas artificiel.La thèse aborde le biocapteur dans ses aspects à la fois électronique et biologique, son intégration dans des expériences appliquées, et ses résultats expérimentaux. Elle s'intéresse également à la modélisation d'une boucle de régulation chez le patient diabétique de type I.D'abord, le système d'analyse électronique est décrit. Issue de l'équipe Elibio, elle réalise acquisition multicanaux et traitement du signal numérique. Elle est construite autour d'un FPGA (Field Programmable Gate Array) qui rend son architecture de calcul polyvalente et évolutive. Elle est capable de mesurer, afficher, et enregistrer des données multicanaux. Le calcul embarqué est optimisé pour de faibles latences de calcul, compatibles avec des applications en boucle fermée. La thèse décrit ses algorithmes de traitement et son architecture.Des résultats expérimentaux utilisant le système et ses algorithmes sont ensuite montrés pour illustrer la réponse des îlots à des stimuli de glucose, médicaments et hormones. L'activité des îlots est quantifiée en analysant leurs APs (Action Potentials, Potentiels d'Action), et plus notoirement leurs SPs (Slow Potentials, Potentiels Lents), une nouvelle signature électrique exclusivement mesurée sur les îlots pancréatiques. Ces mesures, en régimes statique et dynamique, contribuent non seulement à caractériser la réponse du biocapteur, mais aussi à mettre en évidence les algorithmes internes des îlots de Langerhans.Enfin, des approches pour l'intégration du biocapteur dans un pancréas artificiel sont étudiées. Les réponses au glucose et aux hormones sont modélisées et simulées dans un modèle des interactions glucose-insuline dans le corps entier. Ce concept est novateur dans le sens où le capteur en charge de mesurer le besoin d'insuline n'est pas seulement sensible au glucose, mais aussi aux hormones présentes dans le sang. / Extracellular recording of electrical activity is a widespread technique in neurosciences, but only recently has it been applied to pancreatic islets and beta cells. The ease of use of Microelectrode Arrays (MEAs) has opened new perspectives for the electrophysiology of pancreatic cells, including screening methods for clinics and biosensor approaches for the artificial pancreas. This thesis is a contribution to the design and characterization of a hybrid biosensor composed of pancreatic cells cultured on an MEA and dedicated processing electronics. This device is the product of multi-disciplinary projects conducted at IMS (Bioelectronics group), partnered with CBMN (Cell biology and Biosensors team), both at the University of Bordeaux. Projects also involved the endocrinology service of university hospitals in Bordeaux, Montpellier, Grenoble, and Geneva.The covered projects include:- ISLET-CHIP (French ANR 2013-PRTS-0017), investigating a method of evaluating the quality of a preparation prior to its transplantation in type-I diabetic patients.- BIODIA (EU FEDER), characterizing islet electrical response to glucose, hormone, and drug stimuli for screening, cell differentiation, and closed-loop approaches.- DIAGLYC (French regional grant 2017 1R30 226), investigating the use of the hybrid biosensor as an artificial pancreas front-end sensor.The thesis tackles the biosensor in both its electronic and biological aspects, its integration in applicative experimental setups, and experimental results. It also addresses the modeling of a closed regulation loop for type-I diabetic patients.First, the electronic processing platform is described. It is a custom board performing multichannel acquisition and digital signal processing. It is built around an FPGA (Field Programmable Gate Array) that makes its processing architecture versatile and evolutive. It is capable of measuring, displaying and storing multichannel data. Computation was optimized for low-processing latencies compatible with closed-loop configurations. Both its processing algorithms and architecture are detailed.Then, experimental results using this system and its algorithms are shown to illustrate islet response to glucose, drug, and hormone stimuli. Islet activity is quantified by analyzing Action Potentials (APs), and more importantly Slow Potentials (SPs), a novel electrical signature exclusively measured on pancreatic islets. These measurements in both steady state and dynamic regime help characterize the biosensor response, but also shed light on the endogenous algorithms of islets of Langerhans.Finally, approaches for integrating the biosensor in an artificial pancreas are investigated. The measured glucose and hormone responses are modeled and simulated in a full-body glucose-insulin system. This concept is novel in that the sensor in charge of measuring insulin demand in the body is not only sensitive to glucose, but also to blood hormones.

Nowadays, sleep disorders e.g. sleep apnea —the cessation of airflow at the nose and mouth lasting at least 10 second— are a broadly problem around the world. Direct and indirect costs associated to sleep problems are outsize and the quality of patient life is deteriorated because of it. In addition, Sleep is a fundamental part of everyday life, the lack of it or the poor quality of sleep may lead into the development of important diseases. Sleep studies are usually carried out by specialists by means of polysomnography. Polysomnography is a type of sleep study which is consisting of EEG, EOG, EMG, ECG, respiratory signals and/or many other biosignals which together can be used to determine the state of patient’s sleep and any other issue. Nowadays, visual inspection of these signals forms the “gold standard” in sleep clinics. The cost of monitoring a person overnight, the scarcity of beds available and the uncertainty of whether the results are representative of a normal nights’ sleep means that a move to home diagnostics is likely to be advantageous. Therefore, a necessity for home recorders systems capable of perform this kind of analysis has come out. A state machine based automatic scorer is developed and evaluated in Matlab by using 12 recordings of apnoeic patients from sleep heart health study (SHHS) database. By the analysis of EEG, EOG, EMG, Oxygen saturation (Sao2) and respiratory movements signals, the implemented algorithm is trained and evaluated to detect the five stages of subject’s sleep (Wake, N1, N2, N3, or REM) as well as apnoeic episodes according to guidelines from American Academy of Sleep Medicine (AASM). In the final evaluation of algorithms, the automatic scorer achieved 74±5.27% accuracy for all five stages and Cohen’s kappa of 0.5 for the overall set of 12 patients, being the accuracy better for healthier subjects and reaching in this case 78±4.05%. The analysis of the sleep apnea concluded with a sensitivity of 47.08%, a specificity of 83.38%, and an accuracy of 78.1%. Differences in the performance among patients according to their apnea/hypopnea index were significant.   Key Words: Polysomnography, AASM, Sleep apnea/hypopnea.

Στην παρούσα εργασία θα αξιολογηθούν κάποιες αυτόματες μέθοδοι διαχωρισμού ακουστικών βιοσημάτων τα οποία λαμβάνονται από συστοιχία πιεζοηλεκτρικών αισθητήρων σε χαμηλές συχνότητες. Πιο συγκεκριμένα αρχικά θα οριστεί το πρόβλημα το οποίο μας ζητείται να επιλύσουμε και θα γίνουν αναφορές στη διαδρομή των δύο σημαντικότερων μεθόδων διαχωρισμού , της PCA και της ICA. Εν συνεχεία θα γίνει αναφορά στα βιοσήματα τόσο ως προς την προέλευση όσο και ως προς τα σημαντικότερα χαρακτηριστικά τους , η γνώση των οποίων διευκολύνει κατά πολύ τόσο τη διαδικασία του διαχωρισμού όσο και την αξιολόγηση της τελευταίας. Σε επόμενο κεφάλαιο θα γίνει εκτενής αναφορά στους πιεζοηλεκτρικούς αισθητήρες και τον τρόπο με τον οποίο κωδικοποιούν τα βιοσήματα με στόχο την περαιτέρω επεξεργασία τους. Στο μεγαλύτερο τμήμα της εργασίας αυτής ωστόσο θα αναλυθούν οι δύο τεχνικές διαχωρισμού , PCA και ICA και θα γίνει νύξη στους σημαντικότερους αλγορίθμους των παραπάνω (FastICA). Τέλος, θα γίνει εφαρμογή των μεθόδων αυτών τόσο σε τεχνητά όσο και σε πραγματικά σήματα και ανάλυση των αποτελεσμάτων που θα εξαχθούν. / In this diploma thesis some automatic acoustic bio-signal separation techniques are going to be evaluated. The signals used are taken from an array of piezoelectric sensors at low frequencies. To be more specific we are going to set the problem and make a brief report of the main historical facts about PCA and ICA. Furthermore, we are going to analyze both the origin and the most significant characteristics of bio-signals. This knowledge is going to provide us with a much easier separation procedure and a robust evaluation. Additionally not only piezoelectric sensors are going to be analyzed but also PCA and ICA will be resolved too. Main algorithms of both techniques will be mentioned. In conclusion those methods will be applied both on artificial and real data in order to draw some useful conclusions.

There is a large number of biosignals that can be obtained from the human body. Repositories of biosignals are used for researchers in many studies as datasets. Datasets with clinical and personal information have many regulations and they are not accessible to everyone. Platforms with acquisition, recording and visualization of data are currently used in homecare systems for monitoring patients in an effcient way. Distant monitoring allows a good and prompt communication between patients and physicians. This work describes the design and development of a platform at hardware and software level for recording, storage, visualization and analysis of biosignals on the cloud. For the platform, IoT and Cloud Computing resources were used. Open-source and free software are considered for an easy and flexible enlargement of the system.

La sécurité et le confort dans une tâche de conduite automobile sont des facteurs clés qui intéressent plusieurs acteurs (constructeurs, urbanistes, départements de transport), en particulier dans le contexte actuel d’urbanisation croissante. Il devient dès lors crucial d'évaluer l'état affectif du conducteur lors de la conduite, en particulier son niveau de stress qui influe sur sa prise de décision et donc sur ses performances de conduite. Dans cette thèse, nous nous concentrons sur l'étude des changements de niveau de stress ressenti durant une expérience de conduite réelle qui alterne ville, autoroute et repos. Les méthodes classiques sont basées sur des descripteurs proposés par des experts, appliquées sur des signaux physiologiques. Ces signaux sont prétraités, les descripteurs ad-hoc sont extraits et sont fusionnés par la suite pour reconnaître le niveau de stress. Dans ce travail, nous avons adapté une méthode de sélection de variables fonctionnelles, basée sur les forêts aléatoires, avec élimination récursive des descripteurs (RF-RFE). En effet, les biosignaux, considérés comme variables fonctionnelles, sont tout d’abord projetés sur une base d’ondelettes. L’algorithme RF-RFE est ensuite utilisé pour sélectionner les groupes d’ondelettes, correspondant aux variables fonctionnelles, selon un score d’endurance. Le choix final de ces variables est basé sur ce score proposé afin de quantifier la capacité d’une variable à être sélectionnée et dans les premiers rangs. Dans une première étape, nous avons analysé la fréquence cardiaque (HR), électromyogramme (EMG), fréquence respiratoire (BR) et activité électrodermale (EDA), issus de 10 expériences de conduite menées à Boston, de la base de données du MIT, drivedb. Dans une seconde étape, nous avons conduit 13 expériences in-vivo similaires, en alternant conduite dans la ville et sur autoroute dans la région de Grand Tunis. La base de données résultante, AffectiveROAD contient -comme dans drivedb- les biosignaux tels que le HR, BR, EDA mais aussi la posture. Le prototype de plateforme de réseau de capteurs développé, a permis de collecter des données environnementales à l’intérieur du véhicule (température, humidité, pression, niveau sonore et GPS) qui sont également inclues dans AffectiveROAD. Une métrique subjective de stress, basée sur l’annotation d’un observateur et validée a posteriori par le conducteur au vu des enregistrements vidéo acquis lors de l’expérience de conduite, complète cette base de données. Nous définissons ici la notion de stress par ce qui résume excitation, attention, charge mentale, perception de complexité de l'environnement par le conducteur. La sélection de variables fonctionnelles dans le cas de drivedb a révélé que l'EDA mesurée au pied est l'indicateur le plus révélateur du niveau de stress du conducteur, suivi de la fréquence respiratoire. La méthode RF-RFE associée à des descripteurs non experts, conduit à des performances comparables à celles obtenues par la méthode basée sur les descripteurs sélectionnés par les experts. En analysant les données d’AffectiveROAD, la posture et l’EDA mesurée sur le poignet droit du conducteur ont émergé comme les variables les plus pertinentes. Une analyse plus approfondie de l'EDA a par la suite été menée car ce signal a été retenu, pour les deux bases de données, parmi les variables fonctionnelles sélectionnées pour la reconnaissance du niveau de stress. Ceci est cohérent avec diverses études sur la physiologie humaine qui voient l’EDA comme un indicateur clé des émotions. Nous avons ainsi exploré le caractère fractal de ce biosignal à travers une analyse d'auto-similarité et une estimation de l'exposant de Hurst basée sur les ondelettes. L'analyse montre un comportement d’auto-similarité des enregistrements de l'EDA pour les deux bases de données, sur une large gamme d’échelles. Ceci en fait un indicateur potentiel temps réel du stress du conducteur durant une expérience de conduite réelle. / The safety and comfort in a driving task are key factors of interest to several actors (vehicle manufacturers, urban space designers, and transportation service providers), especially in a context of an increasing urbanization. It is thus crucial to assess the driver’s affective state while driving, in particular his state of stress which impacts the decision making and thus driving task performance. In this thesis, we focus on the study of stress level changes, during real-world driving, experienced in city versus highway areas. Classical methods are based on features selected by experts, applied to physiological signals. These signals are preprocessed using specific tools for each signal, then ad-hoc features are extracted and finally a data fusion for stress-level recognition is performed. In this work, we adapted a functional variable selection method, based on Random Forests Recursive Feature Elimination (RF-RFE). In fact, the biosignals considered as functional variables, are first decomposed using wavelet basis. The RF-RFE algorithms are then used to select groups of wavelets coefficients, corresponding to the functional variables, according to an endurance score. The final choice of the selected variables relies on this proposed score that allows to quantify the ability of a variable to be selected and this, in first ranges. At a first stage, we analyzed physiological signals such as: Heart Rate (HR), Electromyogram (EMG), Breathing Rate (BR), and the Electrodermal Activity (EDA), related to 10 driving experiments, extracted from the open database of MIT: drivedb, carried out in Boston area. At a second stage, we have designed and conducted similar city and highway driving experiments in the greater Tunis area. The resulting database, AffectiveROAD, includes, as in drivedb, biosignals as HR, BR and EDA and additional measurement of the driver posture. The developed prototype of the sensors network platform allowed also to gather data characterizing the vehicle internal environment (temperature, humidity, pressure, sound level, and geographical coordinates) which are included in AffectiveROAD database. A subjective stress metric, based on driver video-based validation of the observer’s annotation, is included in AffectiveROAD database. We define here the term stress as the human affective state, including affect arousal, attention, mental workload, and the driver’s perception of the environment complexity. The functional variable selection, applied to drivedb, revealed that the EDA captured on foot followed by the BR, are relevant in the driver’s stress level classification. The RF-RFE method along with non-expert based features offered comparable performances to those obtained by the classical method. When analyzing the AffectiveROAD data, the posture and the EDA captured on the driver’s right wrist emerged as the most enduring variables. For both databases, the placement of the EDA sensor came out as an important consideration in the stress level assessment. A deeper analysis of the EDA was carried out since its emergence as a key indicator in stress level recognition, for the two databases. This is consistent with various human physiology studies reporting that the EDA is a key indicator of emotions. For that, we investigated the fractal properties of this biosignal using a self-similarity analysis of EDA measurements based on Hurst exponent (H) estimated using wavelet-based method. Such study shows that EDA recordings exhibits self-similar behavior for large scales, for the both databases. This proposes that it can be considered as a potential real-time indicator of stress in real-world driving experience.

No description available.

Το αντικείμενο της διατριβής αυτής είναι η εισαγωγή ενός νέου πρωτοκόλλου (e-SCP-ECG+) με στόχο την μεταφορά και διαχείριση πολλαπλών τύπων πληροφορίας που προέρχονται από ιατρικές συσκευές συλλογής ζωτικών σημάτων, δεδομένα που αφορούν τις αλλεργίες από τις οποίες υποφέρει ο ασθενής, στοιχεία γεωτοποθεσίας, καθώς επίσης και δημογραφικών στοιχείων, από τους ασθενείς σε υπολογιστικούς σταθμούς επεξεργασίας, διαχείρισης και αποθήκευσής της. Ορίζεται επίσης η αρχιτεκτονική ενός Συστήματος Τηλεπαρακολούθησης Υγείας Ασθενούς (ΣΤΥΑ), το οποίο χρησιμοποιεί το πρωτόκολλο e-SCP-ECG+ για τη μεταφορά, τη διαχείριση και την αρχειοθέτηση της συλλεγόμενης πληροφορίας. Η αρχιτεκτονική περιλαμβάνει, επίσης, τη δημιουργία ενός Δικτύου από ΣΤΥΑ, με στόχο την δικτυακή αναζήτηση πληροφορίας σχετικής με τον ασθενή, εξασφαλίζοντας έτσι τη δυνατότητα του ελέγχου της πορείας της υγείας ενός ασθενούς. Το ΣΤΥΑ πέρα από την λειτουργία του σε εργαστηριακό επίπεδο, δοκιμάστηκε πιλοτικά σε πραγματικές συνθήκες. / This dissertation introduces a new protocol named e-SCP-ECG+, which permits the transport and management of multiple information types collected from patients (vital signs, citizen demographic data, other information relative with the treated incident, allergy data, geolocation data, etc.), through a communication network to a Health Reception Center. The dissertation also defines the architecture of a Health Tele-monitoring System (HTS) aiming to protocol’s application and evaluation. The pilot HTS, uses the protocol e-SCP-ECG+, in order to transmit, manage and archive the collected information. The creation of an HTS’s Network is also included in this architecture. This network supports health continuity and gives doctor the ability to search information relative to the patient between different networked HTSs. The pilot HTS, has been tested both on laboratory conditions and in real-world operation.

Σκοπός αυτής της διπλωματικής εργασίας είναι η εξαγωγή γνώσης και χρήσιμων συμπερασμάτων για το σχετικά αδιερεύνητο θέμα της διάγνωσης των μαθησιακών δυσκολιών. Χρησιμοποιήθηκαν δεδομένα καταγραφής ηλεκτροεγκεφαλογραφημάτων ηρεμίας και εγκεφαλικών προκλητών δυναμικών υγιών και ατόμων με μαθησιακές δυσκολίες, τα οποία συλλέχθηκαν στο εργαστήριο Ψυχοφυσιολογίας του Αιγινητείου Νοσοκομείου. Από την ανάλυση αυτών των σημάτων προσδιορίστηκαν παράμετροι (π.χ συγκεκριμένες κορυφώσεις) που διαφοροποιούν στατιστικά τα άτομα με μαθησιακές δυσκολίες σε σχέση με τους υγιείς. Παράλληλα, εξετάστηκαν παράμετροι από την κλασική θεωρία βιοσημάτων όπως η ενέργεια και οι χαρακτηριστικοί ρυθμοί. Τέλος, επιλύθηκε το αντίστροφο πρόβλημα της ηλεκτροεγκεφαλογραφίας ώστε να βρεθούν οι ρευματικές πηγές που προκαλούν τα αντίστοιχα σήματα στην επιφάνεια του κεφαλιού. Από τις πηγές αυτές επιδιώχθηκε ο προσδιορισμός περιοχών του εγκεφάλου που πιθανώς να είναι υπεύθυνες για την εμφάνιση μαθησιακών δυσκολιών. / The present thesis aims at the extraction of knowledge and useful conclusions for the relatively uninvestigated phenomenon of learning difficulties. Patients and healthy controls were evaluated by a computerized version of the digit span Wechsler test and EEG/ERP signals were recorded from 15 scalp electrodes based on the international 10-20 system of electroencephalography. The phenomenon was investigated via processing and analysis of EEG/ERP signals of healthy and persons with learning difficulties. Some features were extracted from these signals that statistically differentiate these two groups. Furthermore, features from classical theory of biosignals such as energy and characteristic rhythms were investigated. Finally, the so-called electroencephalography inverse problem was solved in order to define the internal current sources. The localization of such sources in the brain aimed at defining brain regions that are potentially responsible for learning difficulties.

(Spatio-temporale) Blind Source Separation (BSS) eignet sich für die Verarbeitung von Multikanal-Messungen im Bereich der kontaktlosen Biosignalerfassung. Ziel der BSS ist dabei die Trennung von (z.B. kardialen) Nutzsignalen und Störsignalen typisch für die kontaktlosen Messtechniken. Das Potential der BSS kann praktisch nur ausgeschöpft werden, wenn (1) ein geeignetes BSS-Modell verwendet wird, welches der Komplexität der Multikanal-Messung gerecht wird und (2) die unbestimmte Permutation unter den BSS-Ausgangssignalen gelöst wird, d.h. das Nutzsignal praktisch automatisiert identifiziert werden kann. Die vorliegende Arbeit entwirft ein Framework, mit dessen Hilfe die Effizienz von BSS-Algorithmen im Kontext des kamera-basierten Photoplethysmogramms bewertet werden kann. Empfehlungen zur Auswahl bestimmter Algorithmen im Zusammenhang mit spezifischen Signal-Charakteristiken werden abgeleitet. Außerdem werden im Rahmen der Arbeit Konzepte für die automatisierte Kanalauswahl nach BSS im Bereich der kontaktlosen Messung des Elektrokardiogramms entwickelt und bewertet. Neuartige Algorithmen basierend auf Sparse Coding erwiesen sich dabei als besonders effizient im Vergleich zu Standard-Methoden. / (Spatio-temporal) Blind Source Separation (BSS) provides a large potential to process distorted multichannel biosignal measurements in the context of novel contact-less recording techniques for separating distortions from the cardiac signal of interest. This potential can only be practically utilized (1) if a BSS model is applied that matches the complexity of the measurement, i.e. the signal mixture and (2) if permutation indeterminacy is solved among the BSS output components, i.e the component of interest can be practically selected. The present work, first, designs a framework to assess the efficacy of BSS algorithms in the context of the camera-based photoplethysmogram (cbPPG) and characterizes multiple BSS algorithms, accordingly. Algorithm selection recommendations for certain mixture characteristics are derived. Second, the present work develops and evaluates concepts to solve permutation indeterminacy for BSS outputs of contact-less electrocardiogram (ECG) recordings. The novel approach based on sparse coding is shown to outperform the existing concepts of higher order moments and frequency-domain features.

Σκοπός της εργασίας είναι να μελετηθεί ο τρόπος, οι τεχνολογίες, οι υπηρεσίες και οι περιορισμοί οι οποίοι εμφανίζονται στην παροχή υπηρεσιών υγείας σε έκτακτα περιστατικά με τη χρήση τηλεματικής. Για την επικοινωνία των φορητών συσκευών παρακολούθησης των ασθενών με τους σταθμούς βάσης επιλέχθηκε το ασύρματο δίκτυο Wi-Fi για το οποιο μελετήθηκαν μια σειρά από παραμέτρους οι οποίες συμβάλουν είτε θετικά είτε αρνητικά κατά περίπτωση. Η παρακολούθηση και η αποστολή των κρίσιμων διοδυναμικών παραμέτρων ενός ασθενούς επιτεύχθηκε με τη χρήση φορητής/φορετής Βιοιατρικής ζώνης η οποία παρέχει τον εξοπλισμό ανίχνευσης και επεξεργασίας των σημάτων καθώς επίσης και τον εξοπλισμό ασύρματης δικτύωσης με το κέντρο παρακολούθησης. Σημαντικός τομέας της μελέτης αποτελεί η πρόταση για μεταφορά δεδομένων μέσα από ασύρματα δικτύα διανομής επίγειας ψηφιακής τηλεόρασης και των γραμμών μεταφοράς ηλεκτρικής ενέργειας μέσης τάσης. Το δεύτερο κομμάτι της εργασίας επικεντρώνεται στην παροχή υπηρεσιών βίντεο για ιατρικούς σκοπούς για την αντιμετώπιση προγραμματισμένων και έκτακτων περιστατικών. Εκεί αναλύονται οι τεχνικές συμπίεσης και επεξεργασίας της εικόνας και προτείνεται η χρήση του πρωτοκόλλου MPEG-4 για την αποδοτικότητα και την πιστότητα στην αναπαραγόμενη εικόνα. Η εργασία κλείνει με τη διεξαγωγή μιας πειραματικής διαδικασίας αναλύοντας τα χαρακτηριστικά της ποιότητας της εικόνας βίντεο από μια λαπαροσκοπική επέμβαση. Ο συνδυασμός όλων των παραπάνω οδηγεί στην κατασκευή ενός υβριδικού συστήματος τηλειατρικης το οποιο έχει τη δυνατότητα να αντιμετωπίσει έκτακτα ιατρικά περιστατικά σε αντίξοες συνθήκες. / The present thesis is a full analytical study for the implementation of technologies, the services and constrains that appears in the provision of medical emergency services with the use of a telematics network. The communication of the portable monitoring equipment with a medical station is accomplished through the wireless WiFi infrastructure. Critical biosignals wireless transmission is accomplished through a wearable biomedical belt that contains the sensory as well as the processing devices. One section of in this study proposes alternative network infrastructures to be used, in particular the Digital terrestrial TV network and the transmission of IP data over the power lines. The last section deals with the provisioning of a MPEG-4 medical video service. Critical parameters are the image and compression techniques that degrade the video picture quality. A video sample from a laparoscope’s surgery is analyzed that shows how various quality parameters affect the perceived picture quality in the decomposition section.