Analyse de signaux de ballistocardiogramme pour la détection des événements cardiorespiratoires

Otis, Samuel (2020). Analyse de signaux de ballistocardiogramme pour la détection des événements cardiorespiratoires. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation	PDF Télécharger (7MB) | Prévisualisation
Prévisualisation	PDF Télécharger (1MB) | Prévisualisation

Résumé

La nouvelle génération de matelas connectés ouvre des avenues intéressantes pour la surveillance des signes vitaux en milieu clinique. Ce mémoire propose une étude de l’utilité et de la validité d’une telle technologie sur une population présentant des problèmes cardiorespiratoires en contexte clinique. En effet, la surveillance discrète et continue de la fréquence respiratoire (FR) est essentielle pour proposer de meilleurs diagnostics en utilisant des objets connectés. Par conséquent, les nouveaux matelas connectés se concentrent de plus en plus sur la FR. Dans notre travail, nous validons les performances d’un matelas FOS à micro pliures sur 80 sujets admis à l’unité de soins intensifs cardiaques (USIC) en estimant la FR à partir de leur ballistocardiogrammes (BCG). Notre étude propose un nouvel estimateur de la FR, basé sur des modèles harmoniques plus bruit (HNM) et le compare à deux estimateurs connus (à savoir MODWT et CLIE). L’objectif est d’examiner, à l’aide d’un ensemble représentatif de données, la précision de ces méthodes et du matelas connecté. Les résultats de l’application de ces trois estimateurs au BCG montrent que le MODWT est plus précis avec une erreur moyenne absolue moyenne (MAE) de 5.72 ± 6.47 RPM. L’estimateur CLIE s’est montré moins performant avec une MAE de 10.90 ± 8.35 RPM. L’estimateur HNM montre des résultats encourageants de 8.45 ± 8.22 RPM. Des analyses de Bland-Altman ont révélé que chacune de ces méthodes d’estimations fonctionne mieux pour des FR lentes et que l’erreur augmente linéairement en fonction de la vitesse de la FR. Cela signifie que le matelas connecté fonctionne bien dans un intervalle de FR standard de 10-20 respirations par minute (BPM) mais devient moins précis avec une plus grande plage d’estimation. Ces résultats soulignent la nécessité d’améliorer les performances de ces capteurs pour des plages de signes vitaux plus larges. En somme, ce projet propose une base de données bien plus large que les précédentes sur une population ayant différents troubles cardiorespiratoires. De plus, les résultats valident qu’un matelas connecté peut fonctionner, dans de bonnes conditions, sur cette même population.

Titre traduit

Analysis of ballistocardiogram signals for the detection of cardiorespiratory events

Résumé traduit

The new generation of connected mattresses opens up interesting avenues for monitoring vital signs in clinical settings. This paper proposes a study of the utility and validity of such technology in a population with cardiorespiratory problems in a clinical setting. Discreet and continuous monitoring of the respiratory rate (RR) is essential to provide better diagnostic when using smart objects. As a result, new intelligent mattresses are increasingly focusing on respiratory rate (RR). In our work, we validate the performance of a microbend FOS mattress on 80 subjects admitted to the cardiac intensive care unit (CICU) by estimating the RR from their ballistocardiograms (BCG). Our study proposes a new estimator of the RR, based on harmonic plus noise (HNM) models and compares it to two known estimators (namely MODWT and CLIE). The objective is to examine, using a representative data set, the accuracy of these methods and of the smart mattress itself. The results of applying these three estimators to the BCG show that the MODWT is more accurate with an average absolute mean absolute error (MAE) of 5.72 ± 6.47 BPM. The CLIE estimator was less efficient with an MAE of 10.90 ± 8.35 BPM. The HNM estimator shows encouraging results of 8.45 ± 8.22 BPM. Bland-Altman analyses revealed that each of these estimation methods works better for slow RRs, but that the error increases linearly with the frequency of the RR. This means that the smart mattress works well within a standard RR range of 10 20 breaths per minute (BPM) but becomes less accurate with a wider range of estimation. These results highlight the need to improve the performance of these sensors for wider ranges of vital signs. In short, this project proposes a much broader database than the previous ones on a population with different cardiorespiratory disorders. Moreover, it validates that a smart mattress can function, under good conditions, on this same population.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Mémoire présenté à l’École de technologie supérieure comme exigence partielle à l’obtention de la maîtrise avec mémoire en génie, concentration en technologies de la santé". Comprend des références bibliographiques (pages 125-141).
Mots-clés libres:	matelas connecté, ballistocardiogramme, respiration, anomalies cardiorespiratoires
Directeur de mémoire/thèse:	Directeur de mémoire/thèse de Guise, Jacques A.
Codirecteur:	Codirecteur Mezghani, Neila
Programme:	Maîtrise en ingénierie > Génie
Date de dépôt:	14 juin 2021 17:10
Dernière modification:	02 nov. 2022 13:56
URI:	https://espace.etsmtl.ca/id/eprint/2658

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt