développement d'applications de Telemedecine sur Smartphones

Développement d’applications de Télémédecine sur Smartphones
2Ghouali.S

Faculté de Technologies
Mémoire de Thèse
Option : Réseaux mobiles et services
Thème:
Développement d’applications de
Télémédecine sur Smartphones
Réalisé par : GHOUALI Samir
Directeur de thèse: Pr M. Feham
3
Ghouali.S

12
17,3
Millions
+200
Millions
Ghouali.S

14
La mort cardiaque subite est définie
comme "la mort due à des causes
cardiaques, précédées par une perte
brusque de la conscience et l'apparition des
symptômes aigus"
Ghouali.S

15
Traitement perfectionné des signaux ECG’s
Suivit continuel et en temps réel
Ghouali.S

16
Des concepts d'exploration et d’analyse
de données physiologiques d’une
personne ou étude en Panel des
interactions entre plusieurs variables
Ghouali.S

17Les positions qu’occupent les TICs et le suivi mobile des patients sont de
plus en plus significatives
les TICs sont employés pour améliorer et fournir des services de santé et
des informations connexes
Un des domaines d'application des TICs est l’e-Santé (e-Health)
Ghouali.S

19Impacts du m-Health sur le milieu médical
Le vieillissement de la population
Complexité des anomalies
Diminution du personnel médical
Systèmes de santé
Diagnostics précoces
Le repérage de la précocité
Prévenir l’émergence de certaines maladies
Offrir un meilleur suivi aux personnes atteintes de maladies
chroniques.
Déploiement de la
m-Health
créer une plateforme unique accessible à
la fois aux patients et aux médecins
Ghouali.S

20
Les applications de m-Health incluent
Utilisation de dispositifs mobiles
La surveillance en temps réel des signes
vitaux « via la télémédecine mobile »
Fourniture d'informations ‘Rapports’
Ghouali.S

21
Usage pour la m-health
les Smartphones se muent en médecins
Ghouali.S

22
L’efficacité d’une application médicale exige une capacité d'intervention
immédiate dans l’un de ces quatre domaines essentiels :
Ghouali.S

23
 Evaluation des risques.
 Communication concernant les menaces émergentes.
 Education pour les fournisseurs et le grand public.
 Mise en œuvre des mesures d'évitement des risques.
Ghouali.S

24
 Surveillance de la santé en temps réel.
 Evaluation des données locales, régionales et nationales
 Education
Ghouali.S

25
 Evaluation et l'identification des besoins médicaux.
 Diagnostic, thérapeutique, contamination…
 Optimisation de la logistique.
Ghouali.S

26
 Centres d'excellence fournissant des instructions de
soins spécialisés.
 Consultations en temps réel.
 Supervision du traitement à plusieurs niveaux.
 Se référer vers des centres spécialisés.
Ghouali.S

28
Application « DIAGNOSE ECG »
Contribution 1
Ghouali.S

29
Application « DIAGNOSE ECG »
 Une initiation sur le cœur et le signal ECG
 Développement des bocs d’algorithmes avec discussion des résultats
 Choix de la plateforme mobile de développement
 Test de l’application mobile « DIAGNOSE ECG »
Ghouali.S

30
L'électrocardiographe (ECG) est l'outil de diagnostic utilisé pour évaluer la probabilité d’anomalies
cardiaques.
La relation entre les ondes P, T et le
complexe QRS permet de distinguer les
diverses irrégularités cardiaquesGhouali.S

31
Problèmes
L’analyse des durées et des amplitudes des segments QRS, n’est pas
suffisante pour préciser les anomalies (arythmies) cardiaques.
pas possible de prendre une décision
finale sur une anomalie donnée juste
en prenant les amplitudes et les
intervalles QRS
Ghouali.S

33
Ambitions
Approfondir nos analyses sur l’ensemble des segments ECG ainsi que sur le calcul
des superficies « l’électrocardiographie quantitative »
Exploiter au maximum l’intelligence du smartphone, doté de bases de données
physionet
La détermination des battements normaux /anormaux.
Détection des PVC’s
Calculs des surfaces QRS et T connues par QRSTA (QRS-T area)
Ghouali.S

34
RS
La détection des complexes QRS est d’une importance capitale
Trouver une méthode satisfaisante pour la détection de ce segment
La durée et l’amplitude du segment QRS doivent etre mesurées
avec la plus grande precision
La plupart des algorithmes de détection procèdent en deux étapes :
le signal passe par un filtre passe bande
Une prise de décision selon des critères de seuillage
Ghouali.S

35
RS
Publication Detection du QRS Se % +P%
(correction)
CHIARUGI ET AL. multiples seuils
(Filtre passe-bande + première dérivée) 99.76 99.81
CHRISTOV multiples seuils
(Multiple moyenne mobile + première dérivée) 99.76 99.81
CHOUAKRI Deux seuils
(WT + Histogramme+ Moyenne Mobile) 98,68 97,24
LI ET AL Singularité+ Multiple Seuils
(WT + Filtre Numérique) 99,89 99,94
ARZENO ET AL multiples seuils
(première dérivée+ Quadrature+ Filtre Passe bande) 99,68 99,63
NOTRE
ALGORITHME
Singularité+ multiples seuils
(EB-Gibbs+ Filtre Numérique) 99,75 99,92
Ghouali.S

36
pics
Comparaison des résultats de détection des pics R pour la base de données MIT-BIH avec
l’algorithme de PAN Tompkins
ID
NOMBRE
EXACTE DES
PICS R
NOMBRE DE PICS R
DÉTECTÉS PAR
L'ALGORITHME PAN
TOMPKINS
NOMBRE DE PICS R
DÉTECTÉS PAR
NOTRE
ALGORITHME
FAUSSE
DÉTECTION DES
PICS R PAR PAN
TOMPKINS
FAUSSE DÉTECTION
DES PICS R PAR
NOTRE
ALGORITHME
TOTAL
ID 3540 3576 3508 92 45
ERREUR
RELATIVE
%
2.57270693
5
1.282782212
ERREUR
RÉELLE %
2.683615819 1.27118644
Ghouali.S

37
wave
Estimer les emplacements des ondes T (régions dites non-QRS)
Estimation / détection se fera par blocs
.
Figure 2.17 : (a) Intervalles QRS et non-QRS, (b) ECG.
Région T Région P
R-T R-P
QRS(a)
(b)
N-D
Solution
Modèle bayésien qui s’appelle l’échantillonneur par bloc de Gibbs (EB-Gibbs)
EB-Gibbs PCGS LPD WT
Sensibilité SE % 99.89 99.81 97.74 99.77
Ghouali.S

38
Détection du PVC
La détection et l'identification des PVC’s nécessitent des informations sur le rythme et aussi sur la
morphologie des complexes QRS. Trois caractéristiques sont prises en considération, telles que :
• L'intervalle RR précédent,
• La zone QRST (QRSTA)
• Le calcul d’un coefficient de corrélation avec le gabarit d'un
battement normal.
Détecter, segmenter et extraire les caractéristiques discriminantes des complexes QRS à pa
signaux ECG
Classer les formes d'onde ECG en deux groupes : normal et PVC.
L'analyse morphologique du PVC est un défi
Ghouali.S

39
QRS-T Area
A: QRS-T area=A1+A2+A3-(A4-A5)
B: QRS-T area= A1+A2+A3-(-(A4-A5))
Ghouali.S

40
Les résultats de la classification/performance des blocs d’algorithmes implémentés dans notre
application peuvent être également évalués par le biais de paramètres bien connus dans la littérature, tels
que la précision, la spécificité et la sensibilité, associés à chaque type de pathologie
Ces trois paramètres sont calculés de la manière suivante :
𝑃𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛
𝑆𝑝é𝑐𝑖𝑓𝑖𝑐𝑖𝑡é
𝑆𝑒𝑛𝑠𝑖𝑏𝑖𝑙𝑖𝑡é
Précision
Ghouali.S

41
Spécificité
Ghouali.S

42
Sensibilité
Ghouali.S

43
Battements cardiaques ID du Patient Nombre de battements Nombre de battements
détecté
Nombre totale de
battements
Nombre totale de
battements détecté
Normal (N)
MIT-119
MIT-200
MIT-209
MIT-212
MIT-221
1543
1743
2620
923
2031
1526
1701
2619
921
2026
8860 8793
Contractions
ventriculaire
prématurée (PVC)
MIT-119
MIT-200
MIT-214
MIT-221
MIT-233
444
823
256
396
831
441
823
255
394
830
2750 2743
Tableau: Enregistrements «MIT-BIH arrhythmia database » inclus dans notre application
93.62618432%
99.243792325%
99.745454545%
Précision de 93.62618432%
Spécificité de 99.243792325%
Sensibilité de 99.745454545%
Ghouali.S

44
Apps … Attends une minute, Qu'est-ce que j’ai comme appareil?
ANDROID
APIs
Développement des applications
Gain en terme
d’utilisation
API
diversité de la
bibliothèque
limitée en
termes
d’utilisation
API
Complexité au
niveau
développement
Notre application a été développée à partir de l’API 10
(version Android 2.3.3). Ce choix est bénéfique pour les
utilisateurs parce qu’il ne demande pas un smartphone
puissant et cher, mais coté développement c’est un peu
délicat et limité en termes d’API.Ghouali.S

Nous avons utilisé un nombre
conséquent de bases de données, d’où
nous avons tiré les différents signaux à
analyser.
MIT-BIH Arrhythmia Database
MIT-BIH Noise Stress test Database
BIDMC Congestive Heart Failure
Database
Abdominal and Direct Fetal ECG
Database
Et autres…
Bases de données

52
Etude de la causalité entre les signaux
Cardiorespiratoires Hemodynamiques
Contribution 2
Ghouali.S

53
TEMPS
CRITERES
ELARGIR
CHOIX
INTEGRER
ANALYSE
Le choix des modèles
mathématiques issus des
signaux devient alors
crucial
intéressant d’intégrer
une démarche d’aide
au diagnostic
la mesure d’intervalles de
temps
(durée d’un évènement,
séparation de deux
évènements, les retards)
• Elle correspond à l’analyse
statistique d’observations
• La recherche de facteurs
de causalité entre les
signaux physiologiques Ghouali.S

54
Développement d’un modèle causal multi-varié entre les signaux
Trois Leads ECG
(ECG I, ECG II, ECG V)
Impédance Respiratoire
CO2
Tension artérielle
Pression veineuse centrale
Pression artérielle pulmonaire
Ghouali.S

55
Trois Leads ECG
(ECG I, ECG II, ECG V)
Impédance Respiratoire
CO2
Tension artérielle
Pression veineuse centrale
Pression artérielle pulmonaire
Resp Hemo
Cardio
Causalité Interactions
Ghouali.S

56
Objectifs
Anticipation
des agents
Repérer les
tendances
Contrôles du
processus
Distinguer court
et long termes
Causalité
Prévoir
Principales questions
Quelles sont Les méthodes
utilisées
Comment établit-on les relations
de cause à effet
Comment analyser et interpreter
les résultats
1
2
3 Ghouali.S

57
Applications de la causalité
Ghouali.S

58
Causalité au sens de Granger
Méthodes de tracé de récurrence
Entropie conditionnelle
Transformée d’Hilbert
Sir Clive
William
John
Granger
Ghouali.S

59
Méthodologie d’analyse
Tests de racine unitaire
Calcul des retards
Causalité
‘Nos modèles vectoriels ’
Identifier la présence de la
racine unitaire dans une
série.
Utilisation du test puissant
et très performant nommé
Dickey-Fuller Augmenté
(ADF) sera employé à
cette finalité.
La taille et la puissance du test ADF
dépendent du nombre de retards
Le nombre maximum de retards peut être
choisi au moyen d’un critère d’information
d’Akaike (AIC) et Schwarz
De la même façon que pour la
vraisemblance, un critère de choix peut est
quand nous basculons de la valeur petite
vers la valeur plus grande.
Ghouali.S

60
Résultats
Femme agée de 80 ans
 Endarricectomie carotidienne
 Ectopie Ventriculaire Unifocal
 Hypertrophie auriculaire
gauche
 Hypertrophie ventriculaire
gauche
Ghouali.S

61
Résultats
gauche
gauche
Ghouali.S

62
Résultats
gauche
gauche
Ghouali.S

63
Résultats
gauche
gauche
Ghouali.S

64
Résultats
gauche
gauche
Ghouali.S

65
Apnée de sommeil
ETUDES
EN
PANEL
Ghouali.S

Méthodes et Modèles d’analyse en Panel des
signaux physio
Contribution 3
67
Ghouali.S

Objectifs
68
Apporter une aide médicale
Des prévisions médicales à long termes
Trois points de vue seront plus particulièrement soulignés
PANEL
Ghouali.S

69
Il existe un certain nombre de modèles non linéaires pour données de panel, parmi
lesquels on peut citer :
Les données de panel : une double dimension des données
• en coupe transversale
• chronologique
exploiter la double dimension (individuelle et temporelle) de
l’échantillon
Patient k
Patient j
Patient i
Observations
(EEG, ECG,
EMG…)
Poolés
À effets
fixes
À effets
aleatoires
Probit et
Logit
Tobit I et
II
Cointegration
Ghouali.S

71
Cointegration
(Co intégration en
Panel)(FMOLS/ DOLS)
Granger en Panel
Ghouali.S

72
DE LA THEORIE …
Ghouali.S

73
Interactions
Hémodynamiques
cardiorespiratoires
187 patients
Interactions
cardiorespiratoires
Electromyographies
Galvaniques
durant la conduite
Interactions
cardiologiques et
neurologiques avec des
signaux Hémodynamiques
pulmonaires pendant le
sommeil
18 patients
17 pilotes
drivedb
polysomnographiques MIT-BIH
MGH/MF (Massachusetts General
Hospital / Foundation Marquette)
Ghouali.S

74
DE LA THEORIE …
…A LA PRATIQUE
Ghouali.S

76
Etude de
l’apnée du
sommeil
Ghouali.S

77
Le problème lié au sommeil est appelé apnée du sommeilLes patients atteints de troubles du sommeil doivent avoir une description claire de leur comportement de
sommeil
L'interaction entre l'activité autonome cardiaque et le sommeil a été étudiée pour expliquer cette incidence accrueC’est un trouble qui se caractérise par une interruption de la respiration qui dérange le sommeilCes personnes n'arrivent jamais à passer une bonne nuitLe lien de causalité entre le syndrome d'apnée du sommeil et la morbidité cardiovasculaire a demeuré controversé
depuis de nombreuses années
BP
(Tension
Artérielle)
RESP
(Impédance
Respiratoire)ECG
EEG
(C4-A1)
Ghouali.S

79
Evaluation
1
ECG
EEG
BP
RESP
-131.044
(0.0000)*
-6.39640
(1.0000)
-3.33515
(0.0004)*
-4.38817
(1.0000)
-0.47476
(0.3175)
3.52221
(0.0002)*
-19.8876
(0.0000)*
-1.98227
(0.9763)
Δ ECG
Δ EEG
Δ BP
Δ RESP
232.513
(1.0000)
-5.45009
(1.0000)
224.961
(1.0000)
-6.17149
(1.0000)
13.2090
(1.0000)
-6.46844
(1.0000)
35.1808
(1.0000)
-5.43328
(1.0000)
LLC Hadri
LLC Hadri
Ghouali.S

81
WITHIN DIMENSION (PANEL STATISTICS) BETWEEN DIMENSION (INDIVIDUALS STATISTICS)
PEDRONI (1999)
Panel v-statistic 33.08050 0.0000 Group ρ-statistic -145.7978 0.0000
Panel rho-statistic -290.7709 0.0000 Group pp-statistic -58.83045 0.0000
Panel PP-statistic -88.35383 0.0000 Group ADF-statistic -137.3478 0.0000
Panel ADF-statistic-97.02370 0.0000
PEDRONI (2004) WEIGHTED STATISTIC
Panel v-statistic 15.88081 0.0000
Panel rho-statistic-109.5049 0.0000
Panel PP-statistic -52.30408 0.0000
Panel ADF-statistic -117.2825 0.0000
Evaluation
2
STAT PROB
PROB
PROB
STAT
STAT
ECG
Ghouali.S

82
PEDRONI (1999)
Panel v-statistic 53.95472 0.0000 Group ρ-statistic 7960.843 0.0000
Panel ADF-statistic-15.23803 0.0000
Panel rho-statistic-9425.909 0.0000
Panel PP-statistic 514.7113 0.0000
Evaluation
2
STAT PROB
PROB
PROB
STAT
STAT
EEG
Ghouali.S

Evaluation
3
ECG
-0.000258
BP
0.636812
EEG
-0.000661
RESP
ECG
0.946189
EEG
-0.158511
RESP
ECG
Intra Inter
-0.000360
BP
Ghouali.S

Evaluation
3
EEG
1.80E-05
BP
0.007110
EEG
0.002684
RESP
EEG
0.006811
EEG
-0.000652
RESP
EEG
Intra Inter
2.44E-05
BP
85
Ghouali.S

87Evaluation
LAG =46 ECG BP EEG RESP
ECG
109.348*
(0.0000)
16.0010*
(1E-111)
1.42665
(0.0374)
EEG
45.6406*
(0.0000)
5.64210*
(2.E-28)
0.98476
(0.4982)
Ghouali.S

88
Etude de
l’apnée du
sommeil
Interactions
durant la
conduite
Ghouali.S

89
HR
RESPECG
EMG
Ce manque de vigilance est en fait le résultat de nombreux facteurs qui sont identifiés comme l'inattention, la
somnolence, les erreurs liées à la fatigue, les drogues, l'alcool
Nombreuses équipes de recherche, ont été mobilisées pour mieux comprendre les origines de cette
somnolence et de la détecter le plus tôt possible afin de prendre les dispositions de sécurité
L'analyse de telle situation montre trois directions d’urgence :
 Poursuivre les travaux de validation nécessaires pour multiplier le test.
 Développer des méthodes et des outils pour la détection.
 Perfectionner les procédures d'évaluation pour une comparaison précise des résultats avec l'expertise des systèmes de
référence embarqués à partir de signaux physiologiques.
GSR
HAND AND
FOOT
Ghouali.S

91
Evaluation
1
ECG
EMG
FOOT
GSR
HAND
GSR
Hadri
HR
RESP
36.1913
(0.0000)*
57.4750
(0.0000)*
127.259
(0.0000)*
178.794
(0.0000)*
49.5135
(0.0000)*
50.8103
(0.0000)*
Δ ECG
Δ EMG
Δ FOOT
GSR
Δ HAND
GSR
Δ HR
Δ RESP
-4.72288
(1.0000)
-5.11532
(1.0000)
-1.12761
(0.8703)
-0.91585
(0.8201)
-3.88205
(0.9999)
5.42103
(0.0000)*
Hadri
Ghouali.S

93
PEDRONI (1999)
Panel rho-statistic -45.0907 0.0000
Evaluation
2
STAT PROB
PROB
PROB
STAT
STAT
ECG
Ghouali.S

Evaluation
3
ECG
-0.016248
EMG
-0.028366
HAND
GSR
-0.000110
RESP
ECG
Intra Inter
0.065684
EMG
0.032800
HAND
GSR
ECG
-0.005986
RESP
0.007241
FOOT
GSR
0.000511
HR
0.014534
FOOT
GSR
0.000304
HR
95
Ghouali.S

97
Evaluation
LAG =49 ECG EMG FOOT
GSR
HAND
GSR
HR RESP
ECG (0.4462) (2.E-13)* (2.E-13)* (0.5853) (5.E-10)*
EMG (0.0001)* (1.0000) (1.0000) (1.0000) (0.9999)
FOOT
GSR
(2.E-32)* (1.0000) (0.0000)* (1.0000) (0.0000)*
HAND
GSR
(5.E-33)* (1.0000) (0.0000)* (0.9972) (0.0000)*
HR (0.7912) (1.0000) (0.0005)* (0.0014)* (3.E-06)*
RESP (5.E-25)* (1.0000) (0.1989) (3.E-95)* (0.3185)
Ghouali.S

98
Etude de
l’apnée du
sommeil
Interactions
durant la
conduite
Interactions
Cardiorespiratoires
Hémodynamiques
Ghouali.S

99
CVP
CO23 Leads
ECG
ART
La motivation principale est d’aboutir à un modèle relativement simple et précis, afin de rendre compte des
effets majoritaires de l’influence hémodynamiques cardiorespiratoires sur le fonctionnement cardiaque.
L’étude en panel de ces interactions peut conduire à la détection des changements abrupts des pressions, la
prévision potentielle d'attaque du cœur et fournit au médecin une gamme étendue de l'état du patient,
conduisant à un diagnostic précoce mais en Panel
PAP
RESP
Ghouali.S

101
Evaluation
1
ECG I
ECGII
ECG V
ART
Hadri
CVP
PAP
RESP
CO2
176.146
(0.0000)*
181.815
(0.0000)*
166.571
(0.0000)*
8.17865*
(0.0000)
370.432
(0.0000)*
345.136
(0.0000)*
60.5534
(0.0000)*
152.061
(0.0000)*
Δ ECG I
Δ ECGII
Δ ECG V
ART
CVP
PAP
RESP
CO2
-10.5433
(1.0000)
-20.4687
(1.0000)
-4.72288
(1.0000)
-16.4671
(1.0000)
2.24131
(0.0125)
-6.82929
(1.0000)
-17.3418
(1.0000)
-14.0289
(1.0000)
Hadri
Ghouali.S

103
PEDRONI (1999)
Evaluation
2
STAT PROB
PROB
PROB
STAT
STAT
ECG I
Ghouali.S

104
PEDRONI (1999)
Evaluation
2
STAT PROB
PROB
PROB
STAT
STAT
ECG II
Ghouali.S

105
PEDRONI (1999)
Evaluation
2
STAT PROB
PROB
PROB
STAT
STAT
ECG V
Ghouali.S

Evaluation
3
ECG I
-9.69E-05
ART
0.000566
PAP
7.98E-05
CO2
ECG I
Intra Inter
-0.070483
ART
0.019325
PAP
ECG I
1.567996
CO2
0.001016
CVP
-0.005169
RESP
-0.024849
CVP
-0.668945
RESP
107
Ghouali.S

Evaluation
3
ECG II
0.000620
ART
0.000149
PAP
-0.002433
CO2
ECG II
Intra Inter
-0.036778
ART
-0.089637
PAP
ECG II
0.395186
CO2
0.000551
CVP
-0.018735
RESP
-0.036938
CVP
0.252080
RESP
108
Ghouali.S

Evaluation
3
ECG V
0.000637
ART
0.000364
PAP
-0.017879
CO2
ECG V
Intra Inter
0.029096
ART
0.06423
PAP
ECG V
-2.079635
CO2
0.000150
CVP
-0.001881
RESP
0.057728
CVP
-0.984886
RESP
109
Ghouali.S

111
Evaluation
LAG=46 ART CVP PAP RESP CO2
ECG I
56.2561 *
(0.0000)
301.51 *
(0.0000)
118.567*
(0.0000)
7.6858 *
(5 E-49)
0.82267
(0.7984)
ECG II
16.7803 *
(2 E-132)
39.797 *
(0.0000)
20.417 *
(2 E-167)
13.8728*
(3 E-105)
7.09313*
(7 E-44)
ECG V
20.3208*
(6 E-166)
61.2560*
(0.0000)
46.8816*
(0.0000)
44.6187*
(0.0000)
7.69566*
(4 E-49)
Ghouali.S

113
Ce modèle exploite la co-intégration sur données panel et
permet la quantification à court et à long termes si elle
existe à l’aide des estimateurs FM-OLS et DOLS
L’exécution de notre application « DIAGNOSE ECG » a permis l’évaluation
du paramètre QRSTA du signal ECG. Ce paramètre reste un indicateur de
plusieurs anomalies cardiaques (PVC pour notre cas) ainsi que la
mort subite. A l’aide de notre application, le médecin pourra prendre
une meilleure décision car notre analyse est nettement performante
puisqu’elle exploite la largeur et la surface des segments QRS et T.
la présentation d’une stratégie d’analyse des interactions
entre signaux biomédicaux cardiorespiratoires
hémodynamiques afin d’élaborer une démarche d’aide
au diagnostic
Conclusion
Ghouali.S

Merci pour votre attention
Notre souhait
116
Ghouali.S

développement d'applications de Telemedecine sur Smartphones

Recommandé

Recommandé

Contenu connexe

Similaire à développement d'applications de Telemedecine sur Smartphones

Similaire à développement d'applications de Telemedecine sur Smartphones (20)

Dernier

Dernier (9)

développement d'applications de Telemedecine sur Smartphones