La Bioimpédancemétrie Appliquée au diagnostic médical : Application au Signal ICG The Bioimpedancemetry Applied in Medical Diagnosis: The ICG Signal Application

Abstract

Grâce aux avancées dans le domaine de la technologie biomédicale, la surveillance hémodynamique peut être effectuée à l’aide des méthodes non invasives telles que la cardiographie par impédance. Cette technique est fiable, sûre, simple, sécurisée et moins coûteuse ; elle est utilisé pour le diagnostic et la surveillance continue des maladies cardiovasculaires. La technique non invasive d’ICG vient pour résoudre le problème de complexité de la mesure et de l'analyse des maladies cardiaques, basant sur l'évaluation de changement d'impédance électrique thoracique qui est dus aux changements de vitesse et de résistivité du sang afin d'estimer plusieurs paramètres hémodynamiques. Ce type de signal est altéré par des artefacts qui ruinent l’information significative du signal. Cette distorsion pousse les cliniciens vers un mauvais diagnostic et une mauvaise surveillance de l'état pathologique des patients, dans lesquels il est important de trouver des techniques pour éliminer les bruits sans détruire la morphologie de notre signal. Pour cette raison, le domaine du traitement du signal a développé plusieurs techniques de débruitage appliquées à la suppression des bruits respiratoires et de mouvement sans déformer la forme du signal. Nos trois méthodologies de débruitage sont basées sur plusieurs études comparatives entre différents types de filtres adaptatifs et le filtrage Savitzky-Golay (SG), la décomposition en valeurs singulières (SVD) avec des carrés moyens maigres (LMS), la famille des ondelettes orthogonales : ondelettes de Daubechies (db) et Symlet (sym) avec plusieurs types de seuillage tels que Shrinkage, NeighBlock et seuil classique comme Rigrsure et Sqtwolog ; ils sont tous comparés aux filtres linéaires ainsi qu'au filtre adaptatif basé sur LMS. L'évaluation a été faite sur 10 sujets et les résultats ont montré une efficacité, où la meilleure méthode en termes de réduction de bruit est les ondelettes sym8 au niveau 5, et la technique de seuillage la plus optimale est la technique Rigrsure avec un taux d'erreur moyen (MER) égal à 0,0001 %. La détection automatique des points caractéristiques nous a permis de calculer les indices cardiaques et par la suite d'extraire des informations significatives sur l'état de chaque patient. Dans notre travail, nous avons développé un algorithme sous Matlab pour le traitement et l'identification de points caractéristiques sur les 10 signaux ICG. Ce nouveau algorithme vise à détecter les points B, C et X en utilisant un modèle mathématique simple basé sur deux cloches pour étudier les signaux ICG pendant 26 cycles ; les ondes de pré-éjection et d'éjection. Les résultats améliorent considérablement l'efficacité et la précision de l'estimation LVET pour l'estimation battement par battement dans certaines conditions. La détection est réalisée sur les signaux ICG de 10 sujets sains. Les résultats des calculs montrent une efficacité et une précision ; par rapport à la plage normale d'une personne en bonne santé (saine). Pour estimer les indices cardiaques et les intervalles de temps, nous trouvons une solution efficace et simple. Nous avons développé une application d'accès automatique pour aider les cliniques à analyser les signaux ICG et électrocardiogramme (ECG), soit localement, ou à distance. Cette application a pour objectif de mettre à disposition des médecins toutes les informations nécessaires pour les aider à établir un diagnostic rapide et fiable soit localement soit à distance. Cette application est un accès automatique en temps réel permettant d'optimiser la qualité des soins et la rapidité du diagnostic, quelle que soit leur situation géographique. Elle est réalisée selon deux critères : le stockage de l'information et la manipulation des données. Cette application est basée sur trois logiciels : Java Netbeans, Matlab, et WAMP/EASYPHP (MySQL) pour le développement web.