EP3478169A1 - Procédé de détection d'au moins un trouble du rythme cardiaque - Google Patents

Procédé de détection d'au moins un trouble du rythme cardiaque

Info

Publication number
EP3478169A1
EP3478169A1 EP17740453.0A EP17740453A EP3478169A1 EP 3478169 A1 EP3478169 A1 EP 3478169A1 EP 17740453 A EP17740453 A EP 17740453A EP 3478169 A1 EP3478169 A1 EP 3478169A1
Authority
EP
European Patent Office
Prior art keywords
time series
interval
series
rate
variation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
EP17740453.0A
Other languages
German (de)
English (en)
Inventor
Rachid Bouchakour
Stephane DELLIAUX
Mustapha OULADSINE
Jean Claude DEHARO
Wenceslas Rahajandraibe
Ahmed CHARAI
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Aix Marseille Universite
Centre National de la Recherche Scientifique CNRS
Assistance Publique Hopitaux de Marseille APHM
Original Assignee
Aix Marseille Universite
Centre National de la Recherche Scientifique CNRS
Assistance Publique Hopitaux de Marseille APHM
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Aix Marseille Universite, Centre National de la Recherche Scientifique CNRS, Assistance Publique Hopitaux de Marseille APHM filed Critical Aix Marseille Universite
Publication of EP3478169A1 publication Critical patent/EP3478169A1/fr
Withdrawn legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/024—Measuring pulse rate or heart rate
    • A61B5/02405—Determining heart rate variability
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/024—Measuring pulse rate or heart rate
    • A61B5/02416—Measuring pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/361—Detecting fibrillation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Definitions

  • the present invention relates to a method and a device for detecting a cardiac rhythm disorder of a human or animal subject from a physiological signal containing information on the subject's cardiac rhythm.
  • the present invention relates more particularly but not exclusively to the realization of a portable device for ensuring a continuous monitoring of the cardiac activity of a subject.
  • Atrial fibrillation is the most common cardiac arrhythmia, responsible for a large number of hospital admissions for rhythmic problems. It is estimated that one in six people over the age of 40 will experience this arrhythmia, which currently affects several million subjects. Its prevalence in the population increases with age, reaching 1.5% over 50 years and more than 20% over 80 years. Atrial fibrillation is also responsible for 10 to 15% of all stroke and 25% of stroke after 80 years. In almost a third of cases, atrial fibrillation is asymptomatic, behaving like a "silent killer". Due to the aging of the population, screening for atrial fibrillation is a major public health issue.
  • Holter-ECG On subjects at risk, a statement of the electrocardiogram or ECG is generally practiced using a recorder event called "Holter”, or a version portable of this one, called “Holter-ECG”.
  • a Holter-ECG recording typically lasts 24 hours. It has the advantage of allowing the monitoring of a patient outside the hospital environment but can not be used daily by the population.
  • the heart is a muscle that contracts in a relatively regular rhythm. Each normal beat is initiated by an electrical signal generated by the cardiac electrogenic tissue and conveyed by the conduction system of the heart.
  • the ECG signal consists of a succession of electrical depolarizations resulting in the appearance of waves P, Q, R, S, T, U whose appearance is shown in Figure 3.
  • the P wave which corresponds at depolarization of auricles, presents a small amplitude.
  • the PQ interval reflects the atrioventricular conduction time.
  • the QRS complex reflects the ventricular contraction, and the T wave the ventricular repolarization.
  • peak R is considered as a marker of ventricular systole, ie, heartbeat.
  • the R wave is the thinnest and largest peak of the ECG signal, and is generally used to mark the moment of heartbeat with very good accuracy.
  • Atrial fibrillation observed on an electrocardiogram is characterized by the replacement of P-waves by rapid oscillations (called fibrillation waves) of varying size, shape, and frequency of occurrence, associated with an often fast irregular ventricular rhythm when atrio - ventricular is intact.
  • a time series of RR intervals thus consists of a plurality of successive RR intervals (... RRi 1, RRi, RRi + 1 ...) as illustrated in FIG. 3, each interval RR corresponding to the time interval separating two successive waves R of the ECG signal.
  • the article "Automatic Detection of Atrial Fibrillation Using RR Interval Signal” proposes to use the mathematical operators VAI and VLI, SD1 and SD2 to distinguish time series in sinus rhythm from time series with atrial fibrillation.
  • a scatter plot, said Lorenz or Poincaré graph, whose abscissa is the RR interval (RRi) and the ordinate the following RR interval (RRi + 1) of the time series, allows to represent successive RR intervals as scatterplots in which we try to distinguish those related to subjects in sinus rhythm and those attached to subjects with atrial fibrillation.
  • the proposed classification criteria are purely graphical and include the NZCEL number of cells RdR of the graph comprising at least one point, the number NZCOL of columns of cells RdR having at least one point, the number NZROW of rows of cells RdR having at least one point, the NPEAK number of cells having a number of points greater than a threshold, the XDIST trajectory distance of the cloud of points along the RR axis, the maximum difference between two RR intervals, the distance YDIST trajectory of the point cloud along the dRR axis, ie the maximum difference between two dRR variations, the maximum distance DGMAX with respect to a global center of the point cloud, the maximum distance DPMAX with respect to a determined positive center from all positive value dRRs, and the maximum distance DNMAX from a negative center determined from all negative value dRRs. It may, however, be desirable to provide a method for detecting a heart rhythm disorder by time series classification which is simple to implement and provides better accuracy than known
  • Embodiments of the present invention provide a method for detecting at least one cardiac rhythm disorder of a human or animal subject, from a time series of RR intervals representative of the cardiac rhythm of the subject extracted from a physiological signal, comprising the steps of characterizing the time series with at least one descriptive variable whose value is calculated from the RR intervals of the time series, using the value of the descriptive variable, classifying the time series into a first class of time series associated with subjects in sinus rhythm or in at least one second class of time series associated with subjects with cardiac rhythm disorder, in which the value of the descriptive variable is calculated from a derived series whose constituent element is a discrete derivative of order 1 or greater than 1 of the RR interval of the se time.
  • the constituent element of the derived series is chosen from the group comprising: the rate of variation of the RR interval, ie the discrete time derivative of the RR interval, reflecting the acceleration of the cardiac rhythm, the absolute value of the rate of variation of the interval RR, the rate of variation of the rate of variation of the interval RR, that is the discrete time derivative of the rate of variation of the interval RR, or again the discrete second time derivative of the RR interval, reflecting the jolts of the heart rate, the absolute value of the rate of change of the rate of change of the RR interval, the rate of change of the absolute value of the rate of change of the RR interval, and the absolute value of the rate of change of the absolute value of the rate of change of the RR interval.
  • the step of characterizing the time series also comprises calculating the value of at least one descriptive variable from a time series whose constituent element is chosen from the group comprising the interval RR, the variation of the RR interval, and the absolute value of the variation of the RR interval.
  • the value of the descriptive variable is calculated by means of a mathematical operator selected from the group consisting of: the mean value, the median, the standard deviation, the variance, the asymmetry coefficient or Skewness, flattening coefficient or Kurtosis, ULF ultra low frequency power, VLF very low frequency power, LF low frequency power, RF high frequency power, LF / HF ratio, total power, power Normalized LF, the normalized RF power, SD1 or dispersion of the points along the small axis of the ellipse of the Poincaré diagram, SD2 or dispersion of the points along the long axis of the ellipse of the Poincaré diagram, the ratio SD1 / SD2, VAI or the vector angle index, VLI or the vector length index, RMSSD or squared mean of the successive differences of the constituent elements of the series, SDSDD or standard deviation of the absolute value of the ord differentiation re 2 of the constituent elements of the series, the recurrence rate of the recurr
  • the step of classifying the time series is performed by means of a supervised learning classifier tool
  • the method comprises a step of configuring the classifier tool comprising the steps of providing the classifier tool a plurality of values of the descriptive variable calculated from series derived from a first set of time series from subjects in sinus rhythm, and providing the classifier tool with a plurality of values of the descriptive variable calculated from series derived from a second set of time series from subjects with cardiac arrhythmia.
  • the method comprises a step of continuous or quasi-continuous production of a plurality of time series from the physiological signal, and the real-time determination of the class to which each time series belongs.
  • the time series are produced according to a sliding time window, so that two successive time series can comprise common RR intervals.
  • the method includes a step of detecting missing RR intervals and wherein the production of time series is interrupted during periods including missing RR intervals.
  • the time series are extracted from a photoplethysmographic signal.
  • the method comprises a decision step by which the cardiac rhythm disorder is considered to be detected when a determined number greater than 1 of time series does not belong to the first class of time series.
  • Embodiments also relate to a device for detecting at least one cardiac rhythm disorder of a human or animal subject from a time series of RR intervals representative of the subject's cardiac rhythm extracted from a physiological signal, the device being configured to characterize the time series with at least one descriptive variable whose value is calculated from the RR intervals of the time series, using the value of the descriptive variable, classifying the time series into a first class of series temporal associated with subjects in sinus rhythm or in at least a second class of time series associated with subjects having the cardiac rhythm disorder, the device being configured to calculate the value of the descriptive variable from a derived series whose constituent element is a 1 or higher order derivative of the RR interval of the t-series emporelle.
  • the device is configured to calculate the value of the descriptive variable from a derived series whose constituent element is chosen from the group comprising the rate of variation of the RR interval, namely the time derivative. of the RR interval, reflecting the acceleration of the heart rate, the absolute value of the rate of change of the RR interval, the rate of change of the rate of change of the RR interval, the discrete temporal derivative of the rate of variation of the RR interval, again the second derivative of the RR interval, reflecting the jolts of the heart rate, the absolute value of the rate of change of the rate of change of the RR interval, the rate of change of the absolute value of the rate of change of the RR interval, and the absolute value of the rate of change of the absolute value of the rate of change of the RR interval.
  • the device is configured to also calculate the value of at least one descriptive variable from a time series whose constituent element is selected from the group comprising the RR interval, the variation of the RR interval, and the absolute value of the variation of the RR interval.
  • the device comprises a supervised learning classifier tool configured to classify the time series into the first or second classes of time series.
  • the device is configured to produce a plurality of time series continuously or quasi-continuously from the physiological signal, and to classify in real time each time series.
  • the device is configured to produce the time series according to a sliding time window, so that two successive time series can comprise common RR intervals.
  • the device is configured to detect missing RR intervals and interrupt the production of time series of RR intervals during periods including missing RR intervals.
  • the device is configured to extract time series of RR intervals from a photoplethysmographic signal.
  • the device is configured to perform a decision step by which the cardiac rhythm disorder is considered to be detected when a determined number greater than 1 of successive time series does not belong to the first class of time series. .
  • the device is configured to activate an acquisition channel of the subject's electrocardiogram when a disturbance of the heart rhythm is considered detected.
  • the device is configured to detect at least one atrial fibrillation.
  • the device is configured to be fixed around the wrist.
  • the device comprises a photoplethysmographic signal acquisition channel, at least one electrocardiographic signal acquisition channel, and a processor configured to detect the cardiac rhythm disorder in the photoplethysmographic signal and in the electrocardiographic signal.
  • the device is configured to, in a first mode of operation, monitor only the photoplethysmographic signal for detecting cardiac rhythm disorder, and after detecting the cardiac rhythm disorder in the photoplethysmographic signal, switch to a second mode of operation including monitoring the electrocardiographic signal for cardiac arrhythmia.
  • the device is configured to, in the second mode of operation, monitor both the photoplethysmographic signal and the electrocardiographic signal.
  • the device comprises a housing or fixing means receiving an acquisition electrode of the electrocardiographic signal that the subject must touch with a part of his body so that the electrocardiographic signal is captured by the acquisition channel of the electrocardiographic signal.
  • the device comprises a multiplexing circuit comprising a first input receiving the photoplethysmographic signal, a second input receiving the electrocardiographic signal, and an output connected to the processor, the device being configured for, in an operating mode, selecting alternately each of the two inputs of the multiplexing circuit with a high switching frequency in front of the subject's heart rate.
  • FIG. 1 represents in block form an embodiment of a device for detecting a cardiac rhythm disorder according to the invention
  • FIG. 2 represents in block form another embodiment of a device for detecting a disturbance of the cardiac rhythm according to the invention
  • FIG. 3 shows an electrocardiographic signal that can be used in one embodiment of the device of FIG. 1 or that of FIG. 2,
  • FIG. 4 shows a photoplethysmographic signal that can be used in one embodiment of the device of FIG. 1 or that of FIG. 2,
  • FIG. 5 is a flowchart showing an embodiment of a method for detecting a cardiac rhythm disorder implemented by the device of FIG. 1 or that of FIG. 2,
  • FIG. 6 is a flowchart describing a first embodiment of a time series characterization step appearing in the method of FIG. 5,
  • FIGS. 7, 8 and 9 illustrate results of studies concerning the characterization of time series
  • FIG. 10 is a flowchart describing a second embodiment of the time series characterization step in the method of FIG. 5,
  • FIG. 11 is a flowchart describing an embodiment of a time series classification step in the method of FIG. 5
  • FIG. 12 is a flowchart describing a learning step of a classifier tool used for the classification of time series
  • FIG. 13 represents in block form an embodiment of a portable device for detecting a cardiac rhythm disorder according to the invention
  • FIGS. 14A and 14B are respectively views from above and from below of the device of FIG. 13,
  • FIG. 15 is a flowchart describing functionalities of an embodiment of the device of FIG. 13,
  • FIG. 16 is a flowchart describing an embodiment of a method for detecting a cardiac rhythm disorder implemented by the device of FIG. 13,
  • FIG. 17 is a flowchart describing another embodiment of a method for detecting a cardiac rhythm disorder implemented by the device of FIG. 13,
  • FIG. 18 is a flowchart describing an embodiment of an RR interval generation step included in the method of FIG. 16 or that of FIG. 17,
  • FIG. 19 is a flowchart describing an embodiment of a time series production step included in the method of FIG. 16 or that of FIG. 17,
  • FIG. 20 is a flowchart describing an embodiment of a decision step included in the method of FIG. 16 or that of FIG. 17, and
  • FIG. 21 is a flowchart describing other functionalities of an embodiment of the device of FIG. 13.
  • FIG. 1 represents an embodiment of a device DV1 according to the invention.
  • the device comprises a PI processor, a physiological signal acquisition CH channel S, a Mi l program memory, an M12 data memory, and a CI 1 wireless communication interface.
  • the acquisition channel CH is connected. AT terminal coupled to the body of a subject that can be of any known type, including a cardiac probe, skin electrodes or a photoplethysmography module comprising emitter and receiver diodes.
  • the acquisition channel CH supplies the signal S in digitized form to the processor P1.
  • the processor analyzes this signal to detect a disturbance of the cardiac rhythm, by means of program-algorithms PG1, PG2, PG3, PG4 provided in the memory Mi. .
  • a clock circuit CCT may be provided to provide a clock signal CK usable as a reference time base for the measurement of RR intervals.
  • the DV1 device may be of implantable type, for example subcutaneous, portable type, or fixed type that the subject uses temporarily during a phase of observation of his heart rate.
  • Various other members that can be provided in the device DV1 are not shown, such as a power supply, voltage regulators, a display, physiological data or posture sensors, for example a temperature sensor, an accelerometer, a magnetometer ...
  • FIG. 2 represents another embodiment of a device DV2 according to the invention.
  • the device comprises a processor P2, a program memory M21, an HD data storage means, for example a hard disk, a wireless communication interface CI2 and a circuit CCT providing a clock signal CK.
  • the program memory M21 comprises the aforementioned program-algorithms PG1, PG2, PG3, PG4 for the analysis of the physiological signal S and the detection of a disturbance of the cardiac rhythm.
  • the signal S may be prerecorded in the HD data storage means, or received from the DV1 device via the communication interface CI2 for analysis in real time or after being recorded in the HD storage means.
  • the device DV2 can be a personal computer or the computer of a doctor, a workstation in a medical laboratory, a medical server, and generally any device equipped with calculation means for implementing the PG1 programs to PG4.
  • FIGS. 3 and 4 show two examples of physiological signals S that can be analyzed by the device DV1 or DV2.
  • the signal shown in Fig. 3 is an ECG signal
  • the signal shown in Fig. 4 is a photoplethysmographic signal, or PPG signal.
  • the ECG signal shows the QRS complex corresponding to the depolarization of the ventricles, from which we can extract the peak R for the measurement of RR intervals (RRi-1, RRi, RRi + 1 ).
  • the PPG signal has a roughly sinusoidal appearance and has peaks denoted "R" by analogy with the electrocardiographic signal, the occurrence of which is representative of the subject's cardiac activity.
  • the moment of occurrence of a peak "R" of the signal PPG is correlated, with a slight phase shift, at the time of occurrence of the peak R of the ECG signal, because the signal PPG accounts for the pulsatile nature Pulse resulting from cardiac contractile mechanical activity, rheological properties of the blood and mechanical properties of the vessels.
  • the pseudo-period defined by the duration of the peak-to-peak interval of the PPG signal is correlated with the duration of the RR interval.
  • the detection of the "R" peaks of the photoplethysmographic signal and the measurement of the time intervals between these peaks thus makes it possible to produce time intervals which will be considered in the following as RR intervals.
  • the P waves and the fibrillation waves of the ECG signal are against electrical events without macroscopic mechanical counterpart, and are not observable in the PPG signal.
  • FIG. 5 shows steps of the method for detecting a cardiac rhythm disorder implemented by the device DV1, DV2 by means of the programs PG1 to PG4.
  • the method comprises:
  • the measurement of the RR intervals by the program PG1 may include a filtering for identifying aberrant RR intervals due for example to false detections and / or non-detections of RR intervals.
  • the program PG2 "cuts" the continuous stream of intervals RR in time series Sj of a minimum duration Te, each comprising a number of successive intervals RR which is a function of the heart rate of the subject.
  • the program PG3 analyzes the intervals RR constituting the time series Sj to extract a discriminant information necessary for their classification.
  • step S09 the program PG4 uses the discriminant information to classify the time series Sj in a first class C 1 of time series from subjects in sinus rhythm or in a second class C2 of time series from subjects presenting the disorder the rhythm to be detected, for example atrial fibrillation.
  • the classification step S09 is followed by an action performed by the device DV1.
  • This action may for example comprise storing in the data memory M12 the raw signal S and / or the time series Sj in which the disturbance of the rhythm has been detected, and / or transfer these data via the communication interface CH .
  • the device DV 1 can for example establish a communication with the device DV2 and transfer to it the signal S, the time series Sj and their classification.
  • the device DV2 is then able to realize, in deferred time, a verification of the classification provided by the device DV 1, or even to submit the signal S to other types of analyzes to confirm the validity of the classification retained by the device DVl.
  • the action following the classification of one or more time series in class C2 may also include a decision step preceding an action proper, aimed at validating the classification chosen by the program PG4.
  • FIG. 6 shows a first embodiment S07 (1) of the characterization step S07 implemented using the program PG3.
  • Step S07 (1) comprises a preliminary step S070 of choice of a group of descriptive variables Val, Va2 ... Vak, corresponding here to the choice of a group of mathematical operators intended to be applied to time series d. RR intervals.
  • Step S070 is preferably performed before commissioning the DV1, DV2 device and writing the PG3 program, through studies and trials to determine the best combination of descriptive variables in relation to the disorder. the rhythm to detect.
  • the DV1, DV2 device is configured to detect several types of rhythm disorders and uses different groups of descriptive variables, each dedicated to the detection of a pathology.
  • the step S070 can include a step of selecting, in the program memory Mi1, M12, the appropriate group of descriptive variables, or a step of selecting a branch of the program PG3 using the group of descriptive variables dedicated the detection of the target rhythm disorder.
  • Step S07 then comprises a loop for calculating the values of each descriptive variable, which is initiated after reception, during a step S071, of a new time series Sj provided by the program PG2.
  • the calculation loop comprises a step S072 for calculating the value Valj of the descriptive variable Val, a step S073 for calculating the value Va2j of the descriptive variable Va2, and so on until a step S07k for calculating the value Vakj of the descriptive variable Vak, the value of each variable being calculated from the RR intervals of the series Sj.
  • the program PG3 then supplies the program PG4 with the values Valj, Va2j ... Vakj of the descriptive variables.
  • RR intervals provided by the Massachusetts Institute of Technology (MIT) Physionet site (http://www.physionet.org/), which is available to the public.
  • ECG signal banks and RR interval time series including "Sinus Rhythm RR Interval Database”, “MIT-BIH Normal Sinus Rhythm Database”, “MIT-BIH Atrial Fibrillation Database”, “AF Termination Challenge Database” , and "MIT-BIH Arrythmia Database”. From these databanks, a time series library of RR intervals has been constituted, including:
  • step S07 It has therefore been desired to improve the time series characterization method implemented in step S07, to obtain a more accurate classification without involving descriptors based on the analysis of the ECG signal morphology, which would not be possible. not usable with another type of signal, in particular the signal PPG. An improvement has been found, which will now be described in connection with FIGS.
  • the step S07 of time series characterization includes derived series calculation steps whose constituent elements are discrete derivatives, denoted by N RR / dt N , RR intervals of the initial time series, N being an integer at least equal to 1. It has indeed been demonstrated that such derived series contain discriminant information that can be added to that which can be extracted from the initial time series, or even replace it, with a view to their classification.
  • the table of FIG. 7 illustrates, with shades of gray, a degree of correlation between derivatives of RR intervals of increasing order N. This degree of correlation is measured on a scale of 0 to 1 using the Pearson coefficient.
  • the table in Figure 7 is reproduced in Appendix 1, Table 1, with shades of gray replaced by numerical values.
  • the central diagonal from the upper left corner to the lower right corner of the table shows that, trivially, the RR intervals and their derivatives have in themselves a correlation coefficient equal to 1.
  • the diagonals close to the central diagonal show that the derivatives of RR intervals of adjacent orders (for example a second-order derivative and a derivative of order 3) have between them a degree of correlation of less than 1, for example of the order of 0.8.
  • the method comprises the following steps:
  • a step of characterizing the derived series by means of one or more descriptive variables whose values are calculated by applying a mathematical operator to the constituent elements of the derived series, and are considered as forming discriminant information for the classification of the initial time series.
  • derived descriptive variable Vb a descriptive variable obtained by applying a mathematical operator to a derived series
  • - primitive series a time series of RR intervals or a time series whose constituent element is the variation of the RR interval or the absolute value of this variation
  • primitive descriptive variable Vc a descriptive variable obtained by applying a mathematical operator to a primitive series.
  • the concept of "derived series” includes series whose constituent element is calculated from the absolute value of the elements of a lower order derived series, for example, as will be see below, the rate of change of the absolute value of the rate of change of the RR interval, or the absolute value of this rate of change.
  • Nmax denotes the maximum degree of derivation used to characterize a time series, ie the number of derived series available
  • NVa the number of mathematical operators that can be applied to the derived series
  • the number of derived descriptive variables that can be used is equal to NVa * Nmax.
  • Ultra Low Frequency Power (ULF) or ultra low frequency power [0 - 3 mHz]
  • VLF Very Low Frequency Power
  • phase phase analysis operators such as:
  • the table in Figure 8 illustrates the result of a study to identify the best combination of primitive and derived descriptive variables using as mathematical operators the mean value and the standard deviation ( " ⁇ ").
  • the table in Figure 8 is also reproduced in Appendix 1, Table 2, the shaded areas being replaced by crosses. The study was conducted under the following conditions
  • Each column of the table corresponds to a combination of variables comprising from 1 to 10 variables. Gray cells (or, in Appendix 1, those with crosses) indicate the best choice of variables.
  • the offeror the best classification accuracy is ⁇ the difference -tyP e of the constituent elements of the second derivative and the average value of the constituent elements of the first derivative.
  • a classification accuracy of 99.9% was obtained without using primitive descriptive variables.
  • the standard deviation of the RR intervals of the time series is part of the optimal combination of variables.
  • From column 9 (ie 9 variables used) the average value of RR intervals is also part of the optimal combination of variables.
  • FIG. 9 illustrates one of the results of these studies and shows a curve C1 corresponding to the variation of the accuracy of the classification, expressed as a percentage, as a function of the duration of the observation window, expressed in seconds, in using the pair of derived descriptive variables
  • the curve C l shows that the duration of the observation window can be reduced to 5 seconds, which represents only 5 heart beats with a subject whose heart rate is 60 beats per minute, while maintaining an accuracy classification higher than 95%.
  • the reduction of the duration of the observation window makes it possible to reduce the time of classification of each time series and thus to increase the reactivity of the device DV1, DV2 during the appearance of a disturbance of the rhythm, in the real-time monitoring of the subject's cardiac activity.
  • FIG. 10 shows an embodiment S07 (2) of the characterization step S07 according to this method.
  • Step S07 (2) comprises a preliminary step S0700 of choosing at least one derived descriptive variable Vb.
  • this choice is preferably made before the commissioning of the DV 1 or DV 2 device, through prior studies, and depending on the rhythm disorder to detect. This is for example the average value of the first derivative and the standard deviation of the second derivative, the discriminant performance of which has been highlighted above in relation to FIG. 8.
  • at least one variable descriptive primitive Vc can also be detention.
  • this choice can be made dynamically by the device DV1, DV2 as a function of the rhythm disorder to be detected, by selecting a group of variables from among several predetermined groups or PG3 program branches configured to use these variables.
  • the program PG3 After receiving a time series Sj during a step S0701, the program PG3 performs all or some of the following steps:
  • step S0702 calculation of a series Sjo whose constituent element is the variation Vi of the RR interval of the series Sj,
  • step S0703 calculation of a series Sji whose constituent element is the absolute value I Vi
  • step S0704 calculation of a derived series Sj ' 2 whose constituent element is the rate of variation Ai of the RR interval (acceleration of the cardiac rhythm),
  • step S0705 calculation of a derived series Sj ' 3 whose constituent element is the absolute value
  • step S0706 calculation of a derived series Sj 4 whose constituent element is the rate of variation ACi of the variation rate Ai of the RR interval (jerk of the cardiac rhythm),
  • step S0707 calculation of a derived series Sj ' 5 whose constituent element is the absolute value
  • step S0708 calculation of a derived series Sjô whose constituent element is the rate of change Gi of the absolute value
  • step S0709 calculation of a derived series Sj 7 whose constituent element is the absolute value
  • step S0720 determining the value Vclj of at least one primitive descriptive variable Vcl calculated from the series Sj,
  • step S0730 determination of the value Vc2j of at least one primitive descriptive variable Vc2 calculated from the Sjo series,
  • step S0740 determination of the value Vc3j of at least one primitive descriptive variable Vc3 calculated from the Sji series
  • step S0750 determination of the value Vbj of at least one derived descriptive variable Vb from a derived series Sj ' 2 to Sj 7 .
  • Steps S0720, S0730 and S0740 are optional and are not executed if the choice made in step S0700 does not include a primitive descriptive variable.
  • the method may comprise only two of these steps, only one of these steps, or none of these steps.
  • the number of derived descriptive variables whose values are calculated in step S0750 depends on the choice made in step S0700.
  • some of the steps S0704 to S0709 may not be executed if the derived derived descriptive variables do not require the calculation of the corresponding derivatives.
  • the program PG3 then supplies the program PG4 with the value or values Vbj of one or more derived descriptive variables Vb, and optionally the value or values Vcj of one or more primitive descriptive variables Vc, and returns to the step S0701 to wait to receive a new time series Sj.
  • the program PG4 is a classifier tool comprising a network of artificial neurons (RNA) vector quantization and supervised learning, called "LVQ" ("Learning Vector Quantization”). It has a hidden layer called competitive layer, followed by a classification layer. The competitive layer contains hidden neurons, the classification layer contains output neurons, each of which is representative of a membership class of vectors of a learning base.
  • the results provided by this classifier tool architecture are of the order of 100% in learning and 99.9% in cross validation.
  • the robustness of the model has also been proven in the presence of various special cases such as the presence of ectopic beats, a sinus rhythm with a strong respiratory sinus arrhythmia, etc.
  • Fig. 11 shows an embodiment of the classification step S09.
  • the PG4 classifier tool Prior to being commissioned, the PG4 classifier tool is subjected to a supervised learning configuration step S0900 using two sets NI, N2 of reference time series. Once the learning is finished, the program is able to classify time series in two classes C1, C2 of time series corresponding respectively to sets NI and N2.
  • the classifier tool PG4 is configured to distinguish a class C1 of time series associated with subjects in sinus rhythm and a class C2 of time series associated with subjects in atrial fibrillation.
  • the classifier tool PG4 receives one or more values Vbj of derived descriptive variables Vb calculated by the program PG3 at the step S07 (2) for a time series Sj, and optionally one or more values Vcj of primitive descriptive variables Vc.
  • the classifier tool PG4 evaluates, from these variables, the membership class of the series Sj. The classifier tool PG4 provides this classification and returns to step S091 to receive new values of these variables associated with a next time series.
  • Fig. 12 shows an embodiment of the step of configuring the classifier tool PG4. This can be performed using a version of the classifier tool installed on a workstation and aims to obtain a set of MC4 configuration matrices. It includes the following preparatory steps:
  • a step S0901 for preparing a set I of time series derived from subjects in a smusal rhythm for example a reference time series of one minute each from subjects in sinus rhythm and produced from the database of Massachussetts Institute of Technology,
  • step S0902 for characterizing the time series of the set NI.
  • This step therefore comprises, for each series Sj, the computation of values Vbj of derived descriptive variables Vb, and if necessary the computation of values Vcj of primitive descriptive variables Vc,
  • a step S0904 for preparing a set N2 of time series from subjects presenting the disturbance of the rhythm to be detected for example a reference time series of one minute each from subjects in atrial fibrillation and produced from the database of the Massachusetts Institute of Technology,
  • This step therefore comprises, for each series Sj, the computation of values Vbj of derived descriptive variables Vb, and where appropriate the computation of values Vcj of primitive descriptive variables Vc.
  • the values Vbj, Vcj of the variables Vb, Vc calculated for the time series of the set NI are then supplied to the classifier tool PG4 with the status "class C1" during a step S0903.
  • the values Vbj, Vcj of the variables Vb, Vc calculated for the time series of the set N2 are supplied to the classifier tool PG4 with the status "class C2" during a step S0906.
  • the classifier tool learns, during a step S0907, to distinguish the classes C1 and C2. This is a supervised learning since classes are imposed on the classifier tool when providing the values of the variables in steps S0903 and S0906.
  • the configuration of the classifier tool resulting from the learning phase taking the form of a set of configuration matrices MC4, is then saved during a step S0908.
  • the configuration matrices MC4 are loaded in the memory Mi1, M21 of the device DV1, DV2 (FIGS. 1 and 2).
  • the PG4 classifier tool can be configured to provide a classification of rhythm disorders in several classes C2 (1), C2 (2), C2 (3) ... each corresponding to a particular rhythm disorder (atrial fibrillation , atrial fiutter, tachyarrhythmia, supraventricular tachycardia, sinus tachycardia, atrial or ventricular extrasystole, ventricular tachycardia, ventricular fibrillation ).
  • a particular rhythm disorder atrial fibrillation , atrial fiutter, tachyarrhythmia, supraventricular tachycardia, sinus tachycardia, atrial or ventricular extrasystole, ventricular tachycardia, ventricular fibrillation .
  • several classifying tools each configured to distinguish two classes, namely the class C1 and one of the classes C2 (1), C2 (2), C2 (3), can be provided and intervene with one another. after the others during the classification step S09.
  • a classification conflict arbitration algorithm may be provided in the case where several class
  • the classification can be implemented with other types of classifying tools than that previously described, in particular a logistic regression classifier tool or other types of supervising neural networks such as those designated "LVQ2", “ LVQ3 ",” OLVQ3 "in the literature.
  • a logistic regression classifier tool or other types of supervising neural networks such as those designated "LVQ2", “ LVQ3 ",” OLVQ3 "in the literature.
  • Specific learning for an individual with a risk of rhythm disorder may also be provided.
  • the configuration of the classifier tool includes a first supervised learning from an existing database relating to a population, as described above, then a personalized learning in relation to the subject, under medical supervision. .
  • the calculation steps just described can be carried out from the instantaneous heart rate which is calculated by means of the formula 1 / RRi (number of beats per minute). second) or the formula 60 / RRi (number of beats per minute), the interval RRi then to be expressed in seconds.
  • the series of RR intervals are replaced by series of instantaneous cardiac frequencies
  • the derivatives of the series of intervals RR are replaced by derivatives of series of instantaneous heart rates, which are calculated in the same way as that indicated in Annex 3 by replacing the RR interval with the instantaneous frequency.
  • RR interval should be understood as also referring to the instantaneous heart rate
  • RR time series should be understood as also referring to instantaneous heart rate series
  • derived series is to be understood as also referring to a series derived from a series of instantaneous cardiac frequencies.
  • FIG. 13 represents an embodiment of a device DV3 according to the invention, intended to be worn by a user.
  • the device comprises a channel CH1 for acquiring a photoplethysmographic signal SI, a channel CH2 for acquiring an electrocardiographic signal S2 (ECG) and optionally other CHn channels for acquiring signals Sn, for example a second channel method of acquiring an electrocardiographic signal, a temperature acquisition channel, a signal acquisition channel provided by an accelerometer, and a signal acquisition channel provided by a magnetometer.
  • the channel CH1 is coupled to at least one light emitting diode ED and at least one PD photodiode.
  • the CH2 channel is coupled to two dry electrodes El, E2.
  • the signals S1, S2 ... Sn provided by the different acquisition channels are applied to inputs of a multiplexer MUX whose output is connected to a processor P3 via an ADC analog-to-digital converter.
  • a LPF low-pass filter can be provided between the output of the multiplexer and the ADC converter, in order to remove noise components that may be present in the signals SI and S2 or in one of these signals.
  • the DV3 device also includes an M31 program memory, an M32 data memory, an IC3 wireless communication interface, a DS display and a clock circuit CCT providing a clock signal CK forming a time base for the measurement of intervals RR.
  • the multiplexer MUX receives a selection signal SEL supplied by the processor P3 and transfers thereto the corresponding signal SI, S2,... Sn selected on one of its inputs.
  • Other peripheral means of the processor P3, schematized by a PD block may include a battery or any other power source, a power management circuit, regulators providing different bias voltages, a USB port, a piezoelectric pager. (buzzer), a buzzer, an inertial microcentral, etc.
  • FIGS. 14A and 14B show the device DV3 respectively by a view from above and a view from below.
  • the device is mounted in a protective case 10 equipped with a bracelet 11.
  • the top of the housing 10 receives the DS display.
  • the underside of the housing 10 receives the electrode El, an auxiliary electrode 12 (reference potential electrode), and a micromodule 13 of photoplethysmography.
  • the photoplethysmography module 13 comprises, for example, three electroluminescent electrodes ED and a photodiode PD.
  • the electrode E2 is arranged here on an outer face of the bracelet 11, FIG. 14A, but could also be arranged on one face of the case 10.
  • the electrode E being in permanent contact with the skin, the user must touch the electrode E2 with a finger of the hand opposite to that which receives the device DV1, or with any part from this hand, for example the top of the hand.
  • the difference in bioelectrical potential for the acquisition of the electrocardiographic signal is thus optimal since measured between two ends of the body.
  • the electronic means shown in FIG. 13 can be integrated in a bracelet, the assembly then being devoid of a case. These electronic means can also be integrated in the case of a watch, or in the wristband of a watch.
  • the electrodes E1, E2 are cutaneous electrodes connected to the device DV3 by wires and microconnectors. This embodiment may be provided for subjects who are already known to have a disturbance of the rhythm, to be closely monitored.
  • the electrodes E1, E2, instead of being connected to the device DV3, are connected to an electronic module configured to transfer the ECG signal S2 to the device DV3 via a wireless communication channel.
  • An advantageous general characteristic of the device DV3 is that it combines the ease of acquisition of the photoplethysmographic signal SI (no skin electrodes to be placed on the body of the user) while allowing to acquire the electrocardiographic signal S2 when this is done. 'proves necessary, here by a simple press on the electrode E2, if not by means of wound skin electrodes or connected to a wireless transmitter.
  • Fig. 15 shows an operating configuration of the DV3 device based on this feature.
  • the DV3 device has a "continuous sleep” operating mode and an “alert” operating mode.
  • the processor P3 activates the channel CH1 and continuously analyzes the photoplethysmographic signal SI.
  • the processor switches to "alert” mode when a rhythm disorder is detected in the photoplethysmographic signal.
  • the processor then activates the channel CH2, selects the electrocardiographic signal S2 by means of the multiplexer MUX and requests the user, by any means provided for this purpose (display DS, ringing, buzzer, voice message ...) to touch the electrode E2 for a determined time, for example for one minute.
  • the electrocardiographic signal is then duly analyzed and if the rhythm disorder is confirmed, the device can ask the user for an urgent measure and / or himself conduct one or more actions to protect him.
  • the processor P3 alternately selects the photoplethysmographic signal SI and the electrocardiographic signal S2 by rapidly switching the inputs of the multiplexer MUX by means of the signal SEL, for example with a frequency of the order of 1000 Hz or more, about 1000 times the average heart rate of a person at rest.
  • the multiplexer MUX provides the ADC converter signals SI, S2 in a pseudo-sampled form which is digitized by the ADC converter before being analyzed by the processor P3.
  • Other Sn signals can also be simultaneously provided to the processor in the "alert" mode.
  • a second channel for acquiring the ECG signal using another acquisition circuitry to be chosen from among various known circuits, connected to the electrodes E1, E2 or using other electrodes, can make it possible to reinforce the reliability of the acquisition and the analysis of the ECG signal by analysis of the two ECG signals and arbitration of the results obtained.
  • the analysis of the signal S1 or S2 by the processor P3 is provided by various program-algorithms loaded into the memory M31, in particular:
  • a program PG11 for detecting "R" peaks in the signal SI (peaks PPG) and measurement of the intervals RR, equivalent to the program PG1 previously described
  • a program PG12 for detecting the peaks R in the signal S2 (QRS complex) and for measuring the intervals RR, equivalent to the program PG 1 previously described
  • the program PG4 for classifying time series for example the classifier tool previously described and its configuration matrices MC4.
  • a PG5 decision program is also planned.
  • the program PG5 receives the time series classifications provided by the classifier tool PG4 and decides, in view thereof, whether it can be considered that a rhythm disorder has been detected.
  • a PAP application program is provided to manage the general features of the device and its modes of operation.
  • Figure 16 shows steps of a method for detecting a cardiac rhythm disorder performed by the DV3 device using the aforementioned programs.
  • the method comprises an SOI channel selection step CH1 and / or CH2 and steps specific to each of the signals SI and S2, namely:
  • step S02 for filtering the signal S1 by the program PG01 followed by a step S03 (1) for detecting the "R" peaks (PPG peaks) and for measuring the RR intervals by the program PG11, and
  • step S02 (2) for filtering the signal S2 by the program PG02 followed by a step S03 (2) of detecting the peaks R (QRS complex) and measuring the intervals RR by the program PG12.
  • the method then comprises signal processing steps common to each of the signals S1, S2, but applied separately thereto, including:
  • step S07 (2) for characterizing the time series Sj, executed by the program PG3, and
  • Step S09 is followed by a decision step SI 1 executed by the program PG5, based on the classification information provided by the classifier tool PG4.
  • the program PG5 confirms the detection of a disturbance of the rhythm when a determined number "D" of successive time series have been attached to the class C2.
  • an isolated classification of a time series in the C2 class is not considered sufficient to consider that the subject has a disorder of the rhythm, as well as several classifications in the C2 class of time series that are not successive.
  • the program PG5 may equivalently be configured to confirm the detection of a rhythm disorder when "D" successive time series have not been classified in the class Cl. This embodiment applies especially when the classifier tool is configured to provide a classification of rhythm disorders in several classes C2 (1), C2 (2), C2 (3) ... each corresponding to a disorder of the rhythm. the decision then taken without investigating whether the detected disorders were attached to the same class among all available C2 classes.
  • the method comprises a step S 12 of initiating a specific action, carried out by the PAP application program, aimed at protecting the subject and / or the collection of information enabling the medical profession to diagnose the event.
  • Fig. 17 shows another embodiment of a method for detecting a rhythm disorder performed by the DV3 device.
  • This embodiment differs from the previous one by the fact that, when the electrocardiographic signal S2 is analyzed, the step of characterization S07 (2) of the time series is replaced by a characterization step S07 (3) carried out by a program PG32 which replaces the PG3 program.
  • This step S07 (3) includes, in addition to the characterization of the time series in the manner previously described, a step of characterizing the morphology of the ECG signal, which comprises, for example, the analysis of the shape of the P wave and the QRS complex, for example their amplitude and duration.
  • the classification step S09 is replaced by a classification step S09 (2) conducted by a second classifier tool PG42 which replaces the program PG4.
  • the program PG42 has MC42 configuration matrices obtained at the end of a learning phase based both on the characterization of the time series and the characterization of the morphology of the signal S2.
  • the switchover in the "alert" mode enables the device DV3 to acquire the electrocardiographic signal S2 and to conduct an accurate analysis thereof, allowing the PG5 program to provide very reliable confirmation of the presence of a rhythm disorder.
  • the refinement proposed above for the characterization of time series using variables derived descriptive Vb already allows to obtain a reliable detection based on the observation only of the photoplethysmographic SI signal.
  • the algorithm executed by the processor P3 under the control of the program PG11 or PG12 in the step S03 (1) or S03 (2) is preferably designed to detect and eliminate the aberrant RR intervals and thus to further improve the reliability of the method detecting a rhythm disorder.
  • FIG. 18 shows an embodiment of this algorithm, which can also be used to implement the step S03 of FIG. 5.
  • the algorithm comprises two steps S030 and S031 executed in background tasks and a calculation loop of FIGS. RRi intervals.
  • the step S030 consists in receiving the discrete values of the digitized signal SI or S2 and the step S031 consists in the analysis of this signal for the detection of the peaks R or the like (peaks PPG).
  • the processor stores the peak Ri (Ti) during a step S0306, and then determines during a step S0307 whether the interval RR is greater than a threshold Tmax. If not, the processor supplies the program PG2 with the interval RRi during a step S0308.
  • the RRi interval is accompanied by the IFR interrupt flag, which may be in the low or high state depending on the previously executed steps.
  • the processor forces the interrupt flag IFR in the low state, then carries out an optional step S0310 of adjusting or "resetting" the thresholds Tmin, Tmax of admissibility of the intervals RRi.
  • This step consists of redefining the thresholds Tmin, Tmax as a function of the increase or decrease of the subject's heart rate related to its activity, and involves detection of slow variations of the interval RRi.
  • step S0303 When it appears in step S0303 that no peak Ri has been memorized, the processor stores the current peak Ri (Ti) during a step S0312 then goes to step S0311 to increment the index of loop before returning to step S0302.
  • step S0305 When it appears in step S0305 that the interval RRi is less than Tmin, the current peak Ri is considered as aberrant and the processor returns directly to step S0301 to wait for a new peak, without storing the current peak.
  • step S0307 When it appears in step S0307 that the interval RRi is greater than Tmax, the processor considers that one or more previous peaks have not been detected due to an interruption in the reception of the signal SI, S2 or non-peak detection.
  • the current peak Ri is considered to be the first peak received after the presumed interruption and the processor goes to a step S0314 where it puts the interrupt flag IFR high and then erases the previous peak Ri-1 (T 1). l) during a step S0315.
  • the processor then proceeds to step S0311 to increment the loop variable and returns to step S0302 to wait for a new peak to occur.
  • the programs PG1, PG11, or PG12 provide RRi intervals devoid of outliers and accompanied by the IFR interrupt flag enabling the program PG2 to know, when this flag is in the high state, that the corresponding interval RRi is the first RR interval detected after a presumed interruption in the reception of the R peaks.
  • FIG. 19 shows an example of an algorithm executed by the processor P3 during the step S05, under the control of the program PG2.
  • the formation loop of a time series Sj comprises a step S0503 during which the processor checks whether the IFR interrupt flag associated with the interval RRi received is in the high state. If not, the processor adds the interval RRi to the series Sj during a step S0504, then goes to a step S0505 where it determines whether the cumulative duration of the intervals RRi of the series is greater than or equal to a threshold Te corresponding to the minimum duration of the time series previously mentioned. If not, the processor returns to step S0502 to wait for a new interval RRi.
  • the processor goes to a step S0506 where it provides the series Sj to the characterization program PG3 with the IFS interrupt flag in the low or high state according to the previously executed steps.
  • a sliding window of time series formation is thus defined, each time series comprising RRi intervals present in the previous time series.
  • the processor then lowers the IFS interrupt flag during a step S0509, then returns to step S0502 to wait for a new interval RRi.
  • the new time series formed from step S0511 is accompanied by the flag IFS in the high state indicating that the time series Sj is formed after a presumed interruption in the reception of signal SI, S2 or a non-signal. peak detection.
  • This series will be supplied to the program PG3 at step S0506 after having received a number of intervals RRi sufficient for the time Te to be reached, if no other interruption intervenes in the meantime.
  • the flag IFS is used during the decision step SU executed by the processor P3 under the control of the program PG5, and makes it possible to know if time series provided by the program PG2 are successive or not.
  • the processor determines during a step SI 12 if the series Sj is attached to the class C2, namely whether it has a disturbance of the heart rhythm.
  • the processor returns to step S 111 to wait for the classification of the next time series Sj. If the threshold D is reached, the processor goes to a step SI 16 where it indicates to the PAP application program that a rhythm disorder has been detected.
  • the threshold D is determined so that the duration of a global observation window encompassing D series sequential time, which is less than the sum of the respective durations of the time series because they are generated according to a sliding time window, is sufficiently short depending on the degree of urgency possible of the management of the disturbance of the detected rhythm, and long enough for the rhythm disorder to be medically relevant.
  • D is 20
  • the duration of the time series is of the order of 10 seconds and the sliding window is regenerated with each heart beat.
  • a count of a time corresponding to the desired duration of the observation window is provided instead of counting the number of successive series.
  • the processor determines whether the classification received consists of an attachment of the time series Sj to the class C 1 of the normal subjects. If the answer is positive, the processor returns to step SI 10, otherwise goes to step S 113.
  • the device DV3 is initially placed in the "continuous standby" operating mode in which the processor has activated the channel CH1 and selected it by means of the multiplexer MUX, and the application program PAP switches it into the operating mode "alert" when the decision program PG5 indicates that a rhythm disorder has been detected in the SI signal.
  • Figure 21 shows, purely illustrative and not limiting, an example configuration of the DV3 device in the "alert" mode. This configuration comprises an initial step S 120 during which the processor P3:
  • the channel CH1 if the channel CH1 is active, stores in the memory M32 the signal SI received, the corresponding time series Sj (Sl) and their classification by the classifier tool PG4,
  • the in the memory M32 stores the signal S2, the corresponding time series Sj (S2) and their classification by the classifier tool PG4.
  • the processor waits for a confirmation of a detection, in the signal S2, of the rhythm disorder that caused the switchover to the "alert" mode.
  • a step S 122 it verifies that a time Ta has elapsed since the switchover in the "alert" mode did not reach a Tmax threshold. If the threshold Tmax is reached without a disturbance of the rhythm has been found in the signal S2, or without the signal S2 has been received (if the user has not responded to the request that him has been addressed to touch the electrode E2), the processor returns to the operating mode "continuous standby", to possibly reboot a few moments later in the "alert” mode if the disorder of the rhythm is again detected in the signal S 1.
  • the processor goes to a step S 122 during which it attempts to connect to an SRV server and / or or at a workstation WS shown in Fig. 13, via the wireless communication interface CI3 and an NTW computer or telephone network. If the connection is established, the processor transmits an alert to the remote device and then forwards archived data to it. The user can be informed of the success of the data transfer, for example via an information display.
  • the step of connecting to an SRV server and / or to a WS workstation is initiated as soon as the switchover to the "alert" mode, and the aforementioned data are transferred to the remote device without waiting for the confirmation provided for in FIG. Step S 121.
  • the device DV3 can then return to the operating mode "continuous standby” or continue to manage the mode of operation "alert” in any way conceivable by those skilled in the art, for example taking into account the number times when the rhythm disorder has been detected, the user's behavior in the face of electrocardiographic signal acquisition requests, etc.
  • the user can be offered the possibility to ask the DV3 device to leave the "alert” mode until further notice, if a contact has already been made with the medical profession, or to switch to a mode of operation " silent alert "where the device DV3, while remaining connected to the remote device and / or while continuing to record data from the signal SI, no longer solicits the user to capture the electrocardiographic signal.
  • the signal S2 can be captured and stored or transferred for the duration of the "silent alert" mode.
  • the user may also be offered the possibility of initiating a cardiac recording himself even if the device has not detected a rhythm disorder by the analysis of the PPG signal.
  • the DV1, DV2 and DV3 devices just described are susceptible to various variants, embodiments and applications.
  • the general functionalities of the device in particular the prediction of a mode of operation "continuous watch” where the photoplethysmographic signal is used for the monitoring of the rhythm cardiac, and an "alert" mode of operation where the electrocardiographic signal is captured with or without the contribution of the user, are independent of the method implemented to detect a rhythm disorder in each of these signals.
  • Ref. 1 M.G. Tsipouras, D. I. Fotiadis, and D. Sideris, "An Arrhythmia Classification System Based on the RR-Interval Signal," Artificial Intelligence in Medicine, vol. 33, pp. 237-250, 2005.
  • Ref. 2 "Automatic Detection of Atrial Fibrillation Using RR Interval Signal” Xiuhua Ruan, Liu Changchun, Chengyu Liu, Xinpei Wang, Li Peng, School of Science Control and Engineering, Shandong University, Jinan, Shandong Province, PR China, 250061, 2011, 4th International Conference on Biomedical Engineering and Informatics (BMEI).
  • psd x is the spectral power density of the low frequency [0 - 3 mHz]
  • p (x) is the probability density of elements X
  • Nm + ld (u-, u ft ) m ⁇
  • n 0, ..., m-1]
  • N number (Xi): length of the vector u
  • hist w (u) histogram of 10 sections of the vector u
  • Sj ' 3 absolute value (
  • Sj ' 4 rate of change (ACi) of the rate of change (Ai) of the RR interval (pulse rate):

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Cardiology (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Fuzzy Systems (AREA)
  • Evolutionary Computation (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

L'invention concerne un procédé de détection d'au moins un trouble du rythme cardiaque d'un sujet humain ou animal à partir d'une série temporelle d'intervalles RR représentative du rythme cardiaque du sujet, extraite d'un signal physiologique (S). Le procédé comprend une étape de caractérisation (S07) de la série temporelle avec au moins une variable descriptive (Vb) dont la valeur est calculée à partir d'une série dérivée (Sj2, Sj3, Sj4, Sj5, Sj6, Sj7) dont l'élément constitutif est une dérivée discrète d'ordre 1 ou supérieur à 1 de l'intervalle RR de la série temporelle.

Description

Procédé de détection d'au moins un trouble du rythme cardiaque
La présente invention concerne un procédé et un dispositif de détection d'un trouble du rythme cardiaque d'un sujet humain ou animal, à partir d'un signal physiologique contenant une information sur le rythme cardiaque du sujet.
La présente invention concerne plus particulièrement mais non exclusivement la réalisation d'un dispositif portatif permettant d'assurer une veille continue de l'activité cardiaque d'un sujet.
Il existe à ce jour un besoin réel d'un dispositif permettant de relever en temps réel les paramètres vitaux d'une personne afin de prévenir tous risques potentiels de santé, en particulier les risques cardiaques. Il existe notamment un réel besoin de dépistage de la fïbrillation auriculaire. La fïbrillation auriculaire est l'arythmie cardiaque la plus fréquente, responsable d'un grand nombre d'admissions hospitalières pour problèmes rythmiques. On estime qu'une personne sur 6 de plus de 40 ans connaîtra cette arythmie, qui concerne actuellement plusieurs millions de sujets. Sa prévalence dans la population augmente avec l'âge, atteignant 1,5% au-delà de 50 ans et plus de 20% au-delà de 80 ans. La fïbrillation auriculaire est également responsable de 10 à 15% de l'ensemble des AVC et de 25% des AVC après 80 ans. Dans près d'un tiers des cas, la fïbrillation auriculaire est asymptomatique, se comportant comme un véritable "tueur silencieux". Du fait du vieillissement de la population, le dépistage de la fïbrillation auriculaire constitue un enjeu majeur de santé publique.
Il n'existe sur le marché aucun dispositif s'adressant au grand public et assurant des fonctions de surveillance cardiaque d'une manière pouvant être considérée comme fiable sur le plan médical. Divers dispositifs portatifs, tel des montres équipées de moyens d'acquisition d'un signal photopléthysmographique, permettent de mesurer le rythme cardiaque mais ne sont pas capables de diagnostiquer en temps réel la survenance d'un trouble du rythme. Leur degré de pertinence médicale est donc très faible voire inexistant. Par ailleurs, des équipements spécialisés tels que le "Home Health Hub" commercialisé par la société Freescale ou le "Body Guardian ® Heart" développé par les sociétés Preventice et STMicroelectronics, s'adressent à des patients atteints d'arythmies cardiaques. Des données biométriques sont transmises à un médecin en dehors de l'environnement hospitalier, permettant ainsi aux patients d'exercer une activité normale quotidienne tout en bénéficiant d'une surveillance continue.
Sur les sujets à risque, un relevé de l'électrocardiogramme ou ECG est généralement pratiqué à l'aide d'un enregistreur événementiel dit "Holter", ou d'une version portative de celui-ci, dite "Holter-ECG". Un enregistrement Holter-ECG dure classiquement 24h. Il présente l'avantage de permettre la surveillance d'un patient hors du milieu hospitalier mais ne peut être utilisé au quotidien par la population.
Le cœur est un muscle qui se contracte selon un rythme relativement régulier. Chaque battement normal est initié par un signal électrique généré par le tissu électrogénique cardiaque et véhiculé par le système de conduction du cœur. Le signal ECG est constitué d'une succession de dépolarisations électriques se traduisant par l'apparition d'ondes P, Q, R, S, T, U dont l'allure est représentée sur la figure 3. L'onde P, qui correspond à la dépolarisation des oreillettes, présente une faible amplitude. L'intervalle PQ traduit le temps de conduction auriculo-ventriculaire. Le complexe QRS reflète la contraction ventriculaire, et l'onde T la repolarisation ventriculaire. En pratique, on considère le pic R comme marqueur de la systole ventriculaire, c'est-à-dire du battement cardiaque. L'onde R constitue le pic le plus fin et de plus grande amplitude du signal ECG, et est généralement utilisée pour marquer l'instant du battement cardiaque avec une très bonne précision.
Pour automatiser la détection et l'identification d'un trouble du rythme et ainsi remplacer l'œil exercé du médecin, diverses méthodes ont été proposées telles que celles consistant à analyser la morphologie du signal ECG, notamment de l'onde P et du complexe QRS. Par exemple, la fibrillation auriculaire observée sur un électrocardiogramme est caractérisée par le remplacement des ondes P par des oscillations rapides (appelées ondes de fibrillation) de taille, forme et fréquence de survenue variables, associées à un rythme ventriculaire irrégulier souvent rapide lorsque la conduction atrio- ventriculaire est intacte.
D'autres méthodes proposent une caractérisation de l'ECG par classification de l'intervalle RR au moyen de méthodes d'intelligence artificielle (Réf. 1). La détection des pics R permet en effet de former des séries temporelles dont l'élément constitutif est l'intervalle RR, soit le temps entre deux pics R successifs. Pour construire une série temporelle d'intervalles RR, le signal ECG est échantillonné, numérisé puis analysé pour détecter les ondes R. Une série temporelle d'intervalles RR est ainsi constituée d'une pluralité d'intervalles RR successifs (...RRi-1, RRi, RRi+1...) comme illustré sur la figure 3, chaque intervalle RR correspondant à l'intervalle de temps séparant deux ondes R successives du signal ECG.
L'article "Automatic Détection of Atrial Fibrillation Using R-R Interval Signal" (Réf. 2) propose d'utiliser les opérateurs mathématiques VAI et VLI, SDl et SD2 pour distinguer des séries temporelles en rythme sinusal de séries temporelles présentant une fïbrillation auriculaire. Un graphique de dispersion ("scatter plot"), dit graphique de Lorenz ou de Poincaré, dont l'abscisse est l'intervalle RR (RRi) et l'ordonnée l'intervalle RR suivant (RRi+1) de la série temporelle, permet de représenter des intervalles RR successifs comme des nuages de points dans lesquels on cherche à distinguer ceux rattachés à des sujets en rythme sinusal et ceux rattachés à des sujets présentant une fïbrillation auriculaire.
Mais il est également admis que l'analyse seule des séries temporelles ne permet pas d'identifier de manière fiable un trouble du rythme. Ainsi, le document US 7,941,207 propose d'ajouter, à la détection des intervalles RR, une étape de détection des contractions ventriculaires. Le document US 8,155,735 propose de prédire la survenue d'une fïbrillation auriculaire par classification d'intervalles RR issus d'un signal ECG ainsi qu'à partir de caractéristiques additionnelles comme la transformée en ondelettes du signal ECG et la morphologie de l'onde P (largeur et hauteur).
Toujours dans le cadre d'une détection de la fïbrillation auriculaire par classification des intervalles RR, le document US 8,019,407 propose de comparer les intervalles RR et les variations dRR des intervalles RR au moyen d'un graphique de dispersion dans lequel ceux-ci sont placés en abscisse et en ordonnée. Un tel graphique permet de faire apparaître des nuages de points ("clusters") de géométries différentes selon que les intervalles RR successifs sont en rythme sinusal ou présentent un trouble du rythme. Plus particulièrement, ce document suggère une analyse multivariée de la "topographie" de ces nuages de points, en vue de leur classification au moyen d'un réseau de neurones artificiels ou d'un procédé à logique floue. Les critères de classification proposés ("metrics") sont purement graphiques et comprennent le nombre NZCEL de cellules RdR du graphique comportant au moins un point, le nombre NZCOL de colonnes de cellules RdR comportant au moins un point, le nombre NZROW de lignes de cellules RdR comportant au moins un point, le nombre NPEAK de cellules comportant un nombre de points supérieur à un seuil, la distance de trajectoire XDIST du nuage de points le long de l'axe RR, soit la différence maximale entre deux intervalles RR, la distance de trajectoire YDIST du nuage de points le long de l'axe dRR, soit la différence maximale entre deux variations dRR, la distance maximale DGMAX par rapport à un centre global du nuage de points, la distance maximale DPMAX par rapport à un centre positif déterminé à partir de tous les dRR de valeur positive, et la distance maximale DNMAX par rapport à un centre négatif déterminé à partir de tous les dRR de valeur négative. Il pourrait toutefois être souhaité de prévoir un procédé de détection d'un trouble du rythme cardiaque par classification de séries temporelles qui soit simple à mettre en œuvre et offre une meilleure exactitude que les procédés connus.
Il pourrait également être souhaité de prévoir un dispositif portatif de détection d'un trouble du rythme cardiaque qui soit d'une utilisation aisée et peu contraignante, et qui puisse détecter un trouble du rythme avec une bonne exactitude tout en offrant la possibilité de permettre ensuite une surveillance plus approfondie du sujet sur lequel le trouble du rythme a été détecté, d'une manière qui soit exploitable par le corps médical.
Des modes de réalisation de la présente invention concernent un procédé de détection d'au moins un trouble du rythme cardiaque d'un sujet humain ou animal, à partir d'une série temporelle d'intervalles RR représentative du rythme cardiaque du sujet extraite d'un signal physiologique, comprenant les étapes consistant à caractériser la série temporelle avec au moins une variable descriptive dont la valeur est calculée à partir des intervalles RR de la série temporelle, au moyen de la valeur de la variable descriptive, classifïer la série temporelle dans une première classe de séries temporelles associée à des sujets en rythme sinusal ou dans au moins une deuxième classe de séries temporelles associée à des sujets présentant le trouble du rythme cardiaque, dans lequel la valeur de la variable descriptive est calculée à partir d'une série dérivée dont l'élément constitutif est une dérivée discrète d'ordre 1 ou supérieur à 1 de l'intervalle RR de la série temporelle.
Selon un mode de réalisation, l'élément constitutif de la série dérivée est choisi dans le groupe comprenant : le taux de variation de l'intervalle RR, soit la dérivée temporelle discrète de l'intervalle RR, reflétant l'accélération du rythme cardiaque, la valeur absolue du taux de variation de l'intervalle RR, le taux de variation du taux de variation de l'intervalle RR, soit la dérivée temporelle discrète du taux de variation de l'intervalle RR, soit encore la dérivée temporelle seconde discrète de l'intervalle RR, reflétant les à-coups du rythme cardiaque, la valeur absolue du taux de variation du taux de variation de l'intervalle RR, le taux de variation de la valeur absolue du taux de variation de l'intervalle RR, et la valeur absolue du taux de variation de la valeur absolue du taux de variation de l'intervalle RR.
Selon un mode de réalisation, l'étape de caractérisation de la série temporelle comprend également le calcul de la valeur d'au moins une variable descriptive à partir d'une série temporelle dont l'élément constitutif est choisi dans le groupe comprenant l'intervalle RR, la variation de l'intervalle RR, et la valeur absolue de la variation de l'intervalle RR. Selon un mode de réalisation, la valeur de la variable descriptive est calculée au moyen d'un opérateur mathématique choisi dans le groupe comprenant : la valeur moyenne, la médiane, l'écart-type, la variance, le coefficient de dissymétrie ou Skewness, le coefficient d'aplatissement ou Kurtosis, la puissance à ultra basse fréquence ULF, la puissance à très basse fréquence VLF, la puissance à basse fréquence LF, la puissance à haute fréquence HF , le ratio LF/HF, la puissance totale, la puissance LF normalisée, la puissance HF normalisée, SDl ou dispersion des points selon le petit axe de l'ellipse du diagramme de Poincaré, SD2 ou dispersion des points selon le grand axe de l'ellipse du diagramme de Poincaré, le ratio SD1/SD2, VAI ou l'index d'angle de vecteur, VLI ou l'index de longueur de vecteur, RMSSD ou moyenne quadratique des différences successives des éléments constitutifs de la série, SDSDD ou écart-type de la valeur absolue de la différentiation d'ordre 2 des éléments constitutifs de la série, le taux de récurrence du diagramme de récurrence, Lmax ou longueur maximale des lignes diagonales du diagramme de récurrence, Lmean ou longueur moyenne des lignes diagonales du diagramme de récurrence, le déterminisme, l'entropie de Shannon de la distribution des longueurs des lignes diagonales de la matrice du diagramme de récurrence, l'entropie de Shannon, l'entropie ApEn, l'entropie SampEn, la dimension de corrélation.
Selon un mode de réalisation, l'étape de classification de la série temporelle est exécutée au moyen d'un outil classifieur à apprentissage supervisé, et le procédé comprend une étape de configuration de l'outil classifieur comprenant les étapes consistant à fournir à l'outil classifieur une pluralité de valeurs de la variable descriptive calculées à partir de séries dérivées d'un premier ensemble de séries temporelles issues de sujets en rythme sinusal, et fournir à l'outil classifieur une pluralité de valeurs de la variable descriptive calculées à partir de séries dérivées d'un deuxième ensemble de séries temporelles issues de sujets présentant le trouble du rythme cardiaque.
Selon un mode de réalisation, le procédé comprend une étape de production continue ou quasi-continue d'une pluralité de séries temporelles à partir du signal physiologique, et la détermination en temps réel de la classe à laquelle appartient chaque série temporelle.
Selon un mode de réalisation, les séries temporelles sont produites selon une fenêtre temporelle glissante, de sorte que deux séries temporelles successives peuvent comprendre des intervalles RR communs.
Selon un mode de réalisation, le procédé comprend une étape de détection d'intervalles RR manquants et dans lequel la production des séries temporelles est interrompue pendant les périodes incluant des intervalles RR manquants. Selon un mode de réalisation, les séries temporelles sont extraites d'un signal photopléthysmographique.
Selon un mode de réalisation, le procédé comprend une étape de décision par laquelle le trouble du rythme cardiaque est considéré comme détecté lorsqu'un nombre déterminé supérieur à 1 de séries temporelles n'appartient pas à la première classe de séries temporelles.
Des modes de réalisation concernent également un dispositif de détection d'au moins un trouble du rythme cardiaque d'un sujet humain ou animal à partir d'une série temporelle d'intervalles RR représentative du rythme cardiaque du sujet extraite d'un signal physiologique, le dispositif étant configuré pour caractériser la série temporelle avec au moins une variable descriptive dont la valeur est calculée à partir des intervalles RR de la série temporelle, au moyen de la valeur de la variable descriptive, classifïer la série temporelle dans une première classe de séries temporelles associée à des sujets en rythme sinusal ou dans au moins une deuxième classe de séries temporelles associée à des sujets présentant le trouble du rythme cardiaque, le dispositif étant configuré pour calculer la valeur de la variable descriptive à partir d'une série dérivée dont l'élément constitutif est une dérivée d'ordre 1 ou supérieur à 1 de l'intervalle RR de la série temporelle.
Selon un mode de réalisation, le dispositif est configuré pour calculer la valeur de la variable descriptive à partir d'une série dérivée dont l'élément constitutif est choisi dans le groupe comprenant le taux de variation de l'intervalle RR, soit la dérivée temporelle discrète de l'intervalle RR, reflétant l'accélération du rythme cardiaque, la valeur absolue du taux de variation de l'intervalle RR, le taux de variation du taux de variation de l'intervalle RR, soit la dérivée temporelle discrète du taux de variation de l'intervalle RR, soit encore la dérivée seconde de l'intervalle RR, reflétant les à-coups du rythme cardiaque, la valeur absolue du taux de variation du taux de variation de l'intervalle RR, le taux de variation de la valeur absolue du taux de variation de l'intervalle RR, et la valeur absolue du taux de variation de la valeur absolue du taux de variation de l'intervalle RR.
Selon un mode de réalisation, le dispositif est configuré pour calculer également la valeur d'au moins une variable descriptive à partir d'une série temporelle dont l'élément constitutif est choisi dans le groupe comprenant l'intervalle RR, la variation de l'intervalle RR, et la valeur absolue de la variation de l'intervalle RR.
Selon un mode de réalisation, le dispositif comprend un outil classifieur à apprentissage supervisé configuré pour classifïer la série temporelle dans la première ou la deuxième classes de séries temporelles. Selon un mode de réalisation, le dispositif est configuré pour produire de façon continue ou quasi-continue une pluralité de séries temporelles à partir du signal physiologique, et classifier en temps réel chaque série temporelle.
Selon un mode de réalisation, le dispositif est configuré pour produire les séries temporelles selon une fenêtre temporelle glissante, de sorte que deux séries temporelles successives peuvent comprendre des intervalles RR communs.
Selon un mode de réalisation, le dispositif est configuré pour détecter des intervalles RR manquants et interrompre la production de séries temporelles d'intervalles RR pendant des périodes incluant des intervalles RR manquants.
Selon un mode de réalisation, le dispositif est configuré pour extraire des séries temporelles d'intervalles RR d'un signal photopléthysmographique.
Selon un mode de réalisation, le dispositif est configuré pour exécuter une étape de décision par laquelle le trouble du rythme cardiaque est considéré comme détecté lorsqu'un nombre déterminé supérieur à 1 de séries temporelles successives n'appartient pas à la première classe de séries temporelles.
Selon un mode de réalisation, le dispositif est configuré pour activer un canal d'acquisition de l'électrocardiogramme du sujet lorsqu'un trouble du rythme cardiaque est considéré comme détecté.
Selon un mode de réalisation, le dispositif est configuré pour détecter au moins une fïbrillation auriculaire.
Selon un mode de réalisation, le dispositif est configuré pour être fixé autour du poignet.
Selon un mode de réalisation, le dispositif comprend un canal d'acquisition d'un signal photopléthysmographique, au moins un canal d'acquisition d'un signal électrocardiographique, et un processeur configuré pour détecter le trouble du rythme cardiaque dans le signal photopléthysmographique et dans le signal électrocardiographique.
Selon un mode de réalisation, le dispositif est configuré pour, dans un premier mode de fonctionnement, surveiller uniquement le signal photopléthysmographique pour y détecter le trouble du rythme cardiaque, et après détection du trouble du rythme cardiaque dans le signal photopléthysmographique, basculer dans un deuxième mode de fonctionnement comprenant la surveillance du signal électrocardiographique pour y détecter le trouble du rythme cardiaque. Selon un mode de réalisation, le dispositif est configuré pour, dans le deuxième mode de fonctionnement, surveiller à la fois le signal photopléthysmographique et le signal électrocardiographique.
Selon un mode de réalisation, le dispositif comprend un boîtier ou des moyens de fixation recevant une électrode d'acquisition du signal électrocardiographique que le sujet doit toucher avec une partie de son corps pour que le signal électrocardiographique soit capturé par le canal d'acquisition du signal électrocardiographique.
Selon un mode de réalisation, le dispositif comprend un circuit de multiplexage comprenant une première entrée recevant le signal photopléthysmographique, une deuxième entrée recevant le signal électrocardiographique, et une sortie reliée au processeur, le dispositif étant configuré pour, dans un mode de fonctionnement, sélectionner en alternance chacune des deux entrées du circuit de multiplexage avec une fréquence de commutation élevée devant la fréquence cardiaque du sujet.
Ces objets et caractéristiques seront mieux compris à la lecture de la description suivante de modes de réalisation de la présente invention, faite à titre non limitatif en relation avec les figures jointes parmi lesquelles :
- la figure 1 représente sous forme de blocs un mode de réalisation d'un dispositif de détection d'un trouble du rythme cardiaque selon l'invention,
- la figure 2 représente sous forme de blocs un autre mode de réalisation d'un dispositif de détection d'un trouble du rythme cardiaque selon l'invention,
- la figure 3 montre un signal électrocardiographique pouvant être utilisé dans un mode de réalisation du dispositif de la figure 1 ou celui de la figure 2,
- la figure 4 montre un signal photopléthysmographique pouvant être utilisé dans un mode de réalisation du dispositif de la figure 1 ou celui de la figure 2,
- la figure 5 est un organigramme montrant un mode de réalisation d'un procédé de détection d'un trouble du rythme cardiaque mis en œuvre par le dispositif de la figure 1 ou celui de la figure 2,
- la figure 6 est un organigramme décrivant un premier mode de réalisation d'une étape de caractérisation de séries temporelles figurant dans le procédé de la figure 5,
- les figures 7, 8 et 9 illustrent des résultats d'études concernant la caractérisation de séries temporelles,
- la figure 10 est un organigramme décrivant un deuxième mode de réalisation de l'étape de caractérisation de séries temporelles figurant dans le procédé de la figure 5,
- la figure 11 est un organigramme décrivant un mode de réalisation d'une étape de classification de séries temporelles figurant dans le procédé de la figure 5, - la figure 12 est un organigramme décrivant une étape d'apprentissage d'un outil classifîeur utilisé pour la classification de séries temporelles,
- la figure 13 représente sous forme de blocs un mode de réalisation d'un dispositif portatif de détection d'un trouble du rythme cardiaque selon l'invention,
- les figures 14A et 14B sont respectivement des vues de dessus et de dessous du dispositif de la figure 13,
- la figure 15 est un organigramme décrivant des fonctionnalités d'un mode de réalisation du dispositif de la figure 13,
- la figure 16 est un organigramme décrivant un mode de réalisation d'un procédé de détection d'un trouble du rythme cardiaque mis en œuvre par le dispositif de la figure 13,
- la figure 17 est un organigramme décrivant un autre mode de réalisation d'un procédé de détection d'un trouble du rythme cardiaque mis en œuvre par le dispositif de la figure 13,
- la figure 18 est un organigramme décrivant un mode de réalisation d'une étape de production d'intervalles RR figurant dans le procédé de la figure 16 ou celui de la figure 17,
- la figure 19 est un organigramme décrivant un mode de réalisation d'une étape de production de séries temporelles figurant dans le procédé de la figure 16 ou celui de la figure 17,
- la figure 20 est un organigramme décrivant un mode de réalisation d'une étape de décision figurant dans le procédé de la figure 16 ou celui de la figure 17, et
- la figure 21 est un organigramme décrivant d'autres fonctionnalités d'un mode de réalisation du dispositif de la figure 13.
La figure 1 représente un mode de réalisation d'un dispositif DV1 selon l'invention. Le dispositif comprend un processeur PI, un canal CH d'acquisition d'un signal physiologique S, une mémoire programme Mi l, une mémoire de données M12, et une interface de communication sans fil CI 1. Le canal d'acquisition CH est relié à un terminal AT couplé au corps d'un sujet qui peut être de tout type connu, notamment une sonde cardiaque, des électrodes cutanées ou un module de photopléthysmographie comprenant des diodes émettrices et réceptrices. Le canal d'acquisition CH fournit le signal S sous forme numérisée au processeur Pl. Le processeur analyse ce signal pour y détecter un trouble du rythme cardiaque, au moyen de programmes-algorithmes PG1, PG2, PG3, PG4 prévus dans la mémoire Mi l. Un circuit d'horloge CCT peut être prévu pour fournir un signal d'horloge CK utilisable comme base de temps de référence pour la mesure d'intervalles RR. Le dispositif DVl peut être de type implantable, par exemple sous-cutané, de type portatif, ou encore de type fixe que le sujet utilise temporairement pendant une phase d'observation de son rythme cardiaque. Divers autres organes pouvant être prévus dans le dispositif DVl ne sont pas représentés, tels une source d'alimentation électrique, des régulateurs de tension, un afficheur, des capteurs de données physiologiques ou de posture, par exemple un capteur de température, un accéléromètre, un magnétomètre...
La figure 2 représente un autre mode de réalisation d'un dispositif DV2 selon l'invention. Le dispositif comprend un processeur P2, une mémoire programme M21, un moyen de stockage de données HD, par exemple un disque dur, une interface de communication sans fil CI2 et un circuit CCT fournissant un signal d'horloge CK. La mémoire programme M21 comprend les programmes-algorithmes précités PG1, PG2, PG3, PG4 pour l'analyse du signal physiologique S et la détection d'un trouble du rythme cardiaque. Le signal S peut être préenregistré dans le moyen de stockage de données HD, ou être reçu du dispositif DVl via l'interface de communication CI2 pour être analysé en temps réel ou après avoir été enregistré dans le moyen de stockage HD. Le dispositif DV2 peut être un ordinateur personnel ou l'ordinateur d'un médecin, une station de travail dans un laboratoire médical, un serveur médical, et de façon générale tout dispositif équipé de moyens de calcul permettant de mettre en œuvre les programmes PG1 à PG4.
Les figures 3 et 4 montrent deux exemples de signaux physiologiques S susceptibles d'être analysés par le dispositif DVl ou DV2. Le signal montré sur la figure 3 est un signal ECG, tandis que le signal montré sur la figure 4 est un signal photopléthysmographique, ou signal PPG. Le signal ECG présente le complexe QRS correspondant à la dépolarisation des ventricules, d'où on peut extraire le pic R pour la mesure d'intervalles RR (RRi-1, RRi, RRi+1...). Le signal PPG a une allure grossièrement sinusoïdale et présente des pics notés "R" par analogie avec le signal électrocardiographique, dont l'occurrence est représentative de l'activité cardiaque du sujet. A chaque battement cardiaque, le moment de survenue d'un pic "R" du signal PPG est corrélé, avec un léger décalage de phase, au moment de survenue du pic R du signal ECG, car le signal PPG rend compte de la nature pulsatile du pouls qui résulte de l'activité mécanique contractile cardiaque, des propriétés rhéologiques du sang et des propriétés mécaniques des vaisseaux. Ainsi la pseudo-période définie par la durée de l'intervalle pic- à-pic du signal PPG est corrélée à la durée de l'intervalle RR. La détection des pics "R" du signal photopléthysmographique et la mesure des intervalles de temps entre ces pics permet donc de produire des intervalles de temps qui seront considérés dans ce qui suit comme des intervalles RR. Les ondes P et les ondes de fibrillation du signal ECG sont par contre des événements électriques sans contrepartie mécanique macroscopique, et ne sont pas observables dans le signal PPG.
La figure 5 montre des étapes du procédé de détection d'un trouble du rythme cardiaque mis en œuvre par le dispositif DVl, DV2 au moyen des programmes PG1 à PG4. Le procédé comprend :
- une étape S03 de détection de pics R (ou assimilés) dans le signal physiologique S, et de calcul d'intervalles RR, exécutée par le programme PG1,
- une étape S05 de formation de séries temporelles Sj d'intervalles RR à partir des intervalles RR fournis par le programme PG1, exécutée par le programme PG2;
- une étape S07 de caractérisation des séries temporelles Sj fournies par le programme PG2, exécutée par le programme PG3, et
- une étape S09 de classification des séries temporelles Sj par le programme PG4, à partir de leur caractérisation par le programme PG3.
A l'étape S03, la mesure des intervalles RR par le programme PG1 peut inclure un filtrage visant à identifier des intervalles RR aberrants dus par exemple à des fausses détections et/ou à des non-détections d'intervalles RR. A l'étape S05, le programme PG2 "découpe" le flux continu d'intervalles RR en séries temporelles Sj d'une durée minimale Te, comprenant chacune un nombre d'intervalles RR successifs qui est fonction du rythme cardiaque du sujet. A l'étape S07, le programme PG3 analyse les intervalles RR constituant les séries temporelles Sj pour en extraire une information discriminante nécessaire à leur classification. A l'étape S09, le programme PG4 utilise l'information discriminante pour classifier les séries temporelles Sj dans une première classe C 1 de séries temporelles issues de sujets en rythme sinusal ou dans une deuxième classe C2 de séries temporelles issues de sujets présentant le trouble du rythme à détecter, par exemple une fibrillation auriculaire.
Lorsqu'un trouble du rythme est détecté en temps réel par le dispositif DVl par classification d'une ou de plusieurs séries temporelles dans la classe C2, l'étape de classification S09 est suivie d'une action réalisée par le dispositif DVl . Cette action peut par exemple comprendre le fait de stocker dans la mémoire de données M12 le signal brut S et/ou les séries temporelles Sj dans lesquels le trouble du rythme a été détecté, et/ou transférer ces données via l'interface de communication CH . Le dispositif DV 1 peut par exemple établir une communication avec le dispositif DV2 et lui transférer le signal S, les séries temporelles Sj et leur classification. Le dispositif DV2 est alors en mesure de réaliser, en temps différé, une vérification de la classification assurée par le dispositif DV 1 , voire de soumettre le signal S à d'autres types d'analyses visant à confirmer le bien-fondé de la classification retenue par le dispositif DVl . L'action suivant la classification d'une ou de plusieurs séries temporelles dans la classe C2 peut aussi inclure une étape de décision précédant une action proprement dite, visant à valider la classification retenue par le programme PG4.
Il est connu qu'une série temporelle d'intervalles RR peut être caractérisée, à des fins de classification, au moyen de variables descriptives dont les valeurs sont calculées par application d'opérateurs mathématiques aux intervalles RR de la série. L'article précité "Automatic Détection of Atrial Fibrillation Using R-R Interval Signal" (Réf. 2) suggère notamment d'utiliser les opérateurs VAI et VLI ou SD1 et SD2 d'analyse de l'espace des phases ou diagramme de Poincaré. Ces opérateurs mathématiques, ainsi que d'autres décrits plus loin, par exemple la valeur moyenne, la médiane, l'écart-type, la variance des intervalles RR, etc., permettent d'obtenir une information discriminante utilisable pour la classification des séries temporelles.
La figure 6 montre un premier mode de réalisation S07(l) de l'étape de caractérisation S07 mise en œuvre au moyen du programme PG3. L'étape S07(l) comprend une étape préliminaire S070 de choix d'un groupe de variables descriptives Val, Va2...Vak, correspondant ici au choix d'un groupe d'opérateurs mathématiques destinés à être appliqués à des séries temporelles d'intervalles RR. L'étape S070 est de préférence exécutée avant la mise en service du dispositif DV1, DV2 et l'écriture du programme PG3, par le biais d'études et d'essais visant à déterminer la meilleure combinaison de variables descriptives en relation avec le trouble du rythme à détecter. Dans un mode de réalisation, le dispositif DV1, DV2 est configuré pour détecter plusieurs types de troubles du rythme et utilise des différents groupes de variables descriptives, chacun dédié à la détection d'une pathologie. Dans ce cas, l'étape S070 peut inclure une étape de sélection, dans la mémoire programme Mi l, M12, du groupe de variables descriptives approprié, ou une étape de sélection d'une branche du programme PG3 utilisant le groupe de variables descriptives dédié à la détection du trouble du rythme visé.
L'étape S07 comprend ensuite une boucle de calcul des valeurs de chaque variable descriptive, qui est initiée après réception, au cours d'une étape S071, d'une nouvelle série temporelle Sj fournie par le programme PG2. La boucle de calcul comprend une étape S072 de calcul de la valeur Valj de la variable descriptive Val, une étape S073 de calcul de la valeur Va2j de la variable descriptive Va2, et ainsi de suite jusqu'à une étape S07k de calcul de la valeur Vakj de la variable descriptive Vak, la valeur de chaque variable étant calculée à partir des intervalles RR de la série Sj. Le programme PG3 fournit ensuite au programme PG4 les valeurs Valj, Va2j...Vakj des variables descriptives. L'efficacité de ce procédé de caractérisation a été évaluée à partir d'intervalles RR fournis par le site Physionet (http://www.physionet.org/) du Massachussetts Institute of Technology (MIT), lequel met à la disposition du public des banques de signaux ECG et de séries temporelles d'intervalles RR, notamment les banques "Sinus Rhythm RR Interval Database", "MIT-BIH Normal Sinus Rhythm Database", "MIT-BIH Atrial Fibrillation Database", "AF Termination Challenge Database", et "MIT-BIH Arrythmia Database". A partir de ces banques de données, une bibliothèque de séries temporelles d'intervalles RR a été constituée, comprenant :
- 56964 séries temporelles de référence de 60 s chacune dont 56711 en rythme sinusal et 253 en fibrillation auriculaire ("Atrial Fibrillation"), et
- 322779 séries temporelles de référence de 10 s chacune dont 297269 en rythme sinusal et 25 10 en fibrillation auriculaire.
L'étude a mis en évidence un pourcentage non négligeable de faux négatifs lors d'une classification des séries temporelles de référence par régression logistique ou au moyen d'un outil classifîeur à apprentissage supervisé. En d'autres termes, un nombre non négligeable de séries temporelles en fibrillation auriculaire ont été classifiées comme des séries temporelles en rythme sinusal.
Il a donc été souhaité d'améliorer le procédé de caractérisation des séries temporelles mis en œuvre à l'étape S07, pour obtenir une classification plus exacte sans faire intervenir des descripteurs basés sur l'analyse de la morphologie du signal ECG, qui ne seraient pas utilisables avec un autre type de signal, notamment le signal PPG. Un perfectionnement a été trouvé, qui sera maintenant décrit en relation avec les figures 7 à
11.
Selon ce perfectionnement, l'étape S07 de caractérisation des séries temporelles inclut des étapes de calcul de séries dérivées dont les éléments constitutifs sont des dérivées discrètes, notées dNRR/dtN, des intervalles RR des séries temporelles initiales, N étant un entier au moins égal à 1. On a en effet mis en évidence le fait que de telles séries dérivées contiennent une information discriminante pouvant s'ajouter à celle pouvant être extraite des séries temporelles initiales, voire la remplacer, en vue de leur classification.
Pour fixer les idées, le tableau de la figure 7 illustre avec des nuances de gris un degré de corrélation entre des dérivées d'intervalles RR d'ordre N croissant. Ce degré de corrélation est mesuré sur une échelle allant de 0 à 1 au moyen du coefficient de Pearson. Le tableau de la figure 7 est reproduit en Annexe 1, tableau 1, les nuances de gris étant remplacées par des valeurs numériques. La diagonale centrale allant de l'angle supérieur gauche à l'angle inférieur droit du tableau montre que, de façon triviale, les intervalles RR et leurs dérivées présentent à l'égard d'eux-mêmes un coef icient de corrélation égal à 1. Les diagonales voisines de la diagonale centrale montrent que les dérivées d'intervalles RR d'ordres adjacents (par exemple une dérivée d'ordre 2 et une dérivée d'ordre 3) présentent entre elles un degré de corrélation inférieur à 1, par exemple de l'ordre de 0,8. Ce degré de corrélation diminue pour tendre vers 0 au fur et à mesure que l'écart de rang entre les dérivées augmente. De même, il existe un faible degré de corrélation entre les intervalles RR et leurs dérivées, et ce dès la dérivée d'ordre 1. Ces résultats témoignent de l'existence, dans les séries dérivées, d'une information discriminante ne se trouvant pas dans les séries temporelles initiales.
Ainsi, à partir d'une série temporelle initiale devant être caractérisée en vue de sa classification, le procédé comprend les étapes suivantes :
- une étape de calcul d'au moins une série dérivée d'ordre N dont l'élément constitutif est la dérivée temporelle discrète dNRR/dtN de l'intervalle RR de la série temporelle initiale, et
- une étape de caractérisation de la série dérivée au moyen d'une ou plusieurs variables descriptives dont les valeurs sont calculées par application d'un opérateur mathématique aux éléments constitutifs de la série dérivée, et sont considérées comme formant une information discriminante pour la classification de la série temporelle initiale.
Dans un souci de clarté de l'exposé, on appellera, dans ce qui suit :
- variable descriptive dérivée Vb : une variable descriptive obtenue par application d'un opérateur mathématique à une série dérivée,
- série primitive : une série temporelle d'intervalles RR ou une série temporelle dont l'élément constitutif est la variation de l'intervalle RR ou la valeur absolue de cette variation, et
- variable descriptive primitive Vc : une variable descriptive obtenue par application d'un opérateur mathématique à une série primitive.
Ainsi, la notion de "variable descriptive primitive" englobe la notion de "variable descriptive" précédemment mentionnée, qui ne se rapporte qu'à l'application d'un opérateur mathématique à une série temporelle d'intervalles RR.
Par ailleurs, dans un mode de réalisation, la notion de "série dérivée" inclut des séries dont l'élément constitutif est calculé à partir de la valeur absolue des éléments d'une série dérivée d'ordre inférieur, par exemple, comme cela sera vu plus loin, le taux de variation de la valeur absolue du taux de variation de l'intervalle RR, ou la valeur absolue de ce taux de variation.
Ainsi, si Nmax désigne le degré maximal de dérivation mis en œuvre pour caractériser une série temporelle, soit le nombre de séries dérivées disponibles, et NVa le nombre d'opérateurs mathématiques pouvant être appliqués aux séries dérivées, le nombre de variables descriptives dérivées pouvant être utilisées est égal à NVa*Nmax. En ajoutant aux séries dérivées celles dont l'élément constitutif est calculé à partir de la valeur absolue des éléments d'une série dérivée d'ordre inférieur, le nombre de variables descriptives dérivées pouvant être utilisées est encore plus important.
Des exemples d'opérateurs mathématiques et leurs formules correspondantes, utilisables pour définir des variables descriptives primitives ou dérivées, sont décrits en Annexe 2. On distingue :
- des opérateurs statistiques, tels que :
- la valeur moyenne,
- la médiane,
- l'écart-type,
- la variance,
- le coefficient de dissymétrie ou Skewness,
- le coefficient d'aplatissement ou urtosis,
- des opérateurs d'analyse spectrale (Cf. Réf. 3), tels que :
- la Puissance ULF (Ultra Low Frequency Power) ou puissance à ultra basse fréquence [0 - 3 mHz],
- la Puissance VLF (Very Low Frequency Power) ou puissance à très basse fréquence [3 mHz - 40 mHz],
- la Puissance LF (Low Frequency Power) ou puissance à basse fréquence [40 mHz
- 150 mHz],
- la Puissance HF (High Frequency Power) ou puissance à haute fréquence [1 0 mHz 400 mHz],
- le Ratio LF/HF,
- la Puissance totale,
- la Puissance LF normalisée [40 mHz - 150 mHz],
- la Puissance HF normalisée [150 mHz - 400 mHz],
- des opérateurs d'analyse de l'espace des phases (diagramme de Poincaré, Cf. Réf. 2) tels que :
- SD1, ou dispersion des points selon le petit axe de l'ellipse,
- SD2, ou dispersion des points selon le grand axe de l'ellipse,
- le ratio SD1/SD2,
- VAI, ou Index d'Angle de Vecteur (Vector Angular Index),
- VLI, ou Index de Longueur de Vecteur (Vector Length Index), - RMSSD, ou Moyenne quadratique des différences successives des éléments constitutifs de la série à caractériser,
- SDSDD, ou Ecart-type de la valeur absolue de la différentiation d'ordre 2 des éléments constitutifs de la série à caractériser,
- des opérateurs d'analyse du diagramme de récurrence RP (Récurrence Plot) tels que :
- le Taux de récurrence (Récurrence Rate),
- Lmax, ou Longueur maximale des lignes diagonales du diagramme de récurrence RP,
- Lmean, ou Longueur moyenne des lignes diagonales du diagramme de récurrence RP,
- le Déterminisme,
- l'Entropie de Shannon de la distribution des longueurs des lignes diagonales de la matrice du diagramme RP,
- des opérateurs d'analyse de la régularité de la série à caractériser, tels que :
- l'Entropie de Shannon,
- l'Entropie ApEn (Approximate Entropy),
- l'Entropie SampEn (Sample Entropy), et
- des opérateurs d'analyse des propriétés chaotiques et fractales de la série à caractériser, tel que la Dimension de corrélation.
La caractérisation d'une série temporelle selon le procédé présentement décrit peut être mise en œuvre selon plusieurs variantes :
- en faisant appel exclusivement à une ou plusieurs variables descriptives dérivées Vb, ou
- en faisant appel à une plusieurs variables descriptives dérivées Vb et à une ou plusieurs variables descriptives primitives Vc.
Des études ont été conduites pour évaluer les meilleures combinaisons de variables descriptives dérivées Vb et de variables descriptives primitives Vc permettant d'obtenir une bonne exactitude de classification ("accuracy") sans complexifïer de façon rédhibitoire l'étape de caractérisation, et ce dans la perspective d'une mise en œuvre du procédé dans un dispositif d'un prix de revient réduit, offrant une puissance de calcul moyenne. Ces études montrent qu'il peut être préféré, dans certains modes de réalisation, de n'utiliser que des variables descriptives primitives ou dérivées formées à partir d'opérateurs mathématiques différents, en d'autres termes de ne pas appliquer le même opérateur mathématique à des séries primitives ou dérivées différentes. Il apparaît également que le recours aux variables descriptives primitives peut ne pas être nécessaire avec certaines variables descriptives dérivées, tandis qu'avec d'autres variables descriptives dérivées l'ajout d'une ou plusieurs variables descriptives primitives peut améliorer l'exactitude de la classification. Il apparaît enfin que ce choix dépend également du trouble du rythme devant être détecté.
A titre d'exemple, le tableau de la figure 8 illustre le résultat d'une étude visant à identifier la meilleure combinaison de variables descriptives primitives et dérivées en utilisant comme opérateurs mathématiques la valeur moyenne ("mean") et l'écart-type ("σ"). Le tableau de la figure 8 est également reproduit en Annexe 1, tableau 2, les zones grisées étant remplacées par des croix. L'étude a été conduite dans les conditions suivantes
- en fixant le degré maximal de dérivation à 4 (Nmax=4), soit en utilisant des séries dérivées d'ordre 1 , 2, 3 et 4,
- en utilisant la valeur moyenne et l'écart-type pour former des combinaisons de variables descriptives primitives ou dérivées comprenant de 1 à 10 variables,
- dans le cadre d'une classification des séries temporelles dans une classe de séries temporelles associées à des sujets en rythme sinusal (classe NSR) ou dans une classe de séries temporelles associées à des sujets présentant une fîbrillation auriculaire (classe AF),
- en utilisant une fonction de régression logistique pour distinguer les classes NSR et AF, et
- en utilisant les séries temporelles de référence précitées, générées à partir des données Physionet, dont la classe d'appartenance est connue.
Chaque colonne du tableau correspond à une combinaison de variables comprenant de 1 à 10 variables. Les cellules grisées (ou, en Annexe 1, celles présentant des croix) indiquent le meilleur choix de variables. Lorsque deux variables sont utilisées (colonne 2), le offrant la meilleure exactitude de classification est σ l'ecart-tyPe des éléments constitutifs de la dérivée seconde et la valeur moyenne des éléments constitutifs de la dérivée première. Avec ces deux variables descriptives dérivées, une exactitude de classification de 99.9% a été obtenue, sans faire appel à des variables descriptives primitives. A partir de la colonne 5 (i.e. 5 variables utilisées) l'écart-type des intervalles RR des séries temporelles fait partie de la combinaison optimale de variables. A partir de la colonne 9 (i.e. 9 variables utilisées) la valeur moyenne des intervalles RR fait également partie de la combinaison optimale de variables. Ces deux variables descriptives primitives ont donc été préférées à certaines variables descriptives dérivées, par exemple
L'étude de toutes les combinaisons possibles de variables descriptives primitives et dérivées a montré que l'exactitude de la classification pouvait varier entre 69,6% et 99,9% selon la combinaison retenue, d'où l'importance du choix des variables. Avec un résultat aussi satisfaisant que 99,9 % obtenu avec seulement deux variables descriptives dérivées judicieusement choisies, il apparaît que le choix d'un nombre élevé de variables descriptives primitives et/ou dérivées peut ne pas être nécessaire. Ainsi, les cellules grisées des colonnes 3 à 10 du tableau incluent les deux variables descriptives dérivées retenues dans la colonne 2 du tableau, qui à elles seules offrent une exactitude de classification de 99,9 %, de sorte que l'ajout des autres variables désignées dans ces colonnes n'améliore pas l'exactitude de la classification.
D'autres études ont été conduites pour évaluer l'influence de la durée de la fenêtre d'observation, c'est-à-dire la durée minimale Te de chaque série temporelle (étape S05, Fig. 5) sur la pertinence de la classification. La figure 9 illustre l'un des résultats de ces études et montre une courbe Cl correspondant à la variation de l'exactitude de la classification, exprimée en pourcentage, en fonction de la durée de la fenêtre d'observation, exprimée en secondes, en utilisant le couple de variables descriptives dérivées
D'autres courbes C2, C3. ...Cn apparaissant sur la figure 9
correspondent à la variation de l'exactitude de la classification pour d'autres combinaisons de variables. La courbe C l montre que la durée de la fenêtre d'observation peut être réduite jusqu'à 5 secondes, ce qui ne représente que 5 battements cardiaques avec un sujet dont la fréquence cardiaque est de 60 battements par minute, tout en conservant une exactitude de classification supérieure à 95%. Or, la réduction de la durée de la fenêtre d'observation permet de réduire le temps de classification de chaque série temporelle et ainsi d'augmenter la réactivité du dispositif DV1, DV2 lors de l'apparition d'un trouble du rythme, dans le cadre d'une surveillance en temps réel de l'activité cardiaque du sujet.
Il sera noté que les analyses, conclusions et résultats d'études qui viennent d'être décrits sont purement indicatifs et ne sauraient être considérés comme réduisant le champ de mise en œuvre du procédé présentement décrit.
La figure 10 montre un mode de réalisation S07(2) de l'étape de caractérisation S07 selon ce procédé. L'étape S07(2) comprend une étape préliminaire S0700 de choix d'au moins une variable descriptive dérivée Vb. Comme précédemment, ce choix est de préférence fait avant la mise en service du dispositif DV 1 ou DV2, par le biais d'études préalables, et en fonction du trouble du rythme à détecter. Il s'agit par exemple de la valeur moyenne de la dérivée première et de l'écart-type de la dérivée seconde, dont les performances discriminantes ont été mises en lumière plus haut en relation avec la figure 8. Optionnellement, au moins une variable descriptive primitive Vc peut également être retenue. Enfin, dans le cadre d'une détection de différents troubles du rythme, ce choix peut être fait dynamiquement par le dispositif DV1, DV2 en fonction du trouble du rythme devant être détecté, par sélection d'un groupe de variables parmi plusieurs groupes prédéterminés ou de branches du programme PG3 configurées pour utiliser ces variables.
Après réception d'une série temporelle Sj au cours d'une étape S0701, le programme PG3 exécute tout ou partie des étapes suivantes :
- étape S0702 : calcul d'une série Sjo dont l'élément constitutif est la variation Vi de l'intervalle RR de la série Sj,
- étape S0703 : calcul d'une série Sji dont l'élément constitutif est la valeur absolue I Vi| de la variation de l'intervalle RR,
- étape S0704 : calcul d'une série dérivée Sj'2 dont l'élément constitutif est le taux de variation Ai de l'intervalle RR (accélération du rythme cardiaque),
- étape S0705 : calcul d'une série dérivée Sj'3 dont l'élément constitutif est la valeur absolue |Ai| du taux de variation Ai de l'intervalle RR (accélération en valeur absolue du rythme cardiaque),
- étape S0706 : calcul d'une série dérivée Sj4 dont l'élément constitutif est le taux de variation ACi du taux de variation Ai de l'intervalle RR (à-coup du rythme cardiaque),
- étape S0707 : calcul d'une série dérivée Sj'5 dont l'élément constitutif est la valeur absolue |ACi| du taux de variation ACi du taux de variation Ai de l'intervalle RR (à-coup en valeur absolue du rythme cardiaque),
- étape S0708 : calcul d'une série dérivée Sjô dont l'élément constitutif est le taux de variation Gi de la valeur absolue |Ai| du taux de variation Ai de l'intervalle RR,
- étape S0709 : calcul d'une série dérivée Sj7 dont l'élément constitutif est la valeur absolue |Gi| du taux de variation Gi de la valeur absolue |Ai| du taux de variation Ai de l'intervalle RR.
On trouvera en Annexe 3 des exemples de formules de calcul des diverses séries dérivées qui viennent d'être mentionnées. Une fois ces étapes de calcul exécutées, ou au fur et à mesure qu'elles sont exécutées, le programme PG3 exécute les étapes suivantes :
- étape S0720 : détermination de la valeur Vclj d'au moins une variable descriptive primitive Vcl calculée à partir de la série Sj,
- étape S0730 : détermination de la valeur Vc2j d'au moins une variable descriptive primitive Vc2 calculée à partir de la série Sjo,
- étape S0740 : détermination de la valeur Vc3j d'au moins une variable descriptive primitive Vc3 calculée à partir de la série Sji, - étape S0750 : détermination de la valeur Vbj d'au moins une variable descriptive dérivée Vb à partir d'une série dérivée Sj'2 à Sj7.
Les étapes S0720, S0730 et S0740 sont optionnelles et ne sont pas exécutées si le choix fait à l'étape S0700 n'inclut pas de variable descriptive primitive. Ainsi, le procédé peut ne comprendre que deux de ces étapes, qu'une seule de ces étapes, ou aucune de ces étapes. De même, le nombre de variables descriptives dérivées dont les valeurs sont calculées à l'étape S0750 dépend du choix fait à l'étape S0700. Enfin, certaines des étapes S0704 à S0709 peuvent ne pas être exécutées si les variables descriptives dérivées choisies ne nécessitent pas le calcul des dérivées correspondantes.
Le programme PG3 fournit ensuite au programme PG4 la ou les valeurs Vbj d'une ou de plusieurs variables descriptives dérivées Vb, ainsi qu'optionnellement la ou les valeurs Vcj d'une ou de plusieurs variables descriptives primitives Vc, et retourne à l'étape S0701 pour attendre de recevoir une nouvelle série temporelle Sj.
Dans un mode de réalisation du procédé de détection, le programme PG4 est un outil classifïeur comprenant un réseau de neurones artificiels (RNA) à quantification vectorielle et apprentissage supervisé, dite "LVQ" ("Learning Vector Quantization"). Il comporte une couche cachée dite couche compétitive, suivie d'une couche de classification. La couche compétitive contient des neurones cachés, la couche de classification contient des neurones de sortie, chacun étant représentatif d'une classe d'appartenance à des vecteurs d'une base d'apprentissage. Les résultats fournis par cette architecture d'outil classifïeur sont de l'ordre de 100% en apprentissage et de 99,9% en validation croisée. La robustesse du modèle a également été éprouvée en présence de différents cas particuliers tels la présence de battements ectopiques, un rythme sinusal présentant une forte arythmie sinusale respiratoire, etc.
La figure 11 montre un mode de réalisation de l'étape de classification S09. Avant d'être mis en service, l'outil classifïeur PG4 fait l'objet d'une étape S0900 de configuration par apprentissage supervisé au moyen de deux ensembles NI, N2 de séries temporelles de référence. Une fois l'apprentissage terminé, le programme est en mesure de classifier des séries temporelles dans deux classes Cl, C2 de séries temporelles correspondant respectivement aux ensembles NI et N2. Dans un mode de réalisation, l'outil classifïeur PG4 est configuré pour distinguer une classe Cl de séries temporelles associées à des sujets en rythme sinusal et une classe C2 de séries temporelles associées à des sujets en fïbrillation auriculaire. A une étape S091, l'outil classifïeur PG4 reçoit une ou plusieurs valeurs Vbj de variables descriptives dérivées Vb calculées par le programme PG3 à l'étape S07(2) pour une série temporelle Sj, et optionnellement une ou plusieurs valeurs Vcj de variables descriptives primitives Vc. A une étape S092, l'outil classifïeur PG4 évalue, à partir de ces variables, la classe d'appartenance de la série Sj. L'outil classifïeur PG4 fournit cette classification et retourne à l'étape S091 pour recevoir de nouvelles valeurs de ces variables associées à une série temporelle suivante.
La figure 12 montre un mode de réalisation de l'étape de configuration de l'outil classifïeur PG4. Celle-ci peut être exécutée au moyen d'une version de l'outil classifïeur installée sur une station de travail et vise l'obtention d'un ensemble de matrices de configuration MC4. Elle comprend les étapes préparatoires suivantes :
- une étape S0901 de préparation d'un ensemble I de séries temporelles issues de sujets en rythme smusal, par exemple des séries temporelles de référence précitées d'une minute chacune issues de sujets en rythme sinusal et produites à partir de la base de donnée du Massachussetts Institute of Technology,
- une étape S0902 de caractérisation des séries temporelles de l'ensemble NI . On utilise ici les mêmes variables que celles qui seront utilisées au cours de l'étape de caractérisation S07(2). Cette étape comprend donc, pour chaque série Sj, le calcul de valeurs Vbj de variables descriptives dérivées Vb, et le cas échéant le calcul de valeurs Vcj de variables descriptives primitives Vc,
- une étape S0904 de préparation d'un ensemble N2 de séries temporelles issues de sujets présentant le trouble du rythme à détecter, par exemple des séries temporelles de référence précitées d'une minute chacune issues de sujets en fibrillation auriculaire et produites à partir de la base de donnée du Massachussetts Institute of Technology,
- une étape S0905 de caractérisation des séries temporelles de l'ensemble N2. On utilise également les mêmes variables que celles qui seront utilisées au cours de l'étape de caractérisation S07(2). Cette étape comprend donc, pour chaque série Sj, le calcul de valeurs Vbj de variables descriptives dérivées Vb, et le cas échéant le calcul de valeurs Vcj de variables descriptives primitives Vc.
Les valeurs Vbj, Vcj des variables Vb, Vc calculées pour les séries temporelles de l'ensemble NI sont ensuite fournies à l'outil classifïeur PG4 avec le statut "classe Cl" au cours d'une étape S0903. De même, les valeurs Vbj, Vcj des variables Vb, Vc calculées pour les séries temporelles de l'ensemble N2 sont fournies à l'outil classifïeur PG4 avec le statut "classe C2" au cours d'une étape S0906. A partir de toutes les valeurs de variables fournies pour la classe C 1 et celles fournies pour la classe C2, l'outil classificateur apprend, au cours d'une étape S0907, à distinguer les classes Cl et C2. Il s'agit ici d'un apprentissage supervisé puisque les classes sont imposées à l'outil classifïeur lors de la fourniture des valeurs des variables aux étapes S0903 et S0906. La configuration de l'outil classifieur résultant de la phase d'apprentissage, prenant la forme d'un ensemble de matrices de configuration MC4, est ensuite sauvegardée au cours d'une étape S0908. Au cours d'une étape S0909, les matrices de configuration MC4 sont chargées dans la mémoire Mi l, M21 du dispositif DV1, DV2 (figures 1 et 2).
II apparaîtra clairement à l'homme de l'art que le procédé de caractérisation et de classification de séries temporelles qui vient d'être décrit est susceptible de diverses variantes, modes de réalisation et applications. Bien que le procédé ait été initialement conçu pour surveiller l'activité cardiaque d'un sujet humain, il est également applicable à la détection de troubles cardiaques chez l'animal.
Par ailleurs, l'outil classifieur PG4 peut être configuré pour fournir une classification des troubles du rythme dans plusieurs classes C2(l), C2(2), C2(3)... correspondant chacune à un trouble du rythme déterminé (fibrillation auriculaire, fiutter auriculaire, tachyarythmie, tachycardie supraventriculaire, tachycardie sinusale, extrasystole auriculaire ou ventriculaire, tachycardie ventriculaire, fibrillation ventriculaire...). En variante, plusieurs outils classifieurs, chacun configuré pour distinguer deux classes, à savoir la classe Cl et l'une des classes C2(l), C2(2), C2(3)..., peuvent être prévus et intervenir les uns après les autres au cours de l'étape de classification S09. Un algorithme d'arbitrage des conflits de classification peut être prévu dans le cas où plusieurs outils classifieurs fournissent des classifications différentes.
Egalement, la classification peut être mise en œuvre avec d'autres types d'outils classifieurs que celui précédemment décrit, notamment un outil classifieur à régression logistique ou d'autres types de réseaux de neurones à supervision tels que ceux désignés "LVQ2", "LVQ3", "OLVQ3" dans la littérature. Un apprentissage spécifique à un individu ayant un risque de trouble du rythme peut également être prévu. Dans ce cas, la configuration de l'outil classifieur comprend un premier apprentissage supervisé à partir d'une base de données existante relative à une population, telle que celle décrite plus haut, puis un apprentissage personnalisé en relation avec le sujet, sous supervision médicale.
Il apparaîtra également à l'homme de l'art que les formules de séries dérivées fournies en Annexe 3 ne sont pas limitatives et résultent d'un choix consistant dans une direction d'observation, ici à droite, correspondant au sens d'écoulement du temps. Ainsi, à partir d'un instant Ti, on observe ce qu'il se passe à un instant Ti+n, n allant de 1 au degré maximal de dérivation choisi. Inversement, on pourrait, dans un autre mode de réalisation, étudier ce qui s'est passé avant l'instant Ti soit à l'instant Ti-n, les dérivées à droite (en i+n) n'étant pas égales aux dérivées à gauche (en i-n). Ceci résulte du fait que les séries temporelles observées ne sont pas des fonctions continues et que les dérivées considérées ici sont des dérivées temporelles discrètes. D'autres modes de réalisation peuvent inclure à la fois les dérivées tournées vers le futur (dérivées à droite) et des dérivées tournées vers le passé (dérivées à gauche), pour obtenir encore plus d'information.
Il apparaîtra également à l'homme de l'art que les étapes de calcul qui viennent d'être décrites peuvent être mises en œuvre à partir de la fréquence cardiaque instantanée qui se calcule au moyen de la formule 1/RRi (nombre de battements par seconde) ou de la formule 60/RRi (nombre de battements par minute), l'intervalle RRi devant alors être exprimé en secondes. Dans ce cas, les séries d'intervalles RR sont remplacées par des séries de fréquences cardiaques instantanées, et les dérivées des séries d'intervalles RR sont remplacées par des dérivées de séries de fréquences cardiaques instantanées, qui se calculent de la même manière que celle indiquée en Annexe 3 en remplaçant l'intervalle RR par la fréquence instantanée. Ainsi, dans la présente description et dans les revendications, le terme "intervalle RR" doit être compris comme désignant également la fréquence cardiaque instantanée, le terme "séries temporelles d'intervalles RR" doit être compris comme désignant également des séries de fréquences cardiaques instantanées, et le terme "série dérivée" doit être compris comme désignant également une série dérivée d'une série de fréquences cardiaques instantanées.
La figure 13 représente un mode de réalisation d'un dispositif DV3 selon l'invention, destiné à être porté par un utilisateur. Le dispositif comprend un canal CH1 d'acquisition d'un signal photopléthysmographique SI, un canal CH2 d'acquisition d'un signal électrocardiographique S2 (ECG) et optionnellement d'autres canaux CHn d'acquisition de signaux Sn, par exemple un deuxième canal d'acquisition d'un signal électrocardiographique, un canal d'acquisition de température, un canal d'acquisition d'un signal fourni par un accéléromètre, et un canal d'acquisition d'un signal fourni par un magnétomètre.
Le canal CH1 est couplé à au moins une diode électroluminescente ED et au moins une photodiode PD. Le canal CH2 est couplé à deux électrodes sèches El, E2. Les signaux SI, S2... Sn fournis par les différents canaux d'acquisition sont appliqués sur des entrées d'un multiplexeur MUX dont la sortie est reliée à un processeur P3 par l'intermédiaire d'un convertisseur analogique-numérique ADC. Un filtre passe-bas LPF contournable peut être prévu entre la sortie du multiplexeur et le convertisseur ADC, afin de supprimer des composantes parasites pouvant être présentes dans les signaux SI et S2 ou dans l'un de ces signaux.
Le dispositif DV3 comprend également une mémoire programme M31, une mémoire de données M32, une interface de communication sans fil CI3, un afficheur DS et un circuit d'horloge CCT fournissant un signal d'horloge CK formant une base de temps pour la mesure d'intervalles RR. Le multiplexeur MUX reçoit un signal de sélection SEL fourni par le processeur P3 et transfère à celui-ci le signal correspondant SI, S2,... Sn sélectionné sur l'une de ses entrées. D'autres moyens périphériques du processeur P3, schématisés par un bloc PD, peuvent inclure une batterie ou toute autre source d'énergie, un circuit de gestion d'alimentation, des régulateurs fournissant différentes tensions de polarisation, un port USB, un bipeur piézoélectrique ("buzzer"), un vibreur, une microcentrale inertielle, etc.
Les figures 14A et 14B montrent le dispositif DV3 respectivement par une vue de dessus et une vue de dessous. Le dispositif est monté dans un boîtier de protection 10 équipé d'un bracelet 11. Le dessus du boîtier 10 reçoit l'afficheur DS. Le dessous du boîtier 10 reçoit l'électrode El, une électrode auxiliaire 12 (électrode de potentiel de référence), ainsi qu'un micromodule 13 de photopléthysmographie. Le module de photopléthysmographie 13 comprend par exemple trois électrodes électroluminescentes ED et une photodiode PD. L'électrode E2 est agencée ici sur une face externe du bracelet 11, figure 14A, mais pourrait aussi être agencée sur une face du boîtier 10.
Pour l'acquisition du signal ECG S2, l'électrode El étant en contact permanent avec la peau, l'utilisateur doit toucher l'électrode E2 avec un doigt de la main opposée à celle qui reçoit le dispositif DVl, ou avec une partie quelconque de cette main, par exemple le dessus de la main. La différence de potentiel bioélectrique pour l'acquisition du signal électrocardiographique est ainsi optimale puisque mesurée entre deux extrémités du corps.
Dans d'autres modes de réalisation du dispositif DV3, les moyens électroniques montrés sur la figure 13 peuvent être intégrés dans un bracelet, l'ensemble étant alors dépourvu de boîtier. Ces moyens électroniques peuvent également être intégrés dans le boîtier d'une montre, ou dans le bracelet d'une montre. Dans une variante, les électrodes El, E2 sont des électrodes cutanées reliées au dispositif DV3 par des fils et des microconnecteurs. Ce mode de réalisation peut être prévu pour des sujets dont on sait déjà qu'ils présentent un trouble du rythme, devant être étroitement surveillés. Dans un autre mode de réalisation, les électrodes El , E2, au lieu d'être reliées au dispositif DV3, sont reliées à un module électronique configuré pour transférer le signal ECG S2 au dispositif DV3 via un canal de communication sans fil.
Une caractéristique générale avantageuse du dispositif DV3 est qu'il combine la facilité d'acquisition du signal photopléthysmographique SI (pas d'électrodes cutanées à placer sur le corps de l'utilisateur) tout en permettant d'acquérir le signal électrocardiographique S2 lorsque cela s'avère nécessaire, ici par un simple appui sur l'électrode E2, sinon au moyen d'électrodes cutanées fïlaires ou reliées à un transmetteur sans fil.
La figure 15 montre une configuration de fonctionnement du dispositif DV3 basée sur cette caractéristique. Le dispositif DV3 présente un mode de fonctionnement "veille continue" et un mode de fonctionnement "alerte". Dans le mode de "veille continue", le processeur P3 active le canal CH1 et analyse en permanence le signal photopléthysmographique SI. Le processeur bascule dans le mode "alerte" lorsqu'un trouble du rythme est détecté dans le signal photopléthysmographique. Le processeur active alors le canal CH2, sélectionne le signal électrocardiographique S2 au moyen du multiplexeur MUX et demande à l'utilisateur, par tout moyen prévu à cet effet (afficheur DS, sonnerie, vibreur, message vocal...) de toucher l'électrode E2 pendant un temps déterminé, par exemple pendant une minute. Le signal électrocardiographique est alors dûment analysé et si le trouble du rythme est confirmé, le dispositif peut solliciter de l'utilisateur une mesure urgente et/ou conduire lui-même une ou plusieurs actions visant à le protéger.
Dans un mode de réalisation du mode de fonctionnement "alerte", le processeur P3 sélectionne alternativement les signaux photopléthysmographique SI et électrocardiographique S2 en commutant rapidement les entrées du multiplexeur MUX au moyen du signal SEL, par exemple avec une fréquence de l'ordre de 1000 Hz ou plus, soit environ 1000 fois la fréquence cardiaque moyenne d'une personne au repos. Dans ce cas, le multiplexeur MUX fournit au convertisseur ADC des signaux SI, S2 sous une forme pseudo-échantillonnée qui est numérisée par le convertisseur ADC avant d'être analysée par le processeur P3. D'autres signaux Sn peuvent aussi être simultanément fournis au processeur dans le mode "alerte". Notamment un deuxième canal d'acquisition du signal ECG, utilisant une autre circuiterie d'acquisition à choisir parmi diverses circuiteries connues, relié aux électrodes El, E2 ou utilisant d'autres électrodes, peut permettre de renforcer la fiabilité de l'acquisition et de l'analyse du signal ECG par analyse des deux signaux ECG et arbitrage des résultats obtenus.
L'analyse du signal SI ou S2 par le processeur P3 est assurée par divers programmes-algorithmes chargés dans la mémoire M31 , notamment :
- un programme PG01 de filtrage numérique et de suppression de bruit dans le signal SI,
- un programme PG02 de filtrage numérique et de suppression de bruit dans le signal S2,
- un programme PG11 de détection des pics "R" dans le signal SI (pics PPG) et de mesure des intervalles RR, équivalent au programme PG1 précédemment décrit, - un programme PG12 de détection des pics R dans le signal S2 (complexe QRS) et de mesure des intervalles RR, équivalent au programme PG 1 précédemment décrit,
- le programme PG2 de formation de séries temporelles Sj déjà décrit,
- le programme PG3 de caractérisation des séries temporelles Sj, de préférence dans sa version perfectionnée utilisant les variables descriptives dérivées Vb et primitives Vc,
- le programme PG4 de classification des séries temporelles, par exemple l'outil classifïeur précédemment décrit et ses matrices MC4 de configuration.
Un programme de décision PG5 est également prévu. Le programme PG5 reçoit les classifications de séries temporelles fournies par l'outil classifïeur PG4 et décide, au vu de celles-ci, s'il peut être considéré qu'un trouble du rythme a été détecté. Enfin, un programme application PAP est prévu pour gérer les fonctionnalités générales du dispositif et ses modes de fonctionnement.
La figure 16 montre des étapes d'un procédé de détection d'un trouble du rythme cardiaque exécuté par le dispositif DV3 au moyen des programmes susmentionnés. Le procédé comprend une étape SOI de sélection du canal CHl et/ou CH2 et des étapes spécifiques à chacun des signaux SI et S2, à savoir :
- une étape S02(l) de filtrage du signal SI par le programme PG01 suivie d'une étape S03(l) de détection des pics "R" (pics PPG) et de mesure des intervalles RR par le programme PG11, et
- une étape S02(2) de filtrage du signal S2 par le programme PG02 suivie d'une étape S03(2) de détection des pics R (complexe QRS) et de mesure des intervalles RR par le programme PG12.
Le procédé comprend ensuite des étapes de traitement du signal communes à chacun des signaux SI, S2, mais appliquées séparément à ceux-ci, notamment :
- l'étape S05 précédemment décrite de formation de séries temporelles Sj à partir des intervalles RR fournis par le programme PG11 ou PG12, exécutée par le programme PG2,
- l'étape S07(2) précédemment décrite (figure 10) de caractérisation des séries temporelles Sj, exécutée par le programme PG3, et
- l'étape S09 précédemment décrite (figures 5, 11) de classification des séries temporelles Sj par l'outil classifïeur PG4, dans la classe Cl (sujet normal) ou la classe C2 (sujet présentant un trouble du rythme cardiaque).
L'étape S09 est suivie d'une étape de décision SI 1 exécutée par le programme PG5, basée sur les informations de classification fournies par l'outil classifïeur PG4. Dans un mode de réalisation, le programme PG5 confirme la détection d'un trouble du rythme lorsqu'un nombre déterminé "D" de séries temporelles successives ont été rattachées à la classe C2. Ainsi, une classification isolée d'une série temporelle dans la classe C2 n'est pas considérée comme suffisante pour considérer que le sujet présente un trouble du rythme, ainsi que plusieurs classifications dans la classe C2 de séries temporelles qui ne sont pas successives.
Dans un mode de réalisation, le programme PG5 peut, de façon équivalente, être configuré pour confirmer la détection d'un trouble du rythme lorsque "D" séries temporelles successives n'ont pas été classifïées dans la classe Cl . Ce mode de réalisation s'applique notamment lorsque l'outil classifïeur est configuré pour fournir une classification des troubles du rythme dans plusieurs classes C2(l), C2(2), C2(3)... correspondant chacune à un trouble du rythme cardiaque, la décision étant alors prise sans rechercher si les troubles détectés ont été rattachés à la même classe parmi toutes les classes C2 disponibles.
Enfin, lorsque l'étape de décision S 11 indique qu'un trouble du rythme a été détecté, le procédé comprend une étape S 12 consistant à initier une action spécifique, conduite par le programme application PAP, visant la protection du sujet et/ou la collecte d'informations permettant au corps médical de diagnostiquer l'événement.
La figure 17 montre un autre mode de réalisation d'un procédé de détection d'un trouble du rythme exécuté par le dispositif DV3. Ce mode de réalisation se distingue du précédent par le fait que, lorsque le signal électrocardiographique S2 est analysé, l'étape de caractérisation S07(2) des séries temporelles est remplacée par une étape de caractérisation S07(3) conduite par un programme PG32 qui se substitue au programme PG3. Cette étape S07(3) inclut, en sus de la caractérisation des séries temporelles de la manière précédemment décrite, une étape de caractérisation de la morphologie du signal ECG, qui comprend par exemple l'analyse de la forme de l'onde P et du complexe QRS, par exemple leur amplitude et leur durée. Dans ce cas, l'étape de classification S09 est remplacée par une étape de classification S09(2) conduite par un deuxième outil classifïeur PG42 qui se substitue au programme PG4. Le programme PG42 a des matrices de configuration MC42 obtenues au terme d'une phase d'apprentissage basée à la fois sur la caractérisation des séries temporelles et la caractérisation de la morphologie du signal S2.
Ainsi, lorsqu'un trouble du rythme a été détecté par analyse du signal photopléthysmographique SI, le basculement dans le mode "alerte" permet au dispositif DV3 d'acquérir le signal électrocardiographique S2 et de conduire une analyse précise de celui-ci, permettant du programme PG5 de fournir une confirmation très fiable de la présence d'un trouble du rythme. Il sera toutefois noté que le perfectionnement proposé plus haut concernant la caractérisation des séries temporelles au moyen des variables descriptives dérivées Vb, permet déjà d'obtenir une détection fiable basée sur la seule observation du signal photopléthysmographique SI.
L'algorithme exécuté par le processeur P3 sous le contrôle du programme PG11 ou PG12 à l'étape S03(l) ou S03(2) est de préférence conçu pour détecter et éliminer les intervalles RR aberrants et ainsi améliorer encore plus la fiabilité du procédé de détection d'un trouble du rythme. La figure 18 montre un mode de réalisation de cet algorithme, qui peut également être utilisé pour mettre en œuvre l'étape S03 de la figure 5. L'algorithme comprend deux étapes S030 et S031 exécutées en tâches de fond et une boucle de calcul des intervalles RRi. L'étape S030 consiste dans la réception des valeurs discrètes du signal numérisé SI ou S2 et l'étape S031 consiste dans l'analyse de ce signal pour la détection des pics R ou assimilés (pics PPG).
La boucle de calcul est initiée après détection, à une étape S0302, d'un pic Ri(Ti), "Ti" désignant l'instant où le pic Ri est détecté. Elle comprend des étapes S0300 d'initialisation d'une variable de boucle i (i = 0) et S0301 d'initialisation à l'état bas d'un drapeau d'interruption IFR. Après détection du pic Ri(Ti), le processeur P3 vérifie au cours d'une étape S0303 si un pic précédent Ri-l(Ti-l) d'instant Ti-1 a été mémorisé. Dans l'affirmative, le processeur détermine, au cours d'une étape S0304, la valeur de l'intervalle RRi, tel que RRi = Ti-(Ti-l), puis vérifie au cours d'une étape S0305 si l'intervalle RRi est inférieur à un seuil Tmin. Dans la négative, le processeur mémorise le pic Ri(Ti) au cours d'une étape S0306, puis détermine au cours d'une étape S0307 si l'intervalle RR est supérieur à un seuil Tmax. Dans la négative, le processeur fournit au programme PG2 l'intervalle RRi au cours d'une étape S0308. L'intervalle RRi est accompagné du drapeau d'interruption IFR, qui peut se trouver dans l'état bas ou haut en fonction des étapes précédemment exécutées. A une étape suivante S0309, le processeur force le drapeau d'interruption IFR dans l'état bas, puis conduit une étape optionnelle S0310 d'ajustement ou "recalage" des seuils Tmin, Tmax d'admissibilité des intervalles RRi. Cette étape consiste à redéfinir les seuils Tmin, Tmax en fonction de l'augmentation ou de la diminution du rythme cardiaque du sujet liée à son activité, et implique une détection des variations lentes de l'intervalle RRi. Le processeur incrémente ensuite la variable de boucle i (i = i+1) au cours d'une étape S0311 et retourne à l'étape S0302 pour attendre la survenance du pic suivant Ri.
Lorsqu'il apparaît à l'étape S0303 qu'aucun pic Ri n'a été mémorisé, le processeur mémorise le pic actuel Ri(Ti) au cours d'une étape S0312 puis va à l'étape S0311 pour incrémenter l'indice de boucle avant de revenir à l'étape S0302. Lorsqu'il apparaît à l'étape S0305 que l'intervalle RRi est inférieur à Tmin, le pic actuel Ri est considéré comme aberrant et le processeur retourne directement à l'étape S0301 pour attendre un nouveau pic, sans mémoriser le pic actuel. Lorsqu'il apparaît à l'étape S0307 que l'intervalle RRi est supérieur à Tmax, le processeur considère qu'un ou plusieurs pics précédents n'ont pas été détectés en raison d'une interruption dans la réception du signal SI, S2 ou d'une non- détection de pic. Le pic actuel Ri est considéré comme le premier pic reçu après l'interruption présumée et le processeur va à une étape S0314 où il met le drapeau d'interruption IFR à l'état haut, puis efface le pic précédent Ri-l(Ti-l) au cours d'une étape S0315. Le processeur va ensuite à l'étape S0311 pour incrémenter la variable de boucle et revient à l'étape S0302 pour attendre la survenance d'un nouveau pic.
Ainsi, les programmes PG1, PG11, ou PG12 fournissent des intervalles RRi dépourvus de valeurs aberrantes et accompagnés du drapeau d'interruption IFR permettant au programme PG2 de savoir, lorsque ce drapeau est dans l'état haut, que l'intervalle RRi correspondant est le premier intervalle RR détecté après une interruption présumée dans la réception des pics R.
La figure 19 montre un exemple d'algorithme exécuté par le processeur P3 au cours de l'étape S05, sous le contrôle du programme PG2. L'algorithme comprend une boucle de formation d'une série temporelle Sj qui est initiée après chaque réception, à une étape S0502, d'un intervalle RRi, et est précédée d'une étape S0500 d'initialisation d'une variable de boucle j (j = 0) et d'une étape S0501 d'initialisation à l'état bas d'un drapeau d'interruption IFS distinct du drapeau d'interruption IFR.
La boucle de formation d'une série temporelle Sj comprend une étape S0503 au cours de laquelle le processeur vérifie si le drapeau interruption IFR associé à l'intervalle RRi reçu est dans l'état haut. Dans la négative, le processeur ajoute l'intervalle RRi à la série Sj au cours d'une étape S0504, puis va à une étape S0505 où il détermine si la durée cumulée des intervalles RRi de la série est supérieure ou égale à un seuil Te correspondant à la durée minimale des séries temporelles précédemment mentionnées. Dans la négative, le processeur retourne à l'étape S0502 pour attendre un nouvel intervalle RRi. Si la durée cumulée des intervalles RRi est supérieure ou égale au seuil Te, le processeur va à une étape S0506 où il fournit la série Sj au programme de caractérisation PG3 avec le drapeau d'interruption IFS dans l'état bas ou haut en fonction des étapes précédemment exécutées. Le processeur inclémente ensuite la variable de boucle j au cours d'une étape S0507 (j = j+1) puis va à une étape S0508 où il initialise une nouvelle série Sj en supprimant les Np premiers intervalles RRi de la série précédente pour former la nouvelle série Sj. Une fenêtre glissante de formation des séries temporelles est ainsi définie, chaque série temporelle comprenant des intervalles RRi présents dans la série temporelle précédente. Le processeur force ensuite à l'état bas le drapeau d'interruption IFS au cours d'une étape S0509, puis retourne à l'étape S0502 pour attendre un nouvel intervalle RRi.
Lorsque le drapeau interruption IFR est trouvé dans l'état haut à l'étape S0503, le processeur va à une étape S0510 où il incrémente la variable de boucle j (j= j+1) puis va à une étape S0511 où il initialise une nouvelle série Sj vide marquée avec le drapeau d'interruption IFS dans l'état haut, puis ajoute l'intervalle RRi actuel à la nouvelle série Sj au cours d'une étape S0512 et retourne à l'étape S0502 pour attendre un nouvel intervalle RRi. Ainsi, la nouvelle série temporelle formée à partir de l'étape S0511 est accompagnée du drapeau IFS dans l'état haut indiquant que la série temporelle Sj est formée après une interruption présumée dans la réception du signal SI, S2 ou d'une non-détection de pic. Cette série sera fournie au programme PG3 à l'étape S0506 après avoir reçu un nombre d'intervalles RRi suffisant pour que le temps Te soit atteint, si aucune autre interruption n'intervient entre-temps.
Le drapeau IFS est utilisé au cours de l'étape de décision SU exécutée par le processeur P3 sous le contrôle du programme PG5, et permet de savoir si des séries temporelles fournies par le programme PG2 sont successives ou non. Dans un mode de réalisation montré sur la figure 20, l'étape de décision SU comprend une étape SI 11 au cours de laquelle le processeur attend de recevoir une classification d'une série Sj fournie par l'outil classifieur PG4 (ou PG42, Fig. 17), cette étape étant précédée d'une étape SI 10 d'initialisation d'une variable de comptage "d" (d=0). Après avoir reçu le résultat de la classification, le processeur détermine au cours d'une étape SI 12 si la série Sj est rattachée à la classe C2, à savoir si elle présente un trouble du rythme cardiaque. Dans la négative, le processeur retourne à l'étape SI 10 pour remettre à 0 la variable de comptage d, puis va à l'étape SI 11 pour attendre la classification de la série temporelle Sj suivante. Lorsqu'il apparaît à l'étape SI 12 que la série Sj est rattachée à la classe C2, le processeur va à une étape SI 13 où il vérifie si le drapeau interruption IFS est dans l'état haut. Dans l'affirmative, le processeur met à 1 la variable de comptage "d" au cours d'une étape SI 17 puis retourne à l'étape SI 11 pour attendre la classification de la série temporelle Sj suivante. Dans la négative, le processeur va à une étape SI 14 où il incrémente de 1 la variable de comptage (d=d+l), puis va à une étape SI 15 où il vérifie si la variable de comptage "d" est égale à un seuil D supérieur à 1. Si le seuil D n'est pas atteint, le processeur retourne à l'étape S 111 pour attendre la classification de la série temporelle Sj suivante. Si le seuil D est atteint, le processeur va à une étape SI 16 où il indique au programme application PAP qu'un trouble du rythme a été détecté. Le seuil D est déterminé de manière que la durée d'une fenêtre d'observation globale englobant D séries temporelles successives, laquelle est inférieure à la somme des durées respectives des séries temporelles du fait que celles-ci sont générées selon une fenêtre temporelle glissante, soit suffisamment courte selon le degré d'urgence éventuelle de la prise en charge du trouble du rythme détecté, et suffisamment longue pour que le trouble du rythme soit médicalement pertinent. Dans un mode de réalisation, D est égal à 20, la durée des séries temporelles est de l'ordre de 10 secondes et la fenêtre glissante est régénérée à chaque battement cardiaque. Dans un autre mode de réalisation, un comptage d'un temps correspondant à la durée souhaitée de la fenêtre d'observation est prévu au lieu d'un comptage du nombre de séries successives.
Dans une variante du procédé, le processeur, à l'étape SI 12, détermine si la classification reçue consiste dans un rattachement de la série temporelle Sj à la classe C 1 des sujets normaux. Si la réponse est positive, le processeur retourne à l'étape SI 10, sinon va à l'étape S 113.
Comme indiqué plus haut, le dispositif DV3 est initialement placé dans le mode de fonctionnement "veille continue" dans lequel le processeur a activé le canal CHl et l'a sélectionné au moyen du multiplexeur MUX, et le programme application PAP le fait basculer dans le mode de fonctionnement "alerte" lorsque le programme de décision PG5 indique qu'un trouble du rythme a été détecté dans le signal SI . La figure 21 montre, à titre purement exemplatif et non limitatif, un exemple de configuration du dispositif DV3 dans le mode "alerte". Cette configuration comprend une étape initiale S 120 au cours de laquelle le processeur P3 :
- archive dans la mémoire de données M32 le signal SI antérieur ayant causé le basculement dans le mode "alerte", ainsi que les séries temporelles Sj(Sl) correspondantes et leur classification par l'outil classifieur PG4,
- demande à l'utilisateur de poser le doigt sur l'électrode E2,
- active le canal CH2 et le sélectionne via le multiplexeur MUX, ou active les deux canaux CHl, CH2 et les sélectionne en alternance via le multiplexeur MUX,
- analyse le signal S2 et optionnellement le signal S 1 ,
- si le canal CHl est actif, archive dans la mémoire M32 le signal SI reçu, les séries temporelles correspondantes Sj(Sl) et leur classification par l'outil classifieur PG4,
- archive dans la mémoire M32 le signal S2, les séries temporelles correspondantes Sj(S2) et leur classification par l'outil classifieur PG4.
Au cours d'une étape S 121, le processeur attend une confirmation d'une détection, dans le signal S2, du trouble du rythme ayant causé le basculement dans le mode "alerte". II vérifie au cours d'une étape S 122 qu'un temps Ta écoulé depuis le basculement dans le mode "alerte" n'a pas atteint un seuil Tmax. Si le seuil Tmax est atteint sans qu'un le trouble du rythme n'ait été trouvé dans le signal S2, ou sans que le signal S2 n'ait été reçu (si l'utilisateur n'a pas répondu à la demande qui lui a été adressée de toucher l'électrode E2), le processeur revient dans le mode de fonctionnement "veille continue", pour éventuellement rebasculer quelques instants plus tard dans le mode "alerte" si le trouble du rythme est de nouveau détecté dans le signal S 1.
Si, au contraire, le trouble du rythme est confirmé par l'analyse du signal S2 avant que le temps Tmax ne soit atteint, le processeur va à une étape S 122 au cours de laquelle il tente de se connecter à un serveur SRV et/ou à une station de travail WS montrés sur la figure 13, par l'intermédiaire de l'interface de communication sans fil CI3 et d'un réseau informatique ou téléphonique NTW. Si la connexion est établie, le processeur transmet une alerte au dispositif distant puis lui transfère des données archivées. L'utilisateur peut être informé du succès du transfert de données, par exemple par l'intermédiaire d'un affichage d'information.
Dans une variante, l'étape de connexion à un serveur SRV et/ou à une station de travail WS est initiée dès le basculement dans le mode "alerte", et les données précitées sont transférées au dispositif distant sans attendre la confirmation prévue à l'étape S 121. Le dispositif DV3 peut ensuite revenir au mode de fonctionnement "veille continue" ou continuer à gérer le mode de fonctionnement "alerte" de toute manière envisageable par l'homme de l'art, par exemple en tenant compte du nombre de fois où le trouble du rythme a été détecté, du comportement de l'utilisateur face aux demandes d'acquisition du signal électrocardiographique, etc.
Egalement, l'utilisateur peut se voir offrir la possibilité de demander au dispositif DV3 de quitter le mode "alerte" jusqu'à nouvel ordre, si un contact a déjà été pris avec le corps médical, ou de basculer dans un mode de fonctionnement "alerte silencieuse" où le dispositif DV3, tout en restant connecté au dispositif distant et/ou tout en continuant à enregistrer des données issues du signal SI, ne sollicite plus l'utilisateur pour la capture du signal électrocardiographique. Dans la variante du dispositif DV3 équipée d'électrodes cutanées, le signal S2 peut être capturé et mémorisé ou transféré pendant toute la durée du mode "alerte silencieuse". L'utilisateur peut aussi se voir offrir la possibilité de déclencher lui-même un enregistrement cardiographique même si le dispositif n'a pas détecté de trouble du rythme par l'analyse du signal PPG.
Il apparaîtra clairement à l'homme de l'art que les dispositifs DV1, DV2 et DV3 qui viennent d'être décrits sont susceptibles de diverses variantes, modes de réalisation et applications. Notamment, bien que l'on ait indiqué en relation avec les figures 16 et 17 que le dispositif DV3 détecte un trouble du rythme dans le signal photopléthysmographique par caractérisation et classification de séries temporelles, les fonctionnalités générales du dispositif, notamment la prévision d'un mode de fonctionnement "veille continue" où le signal photopléthysmographique est utilisé pour la surveillance du rythme cardiaque, et d'un mode de fonctionnement "alerte" où le signal électrocardiographique est capturé avec ou sans la contribution de l'utilisateur, sont indépendantes du procédé mis en œuvre pour détecter un trouble du rythme dans chacun de ces signaux.
Références citées :
Réf. 1 : M.G. Tsipouras, D.I. Fotiadis, and D. Sideris, "An arrhythmia classification System based on the RR-interval signal," Artifïcial Intelligence in Medicine, vol. 33, pp. 237-250, 2005.
Réf. 2 : "Automatic Détection of Atrial Fibrillation Using R-R Interval Signal" Xiuhua Ruan, Changchun Liu, Chengyu Liu, Xinpei Wang, Peng Li, School of Control Science and Engineering, Shandong University, Jinan, Shandong Province, P.R. China, 250061, 2011, 4th International Conférence on Biomédical Engineering and Informatics (BMEI).
Réf. 3 : "Heart rate variability, Standards of measurement, physiological interprétation, and clinical use". Task Force of The European Society of Cardiology and The North American
Society of Pacing and Electrophysiology. European Heart Journal (1996) 17, 354-381.
Annexe 1 (faisant partie intégrante de la description)
Tableau 1 (corrélation entre séries et séries dérivées)
Tableau 2
ANNEXE 2
(faisant partie intégrante de la description)
Opérateurs mathématiques
Opérateurs d'analyse Formules
spectrale (Cf. Réf. 3)
ULF (Ultra Low Frequency ULF = psdx (f). df
Power) ou puissance à ultra
Où : psdx est la densité spectrale de puissance de la basse fréquence [0 - 3 mHz]
série des éléments X ré-échantillonnée
mHz - 400 mHz] Ptot - ULF - VLF SD2 ou dispersion des points
SD2 = ^2a¾ - SD l2 selon le grand axe de l'ellipse
SD1
Ratio SD1/SD2 Ratio = —— - SD2
N- l
VAI ou Index d'Angle de
ï=l
Vecteur (Vector Angular Index)
VLI ou Index de Longueur de Où :
Vecteur (Vector Length Index)
RMSSD ou Moyenne
quadratique des différences RMSSD =
successives des éléments X
SDSDD ou Ecart-type de la
SDSDD
valeur absolue de la
différentiation d'ordre 2 des Où :
éléments X ; = M
Opérateurs d'analyse du
diagramme de récurrence RP Formules
(Récurrence Plot)
JV-m+l
Taux de récurrence (Récurrence
REC =— — ^ Y RPÇj. ) Rate) j, = l
Où :
11-ini .n ^Ι'
Opérateurs d'analyse de la
Formules
régularité des séries
Entropie de Shannon « = -/PWln(P(*))dx
Où :
p(x) est la densité de probabilité des éléments X
ApEn{m,r,N) = 0m(r) - (pm+1(r)
Où:
4>m(r)
N— m
Entropie ApEn (Approximate J = l
Entropy)
nbr {itfe|d(iij,ufe) < r}
N-m + l d(u-, uft) = m {| +n— ¾+n||n = 0, ...,m— l]
SampEn(m,r,N) = ln(Cm(r /Cm+1 r))
Où :
N-m+l
Entropie SampEn (Sample Cm r)
N— m
Entropy) fr nôr { fe|d(ity,iik) < r}
(r)
N— m
Avec :
X : élément constitutif de la série considérée,
u = (Xi_, ¾)■■■)
N = nbre(Xi) : longueur du vecteur u,
histw(u) : histogramme de 10 tronçons du vecteur u,
Uj = (Xj,Xj+1,...,Xj+m_1) , j = 1 ,2 ,.,.,Ν -m + 1,
m: dimension de subdivision du vecteur u, fixée à 2,
r : distance euclidienne tolérée entre 2 points (Xi, Xi+i) et (Xj, Xj+i), i et j G [1,N], E : espérance.
Annexe 3
(faisant partie intégrante de la description)
Séries primitives :
Sj : intervalle RR
RRi= T(¾) - Τ(¾_
Sjo : variation Vi de l'intervalle RR :
Vi = dRR; = RRi+1 - RRj
Sji : valeur absolue |Vi| de la variation Vi de l'intervalle RR :
Séries dérivées :
Sj'2 : taux de variation (Ai) de l'intervalle RR (accélération du rythme cardiaque):
Sj'3 : valeur absolue (|Ai|) du taux de variation (Ai) de l'intervalle RR (accélération en valeur absolue du rythme cardiaque) : Sj'4 : taux de variation (ACi) du taux de variation (Ai) de l'intervalle RR (à-coup du rythme cardiaque) :
Sjs : valeur absolue (|ACi|) du taux de variation (ACi) du taux de variation (Ai) de l'intervalle RR (à-coup en valeur absolue du rythme cardiaque) :
Sjô : taux de variation (Gi) de la valeur absolue (|Ai|) du taux de variation (Ai) de l'intervalle RR :
dt ) i+l l
RRi+i RRi+i
Sj'7 : valeur absolue (|Gi|) du taux de variation (Gi) de la valeur absolue (|Ai|) du taux de variation (Ai) de l'intervalle RR :

Claims

Revendications
1. Procédé de détection d'au moins un trouble du rythme cardiaque d'un sujet humain ou animal à partir d'une série temporelle d'intervalles RR représentative du rythme cardiaque du sujet extraite d'un signal physiologique (S, SI, S2), comprenant les étapes consistant à :
- caractériser (S07, S07(l), S07(2)) la série temporelle avec au moins une variable descriptive (Vb, Vc) dont la valeur est calculée à partir des intervalles RR de la série temporelle, - au moyen de la valeur de la variable descriptive, classifier la série temporelle dans une première classe (Cl) de séries temporelles associée à des sujets en rythme sinusal ou dans au moins une deuxième classe (C2) de séries temporelles associée à des sujets présentant le trouble du rythme cardiaque, procédé caractérisé en ce que la valeur de la variable descriptive (Vb) est calculée à partir d'une série dérivée (Sj2, Sj3, Sj4, Sjs, Sjô, Sj7) dont l'élément constitutif est une dérivée discrète d'ordre 1 ou supérieur à 1 de l'intervalle RR de la série temporelle.
2. Procédé selon la revendication 1, dans lequel l'élément constitutif de la série dérivée est choisi dans le groupe comprenant : - le taux de variation (Ai) de l'intervalle RR, soit la dérivée temporelle discrète de l'intervalle RR, reflétant l'accélération du rythme cardiaque,
- la valeur absolue (|Ai|) du taux de variation de l'intervalle RR,
- le taux de variation (ACi) du taux de variation (Ai) de l'intervalle RR, soit la dérivée temporelle discrète du taux de variation de l'intervalle RR, soit encore la dérivée temporelle seconde discrète de l'intervalle RR, reflétant les à-coups du rythme cardiaque,
- la valeur absolue (|ACi|) du taux de variation (ACi) du taux de variation (Ai) de l'intervalle RR, - le taux de variation (Gi) de la valeur absolue (|Ai|) du taux de variation de l'intervalle RR, et
- la valeur absolue (|Gi|) du taux de variation (Gi) de la valeur absolue (|Ai|) du taux de variation de l'intervalle RR.
3. Procédé selon l'une des revendications 1 et 2, dans lequel l'étape de caractérisation de la série temporelle comprend également le calcul de la valeur d'au moins une variable descriptive (Vc) à partir d'une série temporelle dont l'élément constitutif est choisi dans le groupe comprenant : - l'intervalle RR,
- la variation (Vi) de l'intervalle RR, et
- la valeur absolue (|Vi|) de la variation de l'intervalle RR.
4. Procédé selon l'une des revendications 1 à 3, dans lequel la valeur de la variable descriptive est calculée au moyen d'un opérateur mathématique choisi dans le groupe comprenant : la valeur moyenne, la médiane, l'écart-type, la variance, le coefficient de dissymétrie ou Skewness, le coefficient d'aplatissement ou Kurtosis, la puissance à ultra basse fréquence ULF, la puissance à très basse fréquence VLF, la puissance à basse fréquence LF, la puissance à haute fréquence HF , le ratio LF/HF, la puissance totale, la puissance LF normalisée, la puissance HF normalisée, SDl ou dispersion des points selon le petit axe de l'ellipse du diagramme de Poincaré, SD2 ou dispersion des points selon le grand axe de l'ellipse du diagramme de Poincaré, le ratio SD1/SD2, VAI ou l'index d'angle de vecteur, VLI ou l'index de longueur de vecteur, RMSSD ou moyenne quadratique des différences successives des éléments constitutifs de la série, SDSDD ou écart-type de la valeur absolue de la différentiation d'ordre 2 des éléments constitutifs de la série, le taux de récurrence du diagramme de récurrence, Lmax ou longueur maximale des lignes diagonales du diagramme de récurrence, Lmean ou longueur moyenne des lignes diagonales du diagramme de récurrence, le déterminisme, l'entropie de Shannon de la distribution des longueurs des lignes diagonales de la matrice du diagramme de récurrence, l'entropie de Shannon, l'entropie ApEn, l'entropie SampEn, la dimension de corrélation.
5. Procédé selon l'une des revendications 1 à 4, dans lequel l'étape de classification de la série temporelle est exécutée au moyen d'un outil classifïeur (PG4) à apprentissage supervisé, et comprenant une étape (S0900) de configuration de l'outil classifïeur comprenant les étapes consistant à :
- fournir (S0903) à l'outil classifïeur une pluralité de valeurs (Vbj) de la variable descriptive (Vb) calculées à partir de séries dérivées d'un premier ensemble (NI) de séries temporelles issues de sujets en rythme sinusal, et
- fournir (S0906) à l'outil classifïeur une pluralité de valeurs (Vbj) de la variable descriptive (Vb) calculées à partir de séries dérivées d'un deuxième ensemble (N2) de séries temporelles issues de sujets présentant le trouble du rythme cardiaque.
6. Procédé selon l'une des revendications 1 à 5, comprenant une étape (S05) de production continue ou quasi-continue d'une pluralité de séries temporelles à partir du signal physiologique (S, SI, S2), et la détermination en temps réel de la classe (Cl, C2) à laquelle appartient chaque série temporelle.
7. Procédé selon la revendication 6, dans lequel les séries temporelles sont produites (S05, S0 08) selon une fenêtre temporelle glissante, de sorte que deux séries temporelles successives peuvent comprendre des intervalles RR communs.
8. Procédé selon l'une des revendications 6 et 7, comprenant une étape (S0307) de détection d'intervalles RR manquants et dans lequel la production des séries temporelles est interrompue (S0315, IFS) pendant les périodes incluant des intervalles RR manquants.
9. Procédé selon l'une des revendications 6 à 8, dans lequel les séries temporelles sont extraites d'un signal photopléthysmographique (SI).
10. Procédé selon l'une des revendications 6 à 9, comprenant une étape de décision (SU) par laquelle le trouble du rythme cardiaque est considéré comme détecté lorsqu'un nombre déterminé (D) supérieur à 1 de séries temporelles n'appartient pas à la première classe de séries temporelles.
11. Dispositif (DV1, DV2, DV3) de détection d'au moins un trouble du rythme cardiaque d'un sujet humain ou animal à partir d'une série temporelle d'intervalles RR représentative du rythme cardiaque du sujet extraite d'un signal physiologique (S, SI, S2), le dispositif étant configuré pour : - caractériser (S07, S07(l), S07(2)) la série temporelle avec au moins une variable descriptive (Vb, Vc) dont la valeur est calculée à partir des intervalles RR de la série temporelle,
- au moyen de la valeur de la variable descriptive, classifier la série temporelle dans une première classe (Cl) de séries temporelles associée à des sujets en rythme sinusal ou dans au moins une deuxième classe (C2) de séries temporelles associée à des sujets présentant le trouble du rythme cardiaque, dispositif caractérisé en ce qu'il est configuré pour calculer la valeur de la variable descriptive (Vb) à partir d'une série dérivée (Sj2, Sj3, Sj4, Sjs, Sje, Sj7) dont l'élément constitutif est une dérivée d'ordre 1 ou supérieur à 1 de l'intervalle RR de la série temporelle.
12. Dispositif selon la revendication 11, configuré pour calculer la valeur de la variable descriptive (Vb) à partir d'une série dérivée dont l'élément constitutif est choisi dans le groupe comprenant : - le taux de variation (Ai) de l'intervalle RR, soit la dérivée temporelle discrète de l'intervalle RR, reflétant l'accélération du rythme cardiaque,
- la valeur absolue (|Ai|) du taux de variation de l'intervalle RR,
- le taux de variation (ACi) du taux de variation (Ai) de l'intervalle RR, soit la dérivée temporelle discrète du taux de variation de l'intervalle RR, soit encore la dérivée seconde de l'intervalle RR, reflétant les à-coups du rythme cardiaque, - la valeur absolue (|ACi|) du taux de variation (ACi) du taux de variation (Ai) de l'intervalle RR,
- le taux de variation (Gi) de la valeur absolue (|Ai|) du taux de variation de l'intervalle RR, et - la valeur absolue (|Gi|) du taux de variation (Gi) de la valeur absolue (|Ai|) du taux de variation de l'intervalle RR.
13. Dispositif selon l'une des revendications 11 et 12, configuré pour calculer également la valeur d'au moins une variable descriptive (Vc) à partir d'une série temporelle dont l'élément constitutif est choisi dans le groupe comprenant :
- l'intervalle RR,
- la variation (Vi) de l'intervalle RR, et
- la valeur absolue (|Vi|) de la variation de l'intervalle RR.
14. Dispositif selon l'une des revendications 11 à 13, comprenant un outil classifïeur (PG4) à apprentissage supervisé configuré pour classifîer la série temporelle dans la première ou la deuxième classes de séries temporelles.
15. Dispositif selon l'une des revendications 11 à 14, configuré pour produire (S05) de façon continue ou quasi-continue une pluralité de séries temporelles à partir du signal physiologique (S, SI, S2), et classifîer en temps réel chaque série temporelle.
16. Dispositif selon la revendication 15, configuré pour produire (S05, S0508) les séries temporelles selon une fenêtre temporelle glissante, de sorte que deux séries temporelles successives peuvent comprendre des intervalles RR communs.
17. Dispositif selon l'une des revendications 15 et 16, configuré pour détecter (S0307) des intervalles RR manquants et interrompre (S0315, IFS) la production de séries temporelles d'intervalles RR pendant des périodes incluant des intervalles RR manquants.
18. Dispositif selon l'une des revendications 15 à 17, configuré pour extraire des séries temporelles d'intervalles RR d'un signal photopléthysmographique (SI).
19. Dispositif selon l'une des revendications 1 à 18, configuré pour exécuter une étape de décision (SU) par laquelle le trouble du rythme cardiaque est considéré comme détecté lorsqu'un nombre déterminé (D) supérieur à 1 de séries temporelles successives n'appartient pas à la première classe de séries temporelles.
20. Dispositif (DV3) selon l'une des revendications 11 à 19, configuré pour activer un canal (CH2) d'acquisition de l'électrocardiogramme du sujet lorsqu'un trouble du rythme cardiaque est considéré comme détecté.
21. Dispositif selon l'une des revendications 11 à 20, configuré pour détecter au moins une fibrillation auriculaire.
22. Dispositif (DV3) selon l'une des revendications 11 à 21, configuré pour être fixé autour du poignet.
EP17740453.0A 2016-06-30 2017-06-29 Procédé de détection d'au moins un trouble du rythme cardiaque Withdrawn EP3478169A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1656217A FR3053238A1 (fr) 2016-06-30 2016-06-30 Procede de detection d'au moins un trouble du rythme cardiaque
PCT/FR2017/051754 WO2018002542A1 (fr) 2016-06-30 2017-06-29 Procédé de détection d'au moins un trouble du rythme cardiaque

Publications (1)

Publication Number Publication Date
EP3478169A1 true EP3478169A1 (fr) 2019-05-08

Family

ID=56855702

Family Applications (1)

Application Number Title Priority Date Filing Date
EP17740453.0A Withdrawn EP3478169A1 (fr) 2016-06-30 2017-06-29 Procédé de détection d'au moins un trouble du rythme cardiaque

Country Status (3)

Country Link
EP (1) EP3478169A1 (fr)
FR (1) FR3053238A1 (fr)
WO (1) WO2018002542A1 (fr)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108814618B (zh) * 2018-04-27 2021-08-31 歌尔科技有限公司 一种运动状态的识别方法、装置及终端设备
EP3616605B1 (fr) 2018-08-30 2025-12-03 Tata Consultancy Services Limited Détection non invasive de maladie cardiaque coronaire à partir d'un ecg à dérivation unique
CN109770851B (zh) * 2019-01-03 2022-03-04 湖北工业大学 一种基于蓝牙无线通信的心脏健康状态监测系统及方法
CN114451873B (zh) * 2020-10-30 2024-11-29 华为技术有限公司 一种信号处理方法及设备
CN115804581B (zh) * 2021-09-15 2023-12-15 深圳先进技术研究院 心率特征的测量方法、症状检测方法及相关设备
CN113855040B (zh) * 2021-11-09 2023-04-14 郑州大学第一附属医院 一种嵌入式儿童心电监护设备及系统
CN115032583B (zh) * 2022-06-06 2025-04-04 安徽南瑞中天电力电子有限公司 一种基于蚁群算法的电能表计量误差快速测试方法、系统
CN116746900B (zh) * 2022-10-19 2024-08-20 荣耀终端有限公司 心律失常的识别方法和可穿戴设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7194300B2 (en) 2004-01-21 2007-03-20 Cardionet, Inc. Cardiac monitoring
WO2007142968A2 (fr) * 2006-05-30 2007-12-13 The University Of North Carolina At Chapel Hill Procédés, systèmes et produits de programme informatique pour l'évaluation d'un patient dans une unité de soins intensifs en pediatrie
US8155735B2 (en) 2006-09-19 2012-04-10 The Cleveland Clinic Foundation Prediction and prevention of postoperative atrial fibrillation in cardiac surgery patients
US8019407B2 (en) * 2008-10-24 2011-09-13 Biotronik Crm Patent Ag Heart monitoring device and method

Also Published As

Publication number Publication date
WO2018002542A1 (fr) 2018-01-04
FR3053238A1 (fr) 2018-01-05

Similar Documents

Publication Publication Date Title
EP3478169A1 (fr) Procédé de détection d&#39;au moins un trouble du rythme cardiaque
WO2018002541A1 (fr) Dispositif de détection d&#39;au moins un trouble du rythme cardiaque
WO2017021662A1 (fr) Procédés et systèmes de stimulation acoustique des ondes cérébrales
EP2052680A1 (fr) Dispositif électrocardiologique d&#39;aide au diagnostic, notamment pour le diagnostic du syndrome de Brugada et de l&#39;ERS
EP4031005B1 (fr) Système de détermination d&#39;une émotion d&#39;un utilisateur
EP1513444B1 (fr) Traitement frequentiel d&#39;une serie rr dans un signal cardiaque analogique
WO2019180393A1 (fr) Méthode de génération d&#39;un indicateur d&#39;état d&#39;une personne dans le coma
EP3669773A1 (fr) Dispositif et procédé de détection de fibrillation ventriculaire
WO2019048775A1 (fr) Systeme d&#39;evaluation de la maturation d&#39;un bebe premature
WO2023217730A1 (fr) Procédé de surveillance du sommeil d&#39;un utilisateur, dispositif de surveillance et programme d&#39;ordinateur correspondants
WO1994016610A2 (fr) Dispositif de determination d&#39;informations physiologiques, et utilisation correspondante
EP1366428A2 (fr) Procede et dispositif de filtrage d&#39;une serie rr issue d&#39;un signal cardiaque, et plus particulierement d&#39;un signal ecg
WO2021259958A1 (fr) Procede de determination de la pression arterielle a partir d&#39;un signal ppg et dispositif correspondant
EP4027874B1 (fr) Procédé de détermination du taux respiratoire
WO2022037914A1 (fr) Procede et systeme de detection de la somnolence d&#39;un individu
WO2017187043A1 (fr) Évaluation d&#39;un facteur de cohérence cardiaque
FR3145267A1 (fr) Système de surveillance d’au moins un paramètre représentatif d’une décompensation d’une insuffisance cardiaque au moyen d’un implant sous-cutané.
EP4651801A1 (fr) Procédé de détermination d&#39;un risque de décompensation cardiaque d&#39;un patient
FR3113369A1 (fr) Procede et systeme de detection de la somnolence d’un individu
FR3113368A1 (fr) Procede et systeme de detection de la somnolence d’un individu
WO2025036773A1 (fr) Procede et dispositif de calcul d&#39;au moins un indice de variabilite de la frequence cardiaque a partir d&#39;une serie rr
FR3113370A1 (fr) Procede et systeme de detection de la somnolence d’un individu
WO2022200610A1 (fr) Methode et dispositif de detection d&#39;une activite electrique cardiaque representative
PICS et al. Remarque
Tobón Vallejo Modulation spectrum analysis for noisy electrocardiogram signal processing and applications.

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20190116

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

AX Request for extension of the european patent

Extension state: BA ME

RIN1 Information on inventor provided before grant (corrected)

Inventor name: BOUCHAKOUR, RACHID

Inventor name: CHARAI, AHMED

Inventor name: RAHAJANDRAIBE, WENCESLAS

Inventor name: DEHARO, JEAN CLAUDE

Inventor name: OULADSINE, MUSTAPHA

Inventor name: DELLIAUX, STEPHANE

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

17Q First examination report despatched

Effective date: 20220330

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 20240827