EP4315352A1 - Procede de selection de descripteurs electrophysiologiques - Google Patents

Procede de selection de descripteurs electrophysiologiques

Info

Publication number
EP4315352A1
EP4315352A1 EP22718205.2A EP22718205A EP4315352A1 EP 4315352 A1 EP4315352 A1 EP 4315352A1 EP 22718205 A EP22718205 A EP 22718205A EP 4315352 A1 EP4315352 A1 EP 4315352A1
Authority
EP
European Patent Office
Prior art keywords
descriptor
signal
descriptors
values
predefined
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.)
Pending
Application number
EP22718205.2A
Other languages
German (de)
English (en)
Inventor
Laura BEAR
Olivier BERNUS
Rémi Dubois
Michel Haissaguerre
Nolwenn TAN
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.)
Centre Hospitalier Universitaire de Bordeaux
Universite de Bordeaux
Fondation Bordeaux Universite
Original Assignee
Centre Hospitalier Universitaire de Bordeaux
Universite de Bordeaux
Fondation Bordeaux Universite
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 Centre Hospitalier Universitaire de Bordeaux, Universite de Bordeaux, Fondation Bordeaux Universite filed Critical Centre Hospitalier Universitaire de Bordeaux
Publication of EP4315352A1 publication Critical patent/EP4315352A1/fr
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • 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
    • A61B5/25—Bioelectric electrodes therefor
    • A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
    • A61B5/28—Bioelectric electrodes therefor specially adapted for particular uses for electrocardiography [ECG]
    • A61B5/282—Holders for multiple electrodes
    • 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
    • A61B5/30—Input circuits therefor
    • A61B5/304—Switching circuits
    • 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
    • A61B5/30—Input circuits therefor
    • A61B5/307—Input circuits therefor specially adapted for particular uses
    • A61B5/308—Input circuits therefor specially adapted for particular uses for electrocardiography [ECG]
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6804—Garments; Clothes
    • A61B5/6805—Vests, e.g. shirts or gowns
    • 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
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/04—Arrangements of multiple sensors of the same type
    • A61B2562/046—Arrangements of multiple sensors of the same type in a matrix array
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Measuring devices for evaluating the respiratory organs
    • A61B5/0806—Measuring devices for evaluating the respiratory organs by whole-body plethysmography
    • 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
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7285—Specific aspects of physiological measurement analysis for synchronizing or triggering a physiological measurement or image acquisition with a physiological event or waveform, e.g. an ECG signal
    • 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 field of the invention relates to methods and devices for selecting a set of electrophysiological descriptors linked to an individual's cardiac activity. More particularly, the field of the invention relates to the methods implemented by means of surface electrodes recording signals used to detect a representative cardiac electrical activity. State of the art
  • the duration of the QRS designating the duration of depolarization of the ventricles, is frequently used as an indicator of cardiac pathologies.
  • This measurement is a very good indicator to detect certain singular activities of the heart, but this measurement alone is only an overview of certain cardiac characteristics. It is for example possible, for a patient suffering from a given pathology, that the measurement of the duration of the QRS can be representative of an electrophysiological singularity. However, this measurement may prove to be insufficient to characterize certain electrophysiological activities of an individual, in particular an electrophysiological activity that can be used or corroborated with other variables to anticipate a cardiac risk.
  • the invention therefore aims to propose a method for selecting parameters for measuring the cardiac activity of a patient which overcomes the aforementioned drawbacks.
  • the invention relates to a method for selecting a subset of first electrophysiological descriptors characteristic of a characteristic cardiac electrical activity from a set of predefined first descriptors.
  • Each first electrophysiological descriptor is associated with at least one channel, a signal type, a signal marker and a statistical calculation modality.
  • the method includes recording a plurality of electrical activities defining said pathways and includes:
  • Second quantification o of a second proximity factor between the values of the components of each descriptor not selected during the first selection step and the values of the components of the descriptor vector(s) selected during the first selection step; and o a third proximity factor between the component values of each descriptor not selected during the first selection step and the component values of the characteristic vector;
  • An advantage of the invention is to propose a method for selecting a subset of different electrophysiological descriptors to characterize cardiac activity.
  • the selection method according to the invention makes it possible to select a subset of electrophysiological descriptors which is relevant for discriminating two different populations, from among a set of physiological descriptors.
  • the method according to the invention comprises a step of second selection taking into account the third proximity factor, a set of electrophysiological descriptors is then obtained which are not redundant with each other to characterize said cardiac activity.
  • the selection method according to the invention therefore makes it possible to obtain an effective and non-redundant subset for the discrimination of two populations.
  • At least one first descriptor of the subset is associated with a statistical modality different from that of another first descriptor of the subset and with a signal marker different from that of the other first descriptor.
  • the different steps of the method of the invention can be implemented by means of calculations such as computers. These can be those of an electronic board of dedicated equipment or those of a computer or a remote data server.
  • the second quantification and second selection steps are reproduced from descriptors not previously selected until a predefined number of selected descriptors is obtained.
  • This arrangement makes it possible to build the subset of descriptors in an iterative way by taking each time descriptors carrying information different from those carried by the descriptors already selected.
  • the quantification of the first proximity factor and/or of the second proximity factor, and/or of the third proximity factor is a correlation calculation.
  • a correlation calculation is an efficient way to estimate the proximity between two vectors. For example, the correlation is performed between vectors defined in the metric space.
  • the second quantization step includes a step of projecting, in a first plane orthogonal to the descriptor vector(s) associated with the last selected descriptors, of each non-selected descriptor vector and of the characteristic vector; in that the quantification of the third proximity factor is performed from the components of the projections of the projected vectors; and in that the second selection is made as a function of the third proximity factor uniquely.
  • the projection in the plane orthogonal to the selected descriptor vector makes it possible to remove the descriptor vectors very close to the selected descriptor vector. This arrangement therefore makes it possible to select one or more descriptor vectors which carry different information.
  • the second quantization step can be implemented by an operator other than the projection.
  • An operator for defining a distance in the metric space of vectors can be used to calculate any of the proximity factors, including the first proximity factor, the second proximity factor, and the third proximity factor.
  • different operators can be configured so as to calculate the different proximity factors. It is understood in the present invention that a proximity factor is understood with respect to a distance defined in the metric space. Thus, certain distances may have advantageous properties depending on the proximity factor that is measured. Some operators favor certain dimensions of the vectors during the quantification, others allow favoring a measure of proximity or proximity of vectors between them, others favor the distance, the orthogonalisation or the difference of the vectors between them.
  • the projection of two vectors makes it possible to obtain a quantification of a proximity factor in a subspace, however other methods, such as the calculation of quadratic error between two vectors, can be used to define a distance for the purpose of quantifying a proximity factor.
  • the predefined number of selected descriptors is determined by testing the effectiveness of a set of “n” first selected descriptors in characterizing a given electrical activity, “n” corresponding to the number of descriptors taken from the selected descriptors , starting from the first to the nth selected descriptor, and incrementing the value of n in steps of 1 .
  • This arrangement makes it possible to calibrate the size of the subset of descriptors in order to have the subset with the greatest efficiency.
  • the set comprises at least one second geographical descriptor associated with several routes and several geographical groups, each geographical group being formed by a central channel and the at least four channels close to the central channel, the value of the electrophysiological descriptor being determined:
  • second descriptors are used which take geographical groups into account.
  • the addition of this other type of descriptors makes it possible to take into account the concentration of singular measured values and enriches the subset of selected descriptors.
  • the at least one channel comes from a predefined zone on the patient's body is chosen between:
  • the type of signal analyzed is chosen between:
  • a Laplacian signal estimated by subtracting from the potential of a central electrode the average of the voltage of the eight electrodes directly near said central electrode.
  • This arrangement makes it possible to take into account several types of signals and therefore to have descriptors which take into account several types of signal measurement.
  • the descriptors take into account several types of information and reflect more faithfully the state of said patient.
  • the reference electrode is an electrode arranged on the surface of an upper limb or a lower limb of the patient. This arrangement allows the measurement of a reference potential.
  • a plurality of reference electrodes is arranged on the surface of the lower or upper limb(s) of the patient. This arrangement makes it possible to obtain a reference potential with great precision.
  • the signal marker is the measurement of the voltage of an averaged signal.
  • the averaging of the signal makes it possible to obtain a stable measurement of said voltage.
  • the signal marker is the measurement, on the signal averaged and filtered between 40 and 250 Hertz, of the duration of depolarization of the ventricles or of the fragmentation of the signal during the depolarization of the ventricles .
  • Ventricle depolarization time is a very representative measure of cardiac activity.
  • the signal marker is the measurement on the discrete wavelet decomposition of the signal:
  • the signal marker is the measurement on the decomposition into continuous wavelets of the signal of the number of chains of local maxima. This measurement is a measurement that makes it possible to account for a singular cardiac activity.
  • the signal marker is the measurement on a roundel taken between 256 and 512 hertz of the signal:
  • the signal marker is the measurement on a roundel taken between 128 and 256 hertz of the signal:
  • the signal marker is the measurement on a roundel taken between 64 and 128 hertz of the RMS (Root Mean Square). This measurement makes it possible to report the cardiac activity of the patient.
  • the statistical modality is chosen from:
  • the method of the present invention can be succeeded by a method for generating an electrophysiological parameter to characterize cardiac activity.
  • Such a step can be implemented by a method for generating an electrophysiological parameter which comprises:
  • each electrophysiological descriptor of the subset being associated with at least one channel, with a type of signal , a signal marker and a statistical calculation modality;
  • each electrophysiological descriptor being calculated from the statistical modality which is applied to the signal marker of the acquired signal according to the type of signal on a selected channel associated with said electrophysiological descriptor; • comparison of the value of the set of electrophysiological descriptors with at least one threshold value specific to the set of electrophysiological descriptors, said at least one threshold value being defined by a statistical distribution of said descriptors of a set of healthy patients;
  • the invention relates to a device or a system comprising means for implementing the method of the invention.
  • the means may include computers, memories, electronic cards, electrodes and electrode supports.
  • the device or system of the invention may include computers or servers when computing resources are required. The invention is described below in such a way that the features described may relate to the method of the invention or to the device or system of the invention.
  • the invention also relates to a device for selecting a subset of electrophysiological descriptors.
  • the device according to the invention is capable of implementing the method mentioned above. Subsequently, the elements described in this description will be applicable both to the method according to the invention and to the device according to the invention.
  • the invention also relates to a device for selecting a subset of electrophysiological descriptors which comprises:
  • a plurality of surface electrodes configured to be deposited on the body of a patient and to measure an electric potential of the surface of the body of the patient, each surface electrode defining a path;
  • a means of calculation configured for: i. Estimate for a first set of patients not affected by a predefined state, values of each electrophysiological descriptor of a set of first predefined descriptors, each first descriptor being associated with at least one pathway, with a type of signal, to a signal marker and to a statistical mode of calculation; at least one first descriptor of the subset being associated with a statistical modality different from that of another first descriptor of the subset and with a signal marker different from that of the other first descriptor; ii. Estimating for a second set of patients affected by the predefined condition, values of each descriptor of the set of predefined descriptors; iii.
  • An advantage of the invention is to provide a device for selecting a subset of different electrophysiological descriptors to characterize cardiac activity.
  • the selection device according to the invention makes it possible to select a subset of electrophysiological descriptors which is relevant for discriminating between two different populations, among a set of physiological descriptors.
  • a set of electrophysiological descriptors is then obtained which are not redundant with each other to characterize said cardiac activity.
  • the selection device according to the invention therefore makes it possible to obtain an efficient and non-redundant subset for the discrimination of two populations.
  • the electrodes are arranged on the patient's surface using adhesive strips. This characteristic represents a practical means to be implemented for arranging the electrodes on the patient.
  • the device comprises a device for detecting the breathing phases of a patient, preferably a plethysmography belt. This arrangement makes it possible to carry out the measurements during a breathing phase of the patient which does not disturb said measurements.
  • the device according to the invention is able to implement the method according to the invention.
  • Fig. 1 a schematic flowchart of the process according to the invention
  • Fig. 2 a front view of a patient's torso on which a plurality of measurement electrodes are placed to implement a method according to the invention
  • Fig. 3 a view of a plurality of measurement electrodes in a predefined area of the patient's body
  • Fig. 4 two curves illustrating the method for calculating an asymmetry index
  • Fig. 5 a graph illustrating the method for calculating a Kurtosis index
  • Fig. 6 a view of a curve illustrating the method for calculating the number of zones of reduced amplitude.
  • the invention relates to a method for selecting a subset of electrophysiological descriptors characteristic of a characteristic cardiac activity.
  • the invention also relates to a device for selecting a subset of electrophysiological descriptors characteristic of a characteristic cardiac activity.
  • the device according to the invention is capable of implementing the invention mentioned above. Subsequently, the elements described in this description will be applicable both to the method according to the invention and to the device according to the invention.
  • the invention relates to a method for selecting a subset ⁇ Dk ⁇ of first electrophysiological descriptors Di characteristic of an electrical activity representative of a characteristic cardiac activity.
  • characteristic cardiac activity is meant a cardiac activity of a patient which may be characteristic of a state of the latter.
  • the subset ⁇ Dk ⁇ of first electrophysiological descriptors Di is selected from a set ⁇ DN ⁇ of electrophysiological descriptors.
  • the method according to the invention relates to the selection, from a set ⁇ DN ⁇ of electrophysiological descriptors, of a more restricted subset ⁇ Dk ⁇ of descriptors.
  • the aim of the method according to the invention is to carry out a relevant and reduced selection of a few descriptors Di from the set ⁇ DN ⁇ .
  • each first electrophysiological descriptor Di is associated with the recording of at least one pathway Vi.
  • the recording of a Vi channel corresponds to the recording of the electrical activity picked up by at least one EL electrode placed on the surface of a patient's body.
  • the invention can be implemented in particular by means of a memory allowing the recording of the data acquired and/or the data processed by one of the steps of the method of the invention.
  • Each first descriptor Di is associated with at least one pathway Vi on a predefined zone Zi on the patient's body.
  • predefined zone Zi is meant the zone of the patient's body on which the measuring electrode(s) EL are deposited, the electrical activities of which are recorded to obtain the channel(s) Vi.
  • the surface of a patient's body can be segmented into different functional and/or geometric and/or physiological zones. These zones may therefore correspond to geographical zones on the patient's body, to functional zones with respect to the cardiac activity of the patient, or to zones corresponding to the physiology and/or the physiology of the latter.
  • Each first descriptor D i is associated with a type of measured signal Ti on the selected channels V.
  • type of signal Ti is meant, for example, the measurement of a voltage between two electrodes. The different types of Ti signals that can be selected will be described later.
  • Each first descriptor Di is associated with a signal marker Mi.
  • Signal marker Mi means the characteristic of the type of signal Ti which will be measured. According to examples of signal markers Mi used, some comprise the measurement of frequency and energy characteristics of the signal. According to other examples, markers can include the measurement of voltage or electrical voltage. The various selectable Mi signal markers are described below.
  • Each first descriptor Di is associated with a statistical modality MSi.
  • Statistical modality MSi means a statistical measurement modality applied to the measurements performed on the signals. A statistical modality MSi can for example be the calculation of the average of the signal marker Mi measured on several electrodes. The different MSi statistical modalities that can be selected will be described later.
  • Each first electrophysiological descriptor Di is therefore defined both by a selection of the predefined zone Z, of the patient's body, of the type of signal Ti, of the signal marker Mi and of the statistical modality MSi.
  • At least two first descriptors Di, Dj of the subset ⁇ Dk ⁇ are associated with a different statistical modality MSi.
  • two of the first descriptors Di, Dj are not associated with the same statistical modality MSi.
  • At least two first descriptors Di, Dj of the subset ⁇ Dk ⁇ are associated with a different signal marker Mi.
  • two of the first descriptors Di, Dj are not associated with the same signal marker Mi.
  • a first step of the method according to the invention corresponds to an estimation ESTi for a first set of patients ENSi of values of each first electrophysiological descriptor Di.
  • the first set of patients only includes patients not affected by a predefined ETi state.
  • predefined state is meant a state exhibiting particular characteristics at the cardiac level, whether this state is pathological or not.
  • the predefined state ETi is a structural cardiac pathology.
  • a second step of the method according to the invention corresponds to an estimation EST2 for a second set of patients ENS2 of values of each first electrophysiological descriptor Di.
  • the second set of patients comprises only patients affected by the predefined state ETi.
  • the estimation of the values of the first descriptors Di is performed for each first electrophysiological descriptor Di of the set of descriptors ⁇ DN ⁇ .
  • a next step is the generation GENi of a first characteristic vector Vi of the state of each patient.
  • This vector Vi comprises a component per patient of the first set ENSi and a component per patient of the second set ENS2.
  • Each component of the characteristic vector V1 corresponds to a state relating to the predefined state ETi.
  • the first vector comprises a first predefined value vpi for each patient of the first set ENS1.
  • the first characteristic vector V1 comprises a second predefined value vp2 for each patient of the second set ENS2.
  • the components of the first characteristic vector V1 are a function of the level of attack by the predefined state ET1 of the patients of the first and second sets ENS1, ENS2.
  • the components of the first vector V1 can for example have a low value when the patient is weakly affected by the predefined state ET1 and a high value when the patient is strongly affected by the predefined state ET-i.
  • the first characteristic vector V1 comprises a component equal to “zero” for each patient of the first set ENS1.
  • the first characteristic vector V1 comprises a component equal to “one” for each patient of the second set ENS2.
  • a next step of the method according to the invention is the generation GEN2 of a descriptor vector Vd for each first electrophysiological descriptor Di.
  • This GEN2 generation is performed in metric space.
  • Each component of the descriptor vector Vd corresponds to the value of said first electrophysiological descriptor Di.
  • each descriptor vector Vd comprises one component per patient of the first and second sets ENS1, ENS2.
  • a next step of the method according to the invention relates to the first quantification QUAN1 for each descriptor Di of a first proximity factor between the values of the components of the first characteristic vector V1 and the values of the components of the descriptor vector Vd.
  • This step makes it possible to estimating whether there is a correlation relationship between the values of the first characteristic vector V1 and the values of the descriptor vector Vd for each descriptor Di considered.
  • the first quantification step QUANi is performed by quantifying for each descriptor Di the statistical correlation between the values of the components of the first characteristic vector Vi and the values of the components of the descriptor vector Vd.
  • this quantification can be performed by calculating a squared error.
  • the first quantification step QUANi is carried out using a variable selection method such as the LASSO method.
  • a RIDGE regression can be used.
  • a next step of the method according to the invention is a first selection SELi of at least one descriptor Di.
  • at least one descriptor Di is selected as a function of the previously quantified values of the first proximity factor of each descriptor Di.
  • the first descriptor(s) Di selected are included in the subset ⁇ Dk ⁇ .
  • the selection is made by taking the descriptor(s) Di which have optimal proximity factor values among all the descriptors Di of the set ⁇ DN ⁇ .
  • optimal value we mean a value which accounts for the proximity of the descriptor vector Vd with the first vector Vi. In the case where the proximity factor is a correlation calculation, the optimal value is a maximum value. In a case where the proximity factor is a quadratic error, the optimal value is a minimum value. This step therefore makes it possible to select the descriptor or descriptors D, having the greatest proximity to the characteristic vector Vi.
  • a next step of the method is a second QUAN2 quantification step.
  • This step is broken down into two distinct steps. There is first the quantification of a second proximity factor between the components of the descriptor vectors Vd of the descriptors Di which were not selected during the first selection SEL1 and the values of the components of the descriptor vector(s) Vd which were selected during the first selection step SEL1. There is then the quantification of a third proximity factor between the components of the descriptor vectors Vd of the descriptors Di which were not selected during the first selection SEL1 and the values of the components of the characteristic vector V1. It can be noted that this second quantization step can be performed from the values of the components of the descriptor vectors Vd and of the characteristic vector or from a transformation in the narrow space of said components.
  • the second quantization step QIIAN2 is performed by quantifying the statistical correlation between the values of the components of the different vectors involved.
  • this quantification can be performed by calculating a quadratic error.
  • the second QIIAN2 quantification step is performed using a variable selection method such as the LASSO method.
  • a RIDGE regression can be used.
  • a next step of the method according to the invention is a second selection step SEL2 of at least one new descriptor Di and its inclusion in the subset ⁇ Dk ⁇ .
  • the selection of the new descriptor Di is performed as a function of the values of the second proximity factor and of the third proximity factor quantized during the second quantization QUAN2. More specifically, during this selection step, the descriptor(s) Di having a strong quantified proximity to the characteristic vector V1 and a weak quantified proximity to the descriptor vector(s) Vd selected previously are selected.
  • the second proximity factor and the third proximity factor makes it possible to obtain a subset of descriptors D, which takes into account the redundancy of the information carried by several descriptors Di. According to these characteristics, a classification is obtained which no longer only takes into account the correlation between the descriptor vectors Vd and the first vector V1, but which also makes it possible to select descriptor vectors Vd which have a high correlation value, but are not too similar to the first descriptor vectors Vd selected. This arrangement makes it possible to select a subset ⁇ Dk ⁇ which comprises non-redundant descriptors Di.
  • the method according to the invention allows the selection of a subset ⁇ Dk ⁇ of descriptors Di which make it possible to discriminate between two sets of patients in an efficient and non-redundant manner.
  • the method according to the invention makes it possible to sort among a large number of descriptors electrophysiological Di to select a reduced number capable of differentiating patients according to whether or not they have been reached by the predefined state ETi.
  • the steps of second quantification QIIAN2 and second selection SEL2 are reproduced from descriptors Di not previously selected until a predefined number of descriptors Di is obtained.
  • This method follows several iterations of the second quantification QIIAN2 and second selection SEL2 steps and thus makes it possible to obtain a subset ⁇ Dk ⁇ which includes the desired number of electrophysiological descriptors Di.
  • the second quantization step QIIAN2 includes a projection step in a first plane Pi orthogonal to the descriptor vector(s) Vd associated with the last descriptors selected. During this projection step, all the descriptor vectors Vd which have not been previously selected are projected into the plane Pi. Similarly, the characteristic vector V1 is projected into the plane Pi.
  • This projection step can be likened to the second quantification step QIIAN2 of the second proximity factor between the components of the descriptor vectors Vd not previously selected and the descriptor vectors Vd already included in the subset ⁇ Dk ⁇ .
  • the projection is worth a quantification of the proximity factor, because the projection of a vector in a plane orthogonal to a vector which is very close to it gives a vector which is almost zero.
  • the quantification of the third proximity factor is performed from the components of the projected descriptor vectors Vd.
  • the quantification of the third proximity factor is performed from the components of the characteristic vector V1 which has been projected.
  • the predefined number of descriptors Di selected is determined by testing the effectiveness of the subset ⁇ Dk ⁇ of descriptors Di in discriminating the first set ENS1 of patients from the second ENS2 set of patients. In this way, the number of descriptors Di which makes it possible to obtain the best performance for the subset ⁇ Dk ⁇ is sought.
  • the predefined number of descriptors Di selected is determined by testing the effectiveness of a subset of descriptors, starting by testing the effectiveness of the first descriptor Di selected. Then, we test the efficiency of the first two selected descriptors Di. A number is then incremented in steps of "1", by testing the first three, then the first four descriptors. We continue this iteration until we reach a number “n” of descriptors tested. Finally, the predefined number of descriptors Di is kept for which the discrimination performance of the first set of patients ENS1 and of the second set of patients ENS2 is the greatest.
  • each first electrophysiological descriptor Di is associated with at least one pathway V, of a predefined zone Zi of the patient's body, with a type of signal Ti, with a signal marker Mi, and with a statistical calculation modality MSi.
  • a selection is made of a predefined zone Zi among a set of predefined zones Zi.
  • a selection is made of a type of signal Ti from a set of types of signals Ti.
  • a selection is made of a signal marker Mi from a set of signal markers Mi.
  • a selection is made of a statistical modality MSi from a set of statistical modalities MSi.
  • a plurality of electrodes EL is deposited on the surface of the patient's torso of each patient of the sets ENSi and ENS2 to implement the selection method according to the invention.
  • the number of electrodes in the example represented can vary, one can for example have a number of electrodes much lower than that represented, or much higher.
  • the plurality of EL electrodes covers a large portion of the patient's torso. As can be seen, this plurality of electrodes is separated into four distinct zones on the latter.
  • a first part of the electrodes EL is located on an upper right zone Z1 of the patient's torso.
  • a second part of the EL electrodes is located on an upper left zone Z2 of the patient's torso.
  • a third part of the EL electrodes is located on a lower right zone Z3 of the patient's torso.
  • a part of the EL electrodes is located on a lower left zone Z4 of the patient's torso.
  • the plurality of electrodes EL is included in a zone comprising the entire Z5 of the patient's torso.
  • the demarcation between the zones located on the left of the torso and those located on the right of the torso is a vertical line passing through the center of the torso, or substantially through the center of the torso.
  • the demarcation between the areas located at the bottom of the torso and those located at the top of the torso is a horizontal line passing through the center of the torso.
  • Each zone has a predefined number of EL electrodes.
  • the number of electrodes arranged per zone may be around thirty. It is for example possible to have thirty EL electrodes per zone.
  • each zone comprises the same number of EL electrodes.
  • the zone comprising the entire torso Z5 comprises a different number of electrodes than the others, because this zone Z5 comprises the union of the electrodes of all the other zones Z-i, Z2, Z3 and Z .
  • zone Z5 comprising the entire torso of the patient comprises thirty-six electrodes EL.
  • Each Vi channel is obtained by recording the electrical activity of at least two EL electrodes.
  • These at least two electrodes can be two electrodes of one or more areas of the patient's torso.
  • These at least two electrodes can also be an electrode of a region of the patient's torso and a reference electrode.
  • the set ⁇ DN ⁇ comprises at least one second geographic electrophysiological descriptor Di.
  • the at least one geographical descriptor Di is associated with at least one channel V, and with several geographical groups.
  • a geographical group is formed by an EL electrode and the four EL electrodes which are located directly near it.
  • a geographic cluster is shown in Figure 3. This geographic cluster has a central electrode EL1, as well as the electrode located directly above it. It also includes the electrode located directly below the center electrode EL1, the electrode located directly to the left of the center electrode EL1, and the electrode located directly to the left of the center electrode EL1. These four electrodes are shown hatched in FIG. 3.
  • the measurement of the value according to the type of signal and the signal marker is carried out on all the available geographical groupings of the plurality of electrodes arranged on the body. of the patient.
  • Other arrangements of the electrodes can be envisaged. It is possible in particular to select the central electrode and the four electrodes located at the top left, at the top right, at the bottom left and at the bottom right of the central electrode EL1. These are the electrodes appearing without a pattern in FIG. 3. It is also possible to provide more electrodes, for example nine electrodes in the geographical group. These are the nine electrodes EL of FIG. 3 for example.
  • the value obtained for each electrode EL of said grouping is compared with at least one geographical threshold value.
  • the at least one geographic threshold value is obtained from a statistical distribution of the value of the considered EL electrode of the set of ENSi patients not affected by the predefined state ETi.
  • the geographical group is considered significant.
  • the value of the descriptor is the number of significant geographical groups counted. Alternatively, one can consider a geographical group as meaning from two electrodes exceeding their geographical threshold value, or else with four electrodes.
  • the statistical modality is not taken into account, the value of the descriptor being the number of geographical groupings detected.
  • the subset ⁇ Dk ⁇ of descriptors comprises at least one first descriptor Di and at least one second geographical descriptor. Additionally, the subset ⁇ Dk ⁇ comprises several first descriptors Di. According to this variant, the subset ⁇ Dk ⁇ comprises a second geographic descriptor per signal marker used in the first descriptors Di of the subset ⁇ Dk ⁇ .
  • Each electrophysiological descriptor Di is associated with a type of signal Ti.
  • Figure 3 is a schematic representation of nine contiguous EL electrodes on the patient's body.
  • each circle represents an EL electrode.
  • the dotted areas represent the different EL electrodes selected in the different signal types.
  • the type of signal Ti can be chosen preferably between four different types of signals.
  • a first type of signal T is a unipolar signal.
  • a unipolar signal is a signal taken between an electrode EL of the predefined zone Zi and a reference electrode.
  • the type of unipolar signal is the voltage measured between the electrode of the predefined zone and the reference electrode.
  • Reference electrode means an electrode which is not located in one of the areas of the patient's torso defined previously.
  • a reference electrode can be an electrode placed on a lower limb or an upper limb of a patient.
  • a second type of signal Ti is a vertical bipolar signal.
  • a vertical bipolar signal is a signal taken between an electrode in the predefined zone and the electrode located directly below it on the patient's torso.
  • the type of signal acquired is the voltage between the two EL electrodes.
  • a vertical bipolar signal is taken between two electrodes of the predefined zone Zi. These two electrodes form a vertical bipole B.
  • a third type of signal Ti is a horizontal bipolar signal.
  • a horizontal bipolar signal is a signal taken between an electrode of the predefined zone and an electrode located directly next to it along a horizontal line on the patient's torso.
  • the type of signal acquired is the voltage between the two EL electrodes.
  • the horizontal bipolar signal is taken between two electrodes of the predefined zone Zi. These two electrodes form a horizontal bipole Bh.
  • a fourth type of signal Ti is a Laplacian signal.
  • a Laplacian signal is estimated by subtracting from the potential of a central electrode ELi the average of the potentials of the eight electrodes which are directly close to said central electrode.
  • the Laplacian signal is a compound voltage between the central electrode ELi and a set of EL electrodes peripheral to the central electrode ELi. These nine electrodes form an ELiap Laplacian electrode.
  • Each electrophysiological descriptor Di is associated with a signal marker Mi.
  • a signal marker Mi is a mode of measurement of a physical quantity associated with the types of signals measured by the EL electrodes.
  • the signal marker Mi associated with a descriptor Di is preferably chosen from among fourteen signal markers Mi. These signal markers Mi are described below.
  • a first signal marker Mi corresponds to the measurement of an averaged electrical signal. By averaged electrical signal is meant the calculation, performed on the measured voltage, of the average between the maximum peak and the minimum peak of the QRS. This measurement of QRS duration is generally fairly representative of cardiac activity.
  • the signal is filtered using a bandpass filter.
  • the bandpass filter is a bidirectional Butterworth filter.
  • a bidirectional Butterworth filter has the advantage of limiting the oscillations due to the filtering, which makes the calculation of the values for certain signal markers Mi more precise.
  • a signal marker Mi on the filtered signal is the duration of the QRS on the filtered signal.
  • a mark is placed on the beginning of the QRS and a second mark is placed at the end of the QRS. The time between the two markers is measured.
  • This operation can be performed automatically using an algorithm for detecting the beginning and end of QRS.
  • this duration can be measured manually by an operator on an interface. It is also possible to provide an automatic measurement of the duration of the QRS and a manual control of said measurement by the operator on the interface.
  • the duration of the QRS is detected by moving a sliding window measuring the energy of the filtered signal.
  • a marker is placed that marks the start of the window.
  • the end mark of QRS is placed in the same way.
  • Another signal marker Mi is the fragmentation measurement of the filtered averaged signal between 40 hertz and 250 hertz.
  • the number of QRS peaks on the filtered signal is measured.
  • peak is meant a local maximum of the curve of the filtered signal.
  • the number of peaks is measured on the section of the curve corresponding to the QRS.
  • the QRS start and end markers are set in the same way as for the previous Mi marker, which as a reminder is the QRS duration marker on the filtered signal.
  • the following Mi markers are calculated on the wavelet decomposition of the signal.
  • these markers Mi it is possible to use the decomposition into continuous wavelets or the decomposition into discrete wavelets.
  • a first marker Mi is the calculation of the energy on the discrete wavelet decomposition of the signal.
  • the energy is calculated on the sum of the coefficients on several levels. Typically, the sum of the coefficients is carried out between 64 hertz and 1024 hertz, i.e. on the four levels of this frequency band.
  • the measured energy is normalized with respect to the duration of the QRS. Alternatively or additionally, the energy is normalized with respect to the maximum amplitude of the signal.
  • a second marker Mi calculated on the discrete wavelet transform is the measure of the index called Kurtosis Sku.
  • Kurtosis is meant an index making it possible to estimate the spread of a given curve.
  • Figure 5 illustrates several measurements of curve spread on three example curves. For a flat curve P, the Kurtosis index is negative. For a slender curve E, the index is positive. Thus, the more the curve is spread out, the more the Kurtosis is negative. When the curve is narrow, the Kurtosis is positive. The Kurtosis of a curve representing a normal distribution N is equal to zero.
  • the Kurtosis Sku is calculated on the sum of the coefficients on several levels of the discrete wavelet decomposition. Typically, the sum of the coefficients is carried out between 64 hertz and 1024 hertz, ie over the four levels of this frequency band.
  • a third marker Mi calculated on the discrete wavelet transform is the measurement of the Fischer asymmetry coefficient.
  • This coefficient can also be called “skewness”. This coefficient makes it possible to estimate the asymmetry of a given curve.
  • Figure 4 illustrates two measurements of asymmetry on two curves given as examples. Curve 1 is a left-tending curve and curve 2 is a right-tending curve. Fischer's asymmetry coefficient has a positive value when the curve tends to the left. This is the case of curve 1. Fischer's asymmetry coefficient has a negative value when the curve tends to the right. This is the case of Figure 2. Concretely, the Fischer asymmetry coefficient is calculated on the sum of the coefficients on several levels of the discrete wavelet decomposition. Typically, the sum of the coefficients is carried out between 64 hertz and 1024 hertz, ie over the four levels of this frequency band.
  • a fourth marker Mi calculated on the discrete wavelet transform is the measurement of the number of local minima chains of said decomposition.
  • a chain of local minima is the presence on several levels of discrete wavelet decomposition of the same minimum.
  • the measurement is made between 64 hertz and 1024 hertz, i.e. on the four levels of this frequency band.
  • the measurement of the number of chains of local minima can be performed on the continuous wavelet decomposition.
  • Another signal marker Mi that can be chosen is the measurement on the continuous wavelet decomposition of the number of chains of local maxima.
  • a chain of local maxima is the presence on several levels of discrete wavelet decomposition of the same maximum.
  • the measurement is made between 64 hertz and 1024 hertz, i.e. on the four levels of this frequency band.
  • the measurement of the number of chains of local maxima can be performed on the discrete wavelet decomposition.
  • the following two Mi signal markers are measured on the wavelet of the signal included in the frequency band from 256 hertz to 512 hertz of the signal.
  • the first concerns the measurement of the Kurtosis Sku index on this wavelet.
  • Kurtosis Sku is meant the same indicator as described previously in the application.
  • the second signal marker Mi measured on this wavelet is the measurement of the number of areas of reduced amplitudes RED of Rondelle.
  • the upper and lower envelopes of the signal are created.
  • the number of reduced amplitude zones is calculated on the signal envelopes. This is illustrated by Figure 6 which shows a signal and the areas of reduced RED amplitudes detected.
  • the following three signal markers Mi are measured on the wavelet of the signal included in the frequency band ranging from 128 hertz to 256 hertz of the signal.
  • the first concerns the measurement of the Kurtosis Sku index on this wavelet.
  • Kurtosis Sku is meant the same indicator as previously described in the application.
  • the second signal marker Mi measured on this wavelet is the measurement of the number of zones of reduced amplitudes of the wavelet. The number of zones of reduced amplitude is calculated in the same way as for the marker relating to roundness of the signal comprised in the frequency band going from 256 hertz to 512 hertz of the signal.
  • the third signal marker concerns the measurement of the RMS of rondeau in the frequency band 128 Hertz to 256 Hertz.
  • RMS or “Root Mean Square”
  • a signal marker Mi which can be selected is measured on a roundel of the signal comprised in the frequency band going from 64 to 128 hertz.
  • This signal marker Mi concerns the measurement of the effective amplitude RMS (“Root Mean Square”) of the signal.
  • Mi signal markers may be used beyond the fourteen Mi signal markers described. It is for example possible to use signal markers Mi which are combinations of signal markers Mi already described.
  • Each first electrophysiological descriptor Di is associated with a statistical modality MSi.
  • statistical modality MSi is meant a modality for processing the various quantities measured in order to calculate a value for each descriptor Di.
  • a first statistical modality is the minimum at the fifth percentile of the measured values.
  • This statistical modality has the advantage, by removing the five percent of the lowest values, of removing aberrant values which could distort the representativeness of the measurement.
  • a second statistical modality that can be selected is the maximum at the 95th percentile .
  • the five percent highest values are taken from all the values selected. The highest value of the remaining values is then selected.
  • This statistical modality makes it possible not to take into account, for a measurement of a maximum value, the aberrant values which could appear in the highest measured values. In this way, an upper limit representative of all the measured values is available.
  • a third statistical modality MSi is the average of the measured values.
  • the mean is a classic indicator and representative of a distribution.
  • a fourth statistical modality MSi is the standard deviation calculated on the set of measured values.
  • the standard deviation is a representative value of the dispersion of values.
  • the dispersion can be a significant value, a large variance in the measurements carried out being able to be the sign of a disorder in the cardiac activity of the patient.
  • a fifth MSi statistical modality that can be selected is the median.
  • the median value of a set of values is the value that separates the set of values into two sets of the same size. This value gives information that can vary from that given by the average value, because the median makes it possible not to give too much importance to aberrant values close to the maximum and the minimum of the measured values.
  • a sixth statistical modality MSi is the value of the interquartile. To calculate this value, we calculate the value of the 25th percentile and a value of the 75th percentile .
  • the interquartile value represents the difference between the 75th percentile value and the 25th percentile value.
  • the interquartile is an interesting statistical value to look at to characterize the distribution of the measured values.
  • the invention also relates to a device for measuring the values of the electrophysiological descriptors previously described.
  • the invention also relates to the means used to implement the method for selecting a subset of descriptors according to the invention.
  • the characteristics described above concerning the method according to the invention also apply to the device according to the invention.
  • the characteristics described below for the device also apply to the method according to the invention.
  • the device for measuring the values of the electrophysiological descriptors comprises a plurality of electrodes which are arranged on the surface of the patient's body. Each surface electrode defines a channel Vi.
  • the device comprises adhesive strips comprising the surface electrodes.
  • the adhesive strips are intended to be stuck to the surface of the patient's body.
  • each adhesive strip comprises several surface electrodes. This arrangement facilitates the installation of the electrodes on the patient, the installation of a strip comprising several electrodes being simpler than that of the electrodes one by one.
  • the device comprises a vest or a jacket comprising the plurality of EL measurement electrodes.
  • the vest is intended to be put on by the patient. This arrangement allows rapid installation of the device on the patient.
  • the device comprises at least 14 electrodes.
  • the device comprises means for measuring the signal of each channel Vi. More specifically, the measuring means is configured to measure one the electric potential of each of the channels Vi.
  • the measuring means can for example be an acquisition card.
  • the acquisition card may include an input for collecting an electrical signal, and an analog-digital converter for digitizing the acquired signal.
  • the digitized signal is then transmitted to a computer.
  • the digitized signal can for example be transmitted to a computer which performs the processing steps on the signal.
  • the device comprises a calculation means.
  • the calculating means records the measurements of the channels Vi provided by the measuring means.
  • the computer then processes this data.
  • the calculator calculates the value of each descriptor D, of the set ⁇ Dk ⁇ for each patient of each set ENSi and ENS2. This calculation is made from the measurements of the channels Vi. The calculation is carried out in accordance with the predefined zone Zi, the type of signal Ti, the signal marker MSi and the statistical modality STi selected for the descriptor Di in question.
  • the computer then performs the generation steps GEN1 of the first vector V1 as described above. It also performs the steps of generation GEN2 of the descriptor vector Vd, of quantification QUAN of the correlation, of first classification CLAS1, of second classification CLAS2, and of selection SEL described in the method according to the invention. It is capable of carrying out all the other calculation steps described in this application.
  • the device comprises a device for detecting the patient's breathing phases.
  • a device for detecting the patient's breathing phases detects when the patient is in the exhalation phase or “flat” breathing phase. It also detects when the patient is in the inspiration phase. Breathing tends to interfere with measurements made at the EL electrodes. This is particularly the case during the inspiration phases during which heartbeats and their measurement can be affected.
  • the measurement of the potential of each channel V is carried out during the expiration phase. This arrangement makes it possible to avoid the disturbances caused by a measurement during the inspiration phases.
  • the breathing phase detection device can be connected to the computer. Alternatively, it is connected to the signal measurement means of each channel Vi.
  • the breathing phase detection device is a plethysmography belt.
  • the plethysmography belt is a convenient way to perform this type of detection. Nomenclature :
  • DISPO arrangement of a plurality of electrodes
  • ENR Recording of a plurality of electrical activities

Landscapes

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

Abstract

L'invention concerne un procédé de sélection d'un sous-ensemble de descripteurs électrophysiologiques parmi un ensemble de descripteurs électrophysiologiques. Ce procédé comporte des étapes d'estimation (EST1), (EST2) de valeurs d'un ensemble ({DN}) de descripteurs électrophysiologiques et de sélection (SEL1, SEL2) d'un sous-ensemble ({Dk}) de descripteurs en fonction notamment de quantifications (QUAN1, QUAN2) de facteurs de proximité.

Description

Description
Titre : PROCEDE DE SELECTION DE DESCRIPTEURS ELECTROPHYSIOLOGIQUES
Domaine de l’invention
Le domaine de l’invention concerne les méthodes et les dispositifs pour sélectionner un ensemble de descripteurs électrophysiologiques liés à une activité cardiaque d’un individu. Plus particulièrement, le domaine de l’invention concerne les méthodes mises en œuvre au moyen d’électrodes de surface enregistrant des signaux exploités pour détecter une activité électrique cardiaque représentative. État de la technique
Actuellement, il existe des moyens pour analyser des signaux provenant d’électrodes de surface afin d’identifier une activité électrique du myocarde. Cette analyse permet de prévenir de certaines pathologies cardiaques par l’identification d’activités électriques singulières au sein du myocarde.
Ces moyens, même en étant très fiables, ne se concentrent que sur un nombre limité d’indicateurs d’activité cardiaque issus de l’analyse des signaux électriques cardiaques. Par exemple, on utilise fréquemment la durée du QRS, désignant la durée de dépolarisation des ventricules, comme indicateur de pathologies cardiaques. Cette mesure est un très bon indicateur pour détecter certaines activités singulières du cœur, mais cette mesure seule n’est qu’un aperçu de certaines caractéristiques cardiaques. Il est par exemple possible, pour un patient atteint d’une pathologie donnée que la mesure de la durée du QRS puisse être représentative d’une singularité électrophysiologique. Or, cette mesure peut se révéler insuffisante pour caractériser certaines activités électrophysiologiques d’un individu, notamment une activité électrophysiologique qui puisse être utilisée ou corroborée avec d’autres variables pour anticiper un risque cardiaque.
Ainsi, en se concentrant sur peu de paramètres, il est fréquent de ne pas détecter des activités électrophysiologiques caractéristiques. Les méthodes connues actuellement présentent l’inconvénient, en se concentrant sur un nombre très réduit d’indicateurs, de ne proposer qu’une vision très réduite de l’activité cardiaque d’un patient.
A ce jour, les solutions existantes visent à confirmer ou à détecter la présence d’une activité électrique singulière. Toutefois, cette activité reste le plus souvent d’un faible niveau ou noyée dans le bruit ou encore masquée par un motif électrique plus important tel qu’un complexe QRS. Aucune solution ne permet, à partir d’une pluralité d’électrodes de surface, de déterminer les caractéristiques d’une source d’une activité électrique singulière ou encore de connaître, parmi un large panel de variables électrophysiologiques d’un patient, lesquelles sont susceptibles de former un corpus de singularités pouvant être utilisées à des fins médicales ou de prévention d’un risque cardiaque.
L’invention vise donc à proposer une méthode de sélection de paramètres de mesure de l’activité cardiaque d’un patient qui remédie aux inconvénients précités.
Résumé de l’invention
Selon un aspect, l’invention concerne un procédé de sélection d’un sous-ensemble de premiers descripteurs électrophysiologiques caractéristique d’une activité électrique cardiaque caractéristique parmi un ensemble de premiers descripteurs prédéfinis. Chaque premier descripteur électrophysiologique est associé à au moins une voie, à un type de signal, à un marqueur de signal et à une modalité statistique de calcul. Le procédé comprend un enregistrement d’une pluralité d’activités électriques définissant lesdites voies et comprend:
■ Estimation pour un premier ensemble de patients non atteints d’un état prédéfini, de valeurs de chaque descripteur de l’ensemble de descripteurs prédéfinis ;
■ Estimation pour un second ensemble de patients atteints par l’état prédéfini, de valeurs de chaque descripteur de l’ensemble de descripteurs prédéfinis ;
■ Génération d’un premier vecteur caractéristique de l’état de chaque patient des premier et deuxième ensembles de patients dans lequel chaque composante correspond à un état relatif à l’état prédéfini ;
■ Génération d’un vecteur descripteur pour chaque descripteur dans un espace métrique dans lequel chaque composante correspond à la valeur du descripteur pour chaque patient ;
■ Première quantification pour chaque descripteur d’un premier facteur de proximité entre les valeurs des composantes du premier vecteur caractéristique et les valeurs des composantes du vecteur descripteur ;
■ Première sélection et inclusion dans le sous-ensemble d’au moins un descripteur ayant des valeurs du facteur de proximité quantifiées optimales ;
■ Seconde quantification : o d’un second facteur de proximité entre les valeurs des composantes de chaque descripteur non sélectionné lors de l’étape de première sélection et les valeurs des composantes du ou des vecteurs descripteurs sélectionnés lors de l’étape de première sélection ; et o d’un troisième facteur de proximité entre les valeurs des composantes de chaque descripteur non sélectionné lors de l’étape de première sélection et les valeurs de composantes du vecteur caractéristique ;
■ Seconde sélection et inclusion dans le sous-ensemble d’au moins un nouveau descripteur en fonction de la valeur du second facteur de proximité et de la valeur du troisième facteur de proximité quantifiées lors de l’étape de seconde quantification.
Un avantage de l’invention est de proposer une méthode de sélection d’un sous-ensemble de descripteurs électrophysiologiques différents pour caractériser une activité cardiaque. La méthode de sélection selon l’invention permet de sélectionner un sous-ensemble de descripteurs électrophysiologiques qui est pertinent pour discriminer deux populations différentes, parmi un ensemble de descripteurs physiologiques. Ainsi, on peut sélectionner parmi un grand nombre de descripteurs qui prennent en compte différents types de signaux, différents marqueurs de signaux et des modalités statistiques de calcul variées, un sous-ensemble pertinent de descripteurs. De plus, comme le procédé selon l’invention comprend une étape de seconde sélection prenant en compte le troisième facteur de proximité, on obtient alors un ensemble de descripteurs électrophysiologiques qui ne sont pas redondants entre eux pour caractériser ladite activité cardiaque. La méthode de sélection selon l’invention permet donc d’obtenir un sous-ensemble efficace et non redondant pour la discrimination de deux populations.
Selon un mode de réalisation, au moins un premier descripteur du sous-ensemble est associé à une modalité statistique différente de celle d’un autre premier descripteur du sous-ensemble et à un marqueur de signal différent de celui de l’autre premier descripteur. Cette disposition permet d’obtenir un sous-ensemble qui comporte plusieurs descripteurs étant porteurs d’information physiologiques différentes les unes des autres.
Les différentes étapes du procédé de l’invention peuvent être mises en œuvre par des moyens de calculs tels que des calculateurs. Ces derniers peuvent être ceux d’une carte électronique d’un équipement dédié ou ceux d’un ordinateur ou d’un serveur de données distant.
Selon un mode de réalisation, les étapes de seconde quantification et de seconde sélection sont reproduites à partir des descripteurs non sélectionnés précédemment jusqu’à l’obtention d’un nombre prédéfini de descripteurs sélectionnés. Cette disposition permet de construire le sous- ensemble de descripteurs de manière itérative en prenant à chaque fois des descripteurs porteurs d’informations différentes de celles portées par les descripteurs déjà sélectionnés.
Selon un mode de réalisation, la quantification du premier facteur de proximité et/ou du second facteur de proximité, et/ou du troisième facteur de proximité est un calcul de corrélation. Un calcul de corrélation est un moyen efficace d’estimer la proximité entre deux vecteurs. Par exemple, la corrélation est effectuée entre des vecteurs définis dans l’espace métrique.
Selon un mode de réalisation, l’étape de seconde quantification comporte une étape de projection, dans un premier plan orthogonal au ou aux vecteurs descripteurs associés aux derniers descripteurs sélectionnés, de chaque vecteur descripteur non sélectionné et du vecteur caractéristique ; en ce que la quantification du troisième facteur de proximité et effectuée à partir des composantes des projections des vecteurs projetés ; et en ce que la seconde sélection est effectuée en fonction du troisième facteur de proximité uniquement. Selon cette disposition, la projection dans le plan orthogonal au vecteur descripteur sélectionné permet de retirer les vecteurs descripteurs très proches du vecteur descripteur sélectionné. Cette disposition permet donc de sélectionner un ou plusieurs vecteurs descripteurs qui sont porteurs d’informations différentes.
Selon un autre mode de réalisation, l’étape de seconde quantification peut être mise en œuvre par un autre opérateur que la projection. Un opérateur permettant de définir une distance dans l’espace métrique des vecteurs peut être utilisé pour calculer l’un des facteurs de proximité, notamment le premier facteur de proximité, le second facteur de proximité et le troisième facteur de proximité. Selon un mode de réalisation, différents opérateurs peuvent être configurés de sorte à calculer les différents facteurs de proximité. On entend dans la présente invention qu’un facteur de proximité est compris vis-à-vis d’une distance définie dans l’espace métrique. Ainsi, certaines distances peuvent avoir des propriétés avantageuses selon le facteur de proximité qui est mesuré. Certains opérateurs privilégient certaines dimensions des vecteurs lors de la quantification, d’autres permettent de privilégier une mesure de rapprochement ou de proximité de vecteurs entre eux, d’autres privilégient l’éloignement, l’orthogonalisation ou la différence des vecteurs entre eux. Ainsi, la projection de deux vecteurs permet d’obtenir une quantification d’un facteur de proximité dans un sous-espace, toutefois d’autres méthodes, telles que le calcul d’erreur quadratique entre deux vecteurs, peuvent être utilisées pour définir une distance aux fins d’une quantification d’un facteur de proximité.
Selon un mode de réalisation, le nombre prédéfini de descripteurs sélectionnés est déterminé en testant l’efficacité d’un ensemble de « n » premiers descripteurs sélectionnés à caractériser une activité électrique donnée, « n » correspondant au nombre de descripteurs pris dans les descripteurs sélectionnés, en partant du premier au nième descripteur sélectionné, et en incrémentant la valeur de n par pas de 1 . Cette disposition permet de calibrer la taille du sous-ensemble de descripteurs pour avoir le sous-ensemble avec la plus grande efficacité.
Selon un mode de réalisation, l’ensemble comporte au moins un deuxième descripteur géographique associé à plusieurs voies et plusieurs groupes géographiques, chaque groupe géographique étant formé par une voie centrale et les au moins quatre voies à proximité de la voie centrale, la valeur du descripteur électrophysiologique étant déterminée :
• En comparant la valeur, pour chaque groupe géographique, de la mesure de chaque voie suivant le type de signal et le marqueur de signal sélectionnés avec au moins une valeur seuil géographique propre audit descripteur électrophysiologique et à ladite voie ; et
• En comptant le nombre de groupes géographiques pour lesquels la valeur d’au moins trois voies dépasse la valeur seuil géographique qui lui est propre.
Selon cette disposition, on utilise en plus des premiers descripteurs électrophysiologiques des deuxièmes descripteurs qui prennent en compte des groupes géographiques. L’ajout de cet autre type de descripteurs permet de prendre en compte la concentration de valeurs mesurées singulières et enrichit le sous-ensemble de descripteurs sélectionnés.
Selon un mode de réalisation, pour chaque premier descripteur, la au moins une voie est issue d’une zone prédéfinie sur le corps du patient est choisie entre :
• Une zone supérieure droite du torse ;
• Une zone supérieure gauche du torse ;
• Une zone inférieure droite du torse ;
• Une zone inférieure gauche du torse ; et
• La totalité du torse du patient.
Cette disposition permet d’avoir des descripteurs qui prennent en compte la localisation géographique sur le corps du patient des mesures effectuées. Ainsi, on a une variété de descripteurs qui prennent en compte plusieurs types d’informations.
Selon un mode de réalisation, pour chaque descripteur, le type de signal analysé est choisi entre :
• Un signal unipolaire pris entre une électrode de la zone du corps choisie et une électrode de référence ;
• Un signal bipolaire vertical pris entre deux électrodes de la zone donnée, l’une des deux électrodes étant décalée suivant une ligne verticale par rapport à l’autre électrode ; • Un signal bipolaire horizontale pris entre deux électrodes de la zone donnée, l’une des deux électrodes étant décalée suivant une ligne horizontale par rapport à l’autre électrode ; et
• Un signal laplacien estimé en soustrayant au potentiel d’une électrode centrale la moyenne de la tension des huit électrodes directement à proximité de ladite électrode centrale.
Cette disposition permet de prendre en compte plusieurs types de signaux et donc d’avoir des descripteurs qui prennent en compte plusieurs types de mesure de signal. Ainsi, les descripteurs prennent en compte plusieurs types d’informations et rendent compte plus fidèlement de l’état dudit patient.
Selon un mode de réalisation, l’électrode de référence est une électrode agencée à la surface d’un membre supérieur ou d’un membre inférieur du patient. Cette disposition permet la mesure d’un potentiel de référence.
Selon un mode de réalisation, une pluralité d’électrodes de référence est agencée à la surface du ou des membres inférieurs ou supérieurs du patient. Cette disposition permet d’obtenir un potentiel de référence avec une grande précision.
Selon un mode de réalisation, pour au moins un descripteur, le marqueur de signal est la mesure du voltage d’un signal moyenné. Le moyennage du signal permet d’obtenir une mesure stable dudit voltage.
Selon un mode de réalisation, pour au moins un descripteur, le marqueur de signal est la mesure, sur le signal moyenné et filtré entre 40 et 250 Hertz, de la durée de dépolarisation des ventricules ou de la fragmentation du signal durant la dépolarisation des ventricules. La durée de dépolarisation des ventricules est une mesure très représentative de l’activité cardiaque.
Selon un mode de réalisation, pour au moins un descripteur, le marqueur de signal est la mesure sur la décomposition en ondelettes discrètes du signal :
• De l’énergie de la somme des ondelettes ;
• Du Kurtosis ;
• Du coefficient d’asymétrie de Fisher ; ou
• Du nombre de minima locaux. Cette disposition permet la prise en compte de différents types de signaux tous porteurs d’informations différentes venant enrichir le sous- ensemble sélectionné.
Selon un mode de réalisation, pour au moins un descripteur, le marqueur de signal est la mesure sur la décomposition en ondelettes continues du signal du nombre de chaînes de maxima locaux. Cette mesure est une mesure qui permet de rendre compte d’une activité cardiaque singulière.
Selon un mode de réalisation, pour au moins un descripteur, le marqueur de signal est la mesure sur rondelette prise entre 256 et 512 hertz du signal :
• Du Kurtozis ; ou
• Du nombre de zones d’amplitudes réduites.
Ces mesures permettent de rendre compte de mesures sur la courbe telle que l’aplatissement de celle-ci.
Selon un mode de réalisation, pour au moins un descripteur, le marqueur de signal est la mesure sur rondelette prise entre 128 et 256 hertz du signal :
• Du Kurtozis ;
• Du nombre de zones d’amplitudes réduites ; ou
• Du RMS (Root Mean Square).
Ces mesures permettent de rendre compte de mesures sur la courbe telle que l’aplatissement de celle-ci.
Selon un mode de réalisation, pour au moins un descripteur, le marqueur de signal est la mesure sur rondelette prise entre 64 et 128 hertz du RMS (Root Mean Square). Cette mesure permet de rendre compte de l’activité cardiaque du patient.
Selon un mode de réalisation, pour chaque premier descripteur, la modalité statistique est choisie parmi :
• Le minimum au cinquième pourcentile des valeurs mesurées du signal sur chaque électrode de la zone prédéfinie ;
• Le maximum au quatre-vingt-quinzième pourcentile des valeurs mesurées du signal sur chaque électrode de la zone prédéfinie ;
• La moyenne des valeurs mesurées du signal sur chaque électrode de la zone prédéfinie ; • L’écart type des valeurs mesurées du signal sur chaque électrode de la zone prédéfinie ;
• La médiane des valeurs mesurées du signal sur chaque électrode de la zone prédéfinie ; et
• L’interquartile des valeurs mesurées du signal sur chaque électrode de la zone prédéfinie.
Cette disposition permet de sélectionner une modalité statistique qui permet de traiter les multiples mesures effectuées tout en choisissant la modalité statistique qui est pertinente, selon que l’on souhaite analyser des maxima ou des minima par exemple. Ces modalités permettent aussi de s’affranchir de mesures extrêmes aberrantes.
Selon un mode de réalisation, le procédé de la présente invention peut être succédé d’un procédé de génération d’un paramètre électrophysiologique pour caractériser une activité cardiaque.
Une telle étape peut être mise en œuvre par un procédé de génération d’un paramètre électrophysiologique qui comprend :
• sélection d’un sous-ensemble de descripteurs électrophysiologiques parmi un ensemble de descripteurs électrophysiologiques prédéfinis selon un paramètre d’entrée définissant un contexte de mesure, chaque descripteur électrophysiologique du sous-ensemble étant associé à au moins une voie, à un type de signal, à un marqueur de signal et à une modalité statistique de calcul ;
• agencement d’une pluralité d’électrodes de surface sur le corps d’un patient ;
• enregistrement d’une pluralité d’activités électriques cardiaques définissant lesdites voies, chaque voie étant obtenue par les enregistrements d’au moins deux électrodes ;
• estimation de l’ensemble des descripteurs électrophysiologiques du sous-ensemble, chaque descripteur électrophysiologique étant calculé à partir de la modalité statistique qui est appliquée au marqueur de signal du signal acquis selon le type de signal sur une voie sélectionnée associée audit descripteur électrophysiologique ; • comparaison de la valeur de l’ensemble des descripteurs électrophysiologiques avec au moins une valeur seuil propre à l’ensemble des descripteurs électrophysiologiques, ladite au moins une valeur seuil étant définie par une distribution statistique desdits descripteurs d’un ensemble de patients sains ;
• calcul d’un score définissant un paramètre électrophysiologique en fonction du dépassement de la au moins une valeur seuil définie par la distribution statistique.
Selon un aspect, l’invention concerne un dispositif ou un système comportant des moyens pour mettre en œuvre le procédé de l’invention. Les moyens peuvent comprendre des calculateurs, des mémoires, cartes électroniques, des électrodes et des supports d’électrodes. Le dispositif ou le système de l’invention peut comprendre des ordinateurs ou des serveurs lorsque des ressources de calculs sont nécessaires. L’invention est dans la suite décrite de sorte que les caractéristiques décrites puissent se rapporter au procédé de l’invention ou au dispositif ou au système de l’invention.
L’invention concerne également un dispositif de sélection d’un sous-ensemble de descripteurs électrophysiologiques. Le dispositif selon l’invention est apte à mettre en œuvre le procédé mentionné précédemment. Par la suite, les éléments décrits dans cette description seront applicables aussi bien au procédé selon l’invention qu’au dispositif selon l’invention.
L’invention concerne également un dispositif de sélection d’un sous ensemble de descripteurs électrophysiologiques qui comporte :
• une pluralité d’électrodes de surface configurées pour être déposées sur le corps d’un patient et pour mesurer un potentiel électrique de la surface du corps du patient, chaque électrode de surface définissant une voie ;
• un moyen de mesure du signal de chaque voie ;
• un moyen de calcul configuré pour : i. Estimer pour un premier ensemble de patients non atteints d’un état prédéfini, des valeurs de chaque descripteur électrophysiologique d’un l’ensemble de premiers descripteurs prédéfinis, chaque premier descripteur étant associé à au moins une voie, à un type de signal, à un marqueur de signal et à une modalité statistique de calcul ; au moins un premier descripteur du sous-ensemble étant associé à une modalité statistique différente de celle d’un autre premier descripteur du sous- ensemble et à un marqueur de signal différent de celui de l’autre premier descripteur ; ii. Estimer pour un second ensemble de patients atteints par l’état prédéfini, des valeurs de chaque descripteur de l’ensemble de descripteurs prédéfinis ; iii. Générer un premier vecteur caractéristique de l’état de chaque patient des premier et deuxième ensembles de patients dans lequel chaque composante correspond à un état relatif à l’état prédéfini ; iv. Générer un vecteur descripteur pour chaque descripteur dans un espace métrique dans lequel chaque composante correspond à la valeur du descripteur pour chaque patient ; v. Quantifier pour chaque descripteur un premier facteur de proximité entre les valeurs des composantes du premier vecteur caractéristique et les valeurs des composantes du vecteur descripteur ; vi. Sélectionner et inclure dans le sous-ensemble au moins un descripteur ayant des valeurs du facteur de proximité quantifiées optimales ; vii. Quantifier :
- un second facteur de proximité entre les valeurs des composantes de chaque descripteur non sélectionné lors de l’étape de première sélection et les valeurs des composantes du ou des vecteurs descripteurs sélectionnés lors de l’étape de première sélection ; et
- un troisième facteur de proximité entre les valeurs des composantes de chaque descripteur non sélectionné lors de l’étape de première sélection et les valeurs de composantes du vecteur caractéristique ; viii. Sélectionner et inclure dans le sous-ensemble au moins un nouveau descripteur en fonction de la valeur du second facteur de proximité et de la valeur du troisième facteur de proximité quantifiées lors de l’étape de seconde quantification.
Un avantage de l’invention est de proposer un dispositif de sélection d’un sous-ensemble de descripteurs électrophysiologiques différents pour caractériser une activité cardiaque. Le dispositif de sélection selon l’invention permet de sélectionner un sous-ensemble de descripteurs électrophysiologiques qui est pertinent pour discriminer deux populations différentes, parmi un ensemble de descripteurs physiologiques. Ainsi, on peut sélectionner parmi un grand nombre de descripteurs qui prennent en compte différents types de signaux, différents marqueurs de signaux et des modalités statistiques de calcul variées, un sous-ensemble pertinent de descripteurs. De plus, comme le dispositif selon l’invention prend en compte le troisième facteur de proximité, on obtient alors un ensemble de descripteurs électrophysiologiques qui ne sont pas redondants entre eux pour caractériser ladite activité cardiaque. Le dispositif de sélection selon l’invention permet donc d’obtenir un sous-ensemble efficace et non redondant pour la discrimination de deux populations.
Selon un mode de réalisation, les électrodes sont arrangées sur la surface du patient à l’aide de bandes adhésives. Cette caractéristique représente un moyen pratique à mettre en œuvre pour agencer les électrodes sur le patient.
Selon un mode de réalisation, le dispositif comporte un dispositif de détection des phases de respiration d’un patient, de préférence une ceinture de pléthysmographie. Cette disposition permet d’effectuer les mesures durant une phase de respiration du patient qui ne perturbe pas lesdites mesures.
Selon un mode de réalisation, le dispositif selon l’invention est apte à mettre en œuvre le procédé selon l’invention.
Brève description des figures D’autres caractéristiques et avantages de l’invention ressortiront à la lecture de la description détaillée qui suit, en référence aux figures annexées, qui illustrent :
Fig. 1 : un logigramme schématique du procédé selon l’invention ;
Fig. 2 : une vue de face du torse d’un patient sur lequel est disposée une pluralité d’électrodes de mesure pour mettre en œuvre un procédé selon l’invention ;
Fig. 3 : une vue d’une pluralité d’électrodes de mesure dans une zone prédéfinie du corps du patient ;
Fig. 4 : deux courbes illustrant la méthode de calcul d’un indice d’asymétrie ; Fig. 5 : un graphique illustrant la méthode de calcul d’un indice de Kurtosis ; Fig. 6 : une vue d’une courbe illustrant la méthode de calcul du nombre de zones d’amplitude réduite.
Description de l’invention
Selon un premier aspect, l’invention concerne un procédé de sélection d’un sous-ensemble de descripteurs électrophysiologiques caractéristiques d’une activité cardiaque caractéristique.
L’invention concerne également un dispositif de sélection d’un sous-ensemble de descripteurs électrophysiologiques caractéristiques d’une activité cardiaque caractéristique. Le dispositif selon l’invention est apte à mettre en œuvre l’invention mentionnée précédemment. Par la suite, les éléments décrits dans cette description seront applicables aussi bien au procédé selon l’invention qu’au dispositif selon l’invention.
Le procédé selon l’invention sera décrit à l’appui de la figure 1 , qui est un logigramme schématique du procédé selon l’invention.
Selon un premier aspect, l’invention concerne un procédé de sélection d’un sous-ensemble {Dk} de premiers descripteurs électrophysiologiques Di caractéristique d’une activité électrique représentative d’une activité cardiaque caractéristique. Par activité "cardiaque caractéristique", on entend une activité cardiaque d’un patient pouvant être qui est caractéristique d’un état de celui-ci.
Le sous-ensemble {Dk} de premiers descripteurs électrophysiologiques Di est sélectionné parmi un ensemble {DN} de descripteurs électrophysiologiques. Ainsi, le procédé selon l’invention concerne la sélection, parmi un ensemble {DN} de descripteurs électrophysiologiques, d’un sous-ensemble {Dk} de descripteurs plus restreint. Le but du procédé selon l’invention et d’effectuer une sélection pertinente et réduite de quelques descripteurs Di parmi l’ensemble {DN}.
Par « descripteur électrophysiologique Di » on entend un contexte de mesure d’une donnée électrique associée à une activité détectée à la surface d’un patient. Chaque premier descripteur électrophysiologique Di est associé à l’enregistrement d’au moins une voie Vi. L’enregistrement d’une voie Vi correspond à l’enregistrement de l’activité électrique captée par au moins une électrode EL disposée à la surface du corps d’un patient. Aux fins des enregistrements, l’invention peut être mise en œuvre notamment au moyen d’une mémoire permettant l’enregistrement des données acquises et/ou des données traitées par l’une des étapes du procédé de l’invention. Chaque premier descripteur Di est associé à au moins une voie Vi sur une zone prédéfinie Zi sur le corps du patient. Par « zone prédéfinie Zi » on entend la zone du corps du patient sur laquelle sont déposées la ou les électrodes de mesure EL dont les activités électriques sont enregistrées pour obtenir la ou les voies Vi. Ainsi, la surface du corps d’un patient peut être segmentée en différentes zones fonctionnelles et/ou géométriques et/ou physiologiques. Ces zones peuvent correspondre donc à des zones géographiques sur le corps du patient, à des zones fonctionnelles par rapport à l’activité cardiaque du patient, ou bien à des zones correspondant à la physiologie et/ou la physiologie de celui-ci.
Chaque premier descripteur D, est associé à un type de signal mesuré Ti sur les voies V sélectionnées. Par type de signal Ti on entend par exemple la mesure d’une tension entre deux électrodes. Les différents types de signaux Ti pouvant être sélectionnés seront décrits plus tard.
Chaque premier descripteur Di est associé à un marqueur de signal Mi. Par « marqueur de signal Mi », on entend la caractéristique du type de signal Ti qui sera mesurée. Selon des exemples de marqueurs de signal Mi utilisés, certains comprennent la mesure de caractéristiques fréquentielles et énergétiques du signal. Selon d'autres exemples, des marqueurs peuvent comprendre la mesure voltage ou de tension électrique. Les différents marqueurs de signal Mi pouvant être sélectionnés sont décrits ci-après. Chaque premier descripteur Di est associé à une modalité statistique MSi. Par « modalité statistique MSi », on entend une modalité de mesure statistique appliquée sur les mesures effectuées sur les signaux. Une modalité statistique MSi peut par exemple être le calcul de la moyenne du marqueur de signal Mi mesuré sur plusieurs électrodes. Les différentes modalités statistiques MSi pouvant être sélectionnées seront décrites plus tard.
Chaque premier descripteur électrophysiologique Di est donc défini à la fois par une sélection de la zone prédéfinie Z, du corps du patient, du type de signal Ti, du marqueur de signal Mi et de la modalité statistique MSi.
Selon un mode de réalisation, au moins deux premiers descripteurs Di, Dj du sous-ensemble {Dk} sont associés à une modalité statistique MSi différente. En d’autres termes, deux des premiers descripteurs Di, Dj ne sont pas associés à la même modalité statistique MSi.
Selon un mode de réalisation, au moins deux premiers descripteurs Di, Dj du sous-ensemble {Dk} sont associés à un marqueur de signal Mi différent. En d’autres termes, deux des premiers descripteurs Di, Dj ne sont pas associés au même marqueur de signal Mi.
Une première étape du procédé selon l’invention correspond à une estimation ESTi pour un premier ensemble de patients ENSi de valeurs de chaque premier descripteur électrophysiologique Di. Le premier ensemble de patients ne comporte que des patients non atteints d’un état ETi prédéfini. Par état prédéfini on entend un état présentant des caractéristiques particulières au niveau cardiaque, que cet état soit pathologique ou non. Selon un mode de réalisation, l’état prédéfini ETi est une pathologie cardiaque structurelle. L’estimation des valeurs des premiers descripteurs Di est effectuée pour chaque premier descripteur électrophysiologique Di de l’ensemble de descripteurs {DN}.
Une deuxième étape du procédé selon l’invention correspond à une estimation EST2 pour un second ensemble de patients ENS2 de valeurs de chaque premier descripteur électrophysiologique Di. Le second ensemble de patients ne comporte que des patients atteints par l’état ETi prédéfini. L’estimation des valeurs des premiers descripteurs Di est effectuée pour chaque premier descripteur électrophysiologique Di de l’ensemble de descripteurs {DN}. Une étape suivante est la génération GENi d’un premier vecteur caractéristique Vi de l’état de chaque patient. Ce vecteur Vi comporte une composante par patient du premier ensemble ENSi et une composante par patient du deuxième ensemble ENS2. Chaque composante du vecteur caractéristique V1 correspond à un état relatif à l’état prédéfini ETi. Selon un mode de réalisation, le premier vecteur comporte une première valeur prédéfinie vpi pour chaque patient du premier ensemble ENS1. De la même manière, le premier vecteur caractéristique V1 comporte une seconde valeur prédéfinie vp2 pour chaque patient du second ensemble ENS2. Cette disposition permet d’avoir un vecteur caractéristique V1 qui est représentatif de l’état des patients des premier et second ensembles ENS1, ENS2. Selon une alternative, les composantes du premier vecteur caractéristique V1 sont fonction du niveau d’atteinte par l’état prédéfini ET1 des patients du premier et deuxième ensemble ENS1, ENS2. Selon cette disposition, les composantes du premier vecteur V1 peuvent par exemple avoir une valeur faible lorsque le patient est faiblement atteint par l’état prédéfini ET1 et une valeur forte lorsque le patient est fortement atteint par l’état prédéfini ET-i. Selon un mode de réalisation, le premier vecteur caractéristique V1 comporte une composante égale à « zéro » pour chaque patient du premier ensemble ENS1. Selon un mode de réalisation, le premier vecteur caractéristique V1 comporte une composante égale à « un » pour chaque patient du second ensemble ENS2.
Une étape suivante du procédé selon l’invention est la génération GEN2 d’un vecteur descripteur Vd pour chaque premier descripteur électrophysiologique Di. Cette génération GEN2 est effectuée dans un espace métrique. Chaque composante du vecteur descripteurs Vd correspond à la valeur dudit premier descripteur électrophysiologique Di. Ainsi, chaque vecteur descripteur Vd comporte une composante par patient des premiers et deuxièmes ensemble ENS1, ENS2.
Une étape suivante du procédé selon l’invention concerne la première quantification QUAN1 pour chaque descripteur Di d’un premier facteur de proximité entre les valeurs des composantes du premier vecteur caractéristique V1 est les valeurs des composantes du vecteur descripteur Vd. Cette étape permet d’estimer s’il existe une relation de corrélation entre les valeurs du premier vecteur caractéristique V1 et les valeurs du vecteur descripteur Vd pour chaque descripteur Di considéré. Selon un mode de réalisation, l’étape de première quantification QUANi est effectuée en quantifiant pour chaque descripteur Di la corrélation statistique entre les valeurs des composantes du premier vecteur caractéristique Vi et les valeurs des composantes du vecteur descripteur Vd. Alternativement, cette quantification peut être effectuée en calculant une erreur quadratique.
Selon un mode de réalisation, l’étape de première quantification QUANi est effectuée en utilisant une méthode de sélection de variables telle que la méthode LASSO. De manière alternative, une régression RIDGE peut être utilisée.
Une étape suivante du procédé selon l’invention est une première sélection SELi d’au moins un descripteur Di. Lors de cette étape, on sélectionne au moins un descripteur Di en fonction des valeurs quantifiées précédemment du premier facteur de proximité de chaque descripteur Di. Le ou les premiers descripteurs Di sélectionnés sont inclus dans le sous- ensemble {Dk}. La sélection est effectuée en prenant le ou les descripteurs Di qui comportent des valeurs de facteur de proximité optimales parmi tous les descripteurs Di de l’ensemble {DN}. Par valeur optimale, on entend une valeur qui rend compte de la proximité du vecteur descripteur Vd avec le premier vecteur Vi. Dans le cas où le facteur de proximité est un calcul de corrélation, la valeur optimale est une valeur maximale. Dans un cas où le facteur de proximité est une erreur quadratique, la valeur optimale est une valeur minimale. Cette étape permet donc de sélectionner le ou les descripteurs D, ayant la plus grande proximité avec le vecteur de caractéristique Vi.
Une étape suivante du procédé est une étape de seconde quantification QUAN2. Cette étape se décompose en deux étapes distinctes. Il y a d’abord la quantification d’un second facteur de proximité entre les composantes des vecteurs descripteurs Vd des descripteurs Di qui n’ont pas été sélectionnés lors de la première sélection SEL1 et les valeurs des composantes du ou des vecteurs descripteurs Vd qui ont été sélectionnés lors de l’étape de première sélection SEL1. Il y a ensuite la quantification d’un troisième facteur de proximité entre les composantes des vecteurs descripteurs Vd des descripteurs Di qui n’ont pas été sélectionnés lors de la première sélection SEL1 et les valeurs des composantes du vecteur caractéristique V1. On peut noter que cette étape de seconde quantification peut être effectuée à partir des valeurs des composantes des vecteurs descripteurs Vd et du vecteur caractéristique ou à partir d’une transformation dans l’espace étriqué desdites composantes.
Selon un mode de réalisation, l’étape de seconde quantification QIIAN2 est effectuée en quantifiant la corrélation statistique entre les valeurs des composantes des différents vecteurs en jeu. Alternativement, cette quantification peut être effectuée en calculant une erreur quadratique.
Selon un mode de réalisation, l’étape de seconde quantification QIIAN2 est effectuée en utilisant une méthode de sélection de variables telle que la méthode LASSO. De manière alternative, une régression RIDGE peut être utilisée.
Une étape suivante du procédé selon l’invention est une étape de seconde sélection SEL2 d’au moins un nouveau descripteur Di et son inclusion dans le sous-ensemble {Dk}. La sélection du nouveau descripteur Di est effectuée en fonction des valeurs du second facteur de proximité et du troisième facteur de proximité quantifiées lors de la seconde quantification QUAN2. Plus précisément, lors de cette étape de sélection, on sélection le ou les descripteurs Di ayant une forte proximité quantifiée avec le vecteur caractéristique V1 et une faible proximité quantifiée avec le ou les vecteurs descripteurs Vd sélectionnés précédemment.
La prise en compte du premier facteur de proximité, du deuxième facteur de proximité et du troisième facteur de proximité permet d’obtenir un sous-ensemble de descripteurs D, qui prend en compte la redondance de l’information portée par plusieurs descripteurs Di. Selon ces caractéristiques, on obtient une classification qui ne prend plus en compte uniquement la corrélation entre les vecteurs descripteurs Vd et le premier vecteur V1, mais qui permet aussi de sélectionner des vecteurs descripteurs Vd qui ont une haute valeur de corrélation, mais ne sont pas trop semblables aux premiers vecteurs descripteurs Vd sélectionnés. Cette disposition permet de sélectionner un sous-ensemble {Dk} qui comporte des descripteurs Di non redondants.
Le procédé selon l’invention permet la sélection d’un sous- ensemble {Dk} de descripteurs Di qui permettent de discriminer deux ensembles de patients de manière efficace et non redondante. Le procédé selon l’invention permet de faire le tri parmi un grand nombre de descripteurs électrophysiologiques Di pour en sélectionner un nombre réduit à même de différentier des patients en fonction de leur atteinte ou non par l’état prédéfini ETi.
Selon un mode de réalisation, les étapes de seconde quantification QIIAN2 et de seconde sélection SEL2 sont reproduites à partir des descripteurs Di non sélectionnés précédemment jusqu’à l’obtention d’un nombre prédéfini de descripteurs Di. Cette méthode suit plusieurs itérations des étapes de seconde quantification QIIAN2 et de seconde sélection SEL2 et permet de ce fait d’obtenir un sous-ensemble {Dk} qui comprend le nombre voulu de descripteurs électrophysiologiques Di.
Selon un mode de réalisation, l’étape de seconde quantification QIIAN2 comporte une étape de projection dans un premier plan Pi orthogonal à ou aux vecteurs descripteurs Vd associés aux derniers descripteurs sélectionnés. Lors de cette étape de projection, on projette tous les vecteurs descripteurs Vd qui n’ont pas été sélectionnés précédemment dans le plan Pi. De même, on projette dans le plan Pi le vecteur caractéristique V1. Cette étape de projection peut être assimilée à l’étape de seconde quantification QIIAN2 du deuxième facteur de proximité entre les composantes des vecteurs descripteurs Vd non sélectionnés précédemment et les vecteurs descripteurs Vd déjà inclus dans le sous-ensemble {Dk}. En effet, la projection vaut une quantification du facteur de proximité, car la projection d’un vecteur dans plan orthogonal à un vecteur qui lui est très proche donne un vecteur qui est quasiment nul. Selon ce mode de réalisation, la quantification du troisième facteur de proximité est effectuée à partir des composantes des vecteurs descripteurs Vd projetés. Selon ce mode, la quantification du troisième facteur de proximité est effectuée à partir des composantes du vecteur caractéristique V1 qui a été projeté. Cette méthode d’orthogonalisation des vecteurs permet d’obtenir un sous-ensemble {Dk} dans lequel chaque descripteur est pertinent pour discriminer les deux ensembles de patients ENS1, ENS2. L’orthogonalisation permet avantageusement de ne pas sélectionner plusieurs descripteurs électrophysiologiques Di qui sont porteurs d’une information redondante avec celles des descripteurs D, précédemment sélectionnés.
Selon un mode de réalisation, le nombre prédéfini de descripteurs Di sélectionnés est déterminé en testant l’efficacité du sous-ensemble {Dk} de descripteurs Di à discriminer le premier ensemble ENS1 de patients du second ensemble ENS2 de patients. De cette manière, on recherche le nombre de descripteurs Di qui permet d’obtenir la meilleure performance pour le sous- ensemble {Dk}.
Selon un mode de réalisation, le nombre prédéfini de descripteurs Di sélectionnés est déterminé en testant l’efficacité d’un sous-ensemble de descripteurs en commençant par tester l’efficacité du premier descripteur Di sélectionné. Ensuite, on teste l’efficacité des deux premiers descripteurs Di sélectionnés. On incrémente ensuite un nombre par pas de « 1 », en testant les trois premiers, puis les quatre premiers descripteurs. On continue cette itération jusqu’à atteindre un nombre « n » de descripteurs testés. Finalement, on garde le nombre prédéfini de descripteurs Di pour lequel la performance de discrimination du premier ensemble de patients ENS1 et du deuxième ensemble de patients ENS2 est la plus grande. En alternative, il est possible de partir directement d’un nombre « n » de descripteurs et d’incrémenter par pas de « 1 » jusqu’à obtenir « N » descripteurs. Par exemple, on peut commencer le processus itératif en testant l’efficacité d’un sous-ensemble {Dk} de sept descripteurs Di jusqu’à un ensemble de vingt descripteurs Di. On peut aussi par exemple commencer par le test avec un sous-ensemble de dix descripteurs Di et terminer avec un sous-ensemble de trente descripteurs Di.
Descripteurs électrophysiologiques
Comme décrit précédemment, chaque premier descripteur électrophysiologique Di est associé à au moins une voie V, d’une zone prédéfinie Zi du corps du patient, à un type de signal Ti, à un marqueur de signal Mi, et à une modalité statistique de calcul MSi. Nous allons décrire ci- dessous en détail ces quatre éléments. Pour sélectionner un descripteur Di, une sélection est faite d’une zone prédéfinie Zi parmi un ensemble de zones prédéfinies Zi. Une sélection est effectuée d’un type de signal Ti parmi un ensemble de types de signaux Ti. Une sélection est effectuée d’un marqueur de signal Mi parmi un ensemble de marqueurs de signal Mi. Une sélection est effectuée d’une modalité statistique MSi parmi un ensemble de modalités statistiques MSi.
Zone du corps du patient Comme le montre la figure 2, une pluralité d’électrodes EL est déposée à la surface du torse du patient de chaque patient des ensembles ENSi et ENS2 pour mettre en œuvre le procédé de sélection selon l’invention. Le nombre d’électrodes dans l’exemple représenté peut varier, on peut par exemple avoir un nombre d’électrodes bien inférieur à celui représenté, ou bien supérieur. La pluralité d’électrodes EL couvre une large partie du torse du patient. Comme on peut le voir, cette pluralité d’électrodes est séparée en quatre zones distinctes sur celui-ci. Une première partie des électrodes EL est située sur une zone supérieure droite Z1 du torse du patient. Une deuxième partie des électrodes EL est située sur une zone supérieure gauche Z2 du torse du patient. Une troisième partie des électrodes EL est située sur une zone inférieure droite Z3 du torse du patient. Une partie des électrodes EL est située sur une zone inférieure gauche Z4 du torse du patient. Enfin, la pluralité d’électrodes EL est comprise dans une zone comprenant la totalité Z5 du torse du patient.
La démarcation entre les zones situées sur la gauche du torse et celles situées sur la droite du torse est une ligne verticale passant par le centre du torse, ou sensiblement par le centre du torse.
La démarcation entre les zones situées en bas du torse et celles situées en haut du torse est une ligne horizontale passant par le centre du torse.
Chaque zone comporte un nombre prédéfini d’électrodes EL. Le nombre d’électrodes disposées par zone peut-être de l’ordre de la trentaine. On peut par exemple avoir trente électrodes EL par zone.
Avantageusement, chaque zone comporte le même nombre d’électrodes EL. Bien entendu, la zone comprenant la totalité du torse Z5 comporte un nombre différent d’électrodes que les autres, car cette zone Z5 comprend la réunion des électrodes de toutes les autres zones Z-i, Z2, Z3 et Z .
Par la suite, lorsque l’on parlera de la sélection des électrodes d’une zone, on parlera de la sélection d’une ou de plusieurs électrodes EL de ladite zone.
Alternativement, on peut prévoir un nombre inférieur d’électrodes EL, par exemple neuf électrodes El par zone Z-i, Z2, Z3, et 2A. Ainsi, dans ce cas, la zone Z5 comprenant la totalité du torse du patient comporte trente-six électrodes EL.
Chaque voie Vi est obtenue en enregistrant l’activité électrique d’au moins deux électrodes EL. Ces au moins deux électrodes peuvent être deux électrodes d’une ou plusieurs zones du torse du patient. Ces au moins deux électrodes peuvent également être une électrode d’une zone du torse du patient et une électrode de référence.
Groupes géographiques
Selon un mode de réalisation, l’ensemble {DN} comporte au moins un deuxième descripteur électrophysiologique géographique Di. Le au moins un descripteur géographique Di est associé à au moins une voie V, et à plusieurs groupes géographiques. Un groupe géographique est formé par une électrode EL et les quatre électrodes EL qui sont situées directement à proximité de celle-ci. Un groupe géographique est représenté à la figure 3. Ce groupe géographique comporte une électrode centrale EL1, ainsi que l’électrode située directement au-dessus de celle-ci. Il comporte aussi l’électrode située directement au-dessous de l’électrode centrale EL1, l’électrode située directement à la gauche de l’électrode centrale EL1 et l’électrode située directement à gauche de l’électrode centrale EL1. Ces quatre électrodes sont représentées hachurées sur la figure 3. Pour les seconds descripteurs géographiques, la mesure de la valeur selon le type de signal et le marqueur de signal est effectuée sur tous les groupements géographiques disponibles de la pluralité d’électrodes disposées sur le corps du patient. D’autres dispositions des électrodes peuvent être envisagées. On peut notamment sélectionner l’électrode centrale et les quatre électrodes situées en haut à gauche, en haut à droite, en bas à gauche et en bas à droite de l’électrode centrale EL1. Ce sont les électrodes apparaissant sans motif sur la figure 3. On peut aussi prévoir plus d’électrodes, par exemple neuf électrodes dans le groupe géographique. Ce sont les neuf électrodes EL de la figure 3 par exemple.
Pour chaque groupement géographique, la valeur obtenue pour chaque électrode EL dudit groupement est comparée à au moins une valeur seuil géographique. La au moins une valeur seuil géographique est obtenue à partir d’une distribution statistique de la valeur de l’électrode EL considérée de l’ensemble de patients ENSi non atteints de l’état prédéfini ETi. Lorsqu’au moins trois valeurs d’électrodes d’un groupe géographique dépassent leur valeur seuil géographique, alors le groupe géographique est considéré comme signifiant. Finalement, la valeur du descripteur est le nombre de groupes géographiques signifiants comptés. De manière alternative, on peut considérer un groupe géographique comme signifiant à partir de deux électrodes dépassant leur valeur seuil géographique, ou bien avec quatre électrodes.
On peut noter que dans le cas d’un second descripteur géographique, la modalité statistique n’est pas prise en compte, la valeur du descripteur étant le nombre de groupements géographiques détectés.
De manière avantageuse, le sous-ensemble {Dk} de descripteurs comprend au moins un premier descripteur Di et au moins un deuxième descripteur géographique. De manière additionnelle, le sous-ensemble {Dk} comprend plusieurs premiers descripteurs Di. Selon cette variante, le sous- ensemble {Dk} comprend un second descripteur géographique par marqueur de signal utilisé dans les premiers descripteurs Di du sous-ensemble {Dk}.
Type de signal
Chaque descripteur électrophysiologique Di est associé à un type de signal Ti. Nous nous appuierons dans cette partie sur la figure 3, qui est une représentation schématique de neuf électrodes EL contigües sur le corps du patient. Sur cette figure, chaque cercle représente une électrode EL. Les zones en pointillés représentent les différentes électrodes EL sélectionnées dans les différents types de signaux.
Le type de signal Ti peut être choisi de préférence entre quatre types de signaux différents.
Un premier type de signal T est un signal unipolaire. Un signal unipolaire est un signal pris entre une électrode EL de la zone prédéfinie Zi et une électrode de référence. En d’autres termes, le type de signal unipolaire est la tension mesurée entre l’électrode de la zone prédéfinie et l’électrode de référence. Par « électrode de référence », on entend une électrode qui n’est pas située dans une des zones du torse du patient définies précédemment. Par exemple, une électrode de référence peut être une électrode placée sur un membre inférieur ou un membre supérieur d’un patient. Un deuxième type de signal Ti est un signal bipolaire vertical. Un signal bipolaire vertical est un signal pris entre une électrode de la zone prédéfinie et l’électrode située directement en dessous de celle-ci sur le torse du patient. En d’autres termes, le type de signal acquis est la tension entre les deux électrodes EL. Un signal bipolaire vertical est pris entre deux électrodes de la zone prédéfinie Zi. Ces deux électrodes forment un bipôle vertical B .
Un troisième type de signal Ti est un signal bipolaire horizontal. Un signal bipolaire horizontal est un signal pris entre une électrode de la zone prédéfinie et une électrode située directement à côté de celle-ci suivant une ligne horizontale sur le torse du patient. En d’autres termes, le type de signal acquis est la tension entre les deux électrodes EL. Le signal bipolaire horizontal est pris entre deux électrodes de la zone prédéfinie Zi. Ces deux électrodes forment un bipôle horizontal Bh.
Un quatrième type de signal Ti est un signal laplacien. Un signal laplacien est estimé en soustrayant au potentiel d’une électrode centrale ELi la moyenne des potentiels des huit électrodes qui sont directement à proximité de ladite électrode centrale. En d’autres termes, le signal laplacien est une tension composée entre l’électrode centrale ELi et un ensemble d’électrodes EL périphériques à l’électrode centrale ELi. Ces neuf électrodes forment une électrode laplacienne ELiap.
Marqueurs de signal
Chaque descripteur électrophysiologique Di est associé à un marqueur de signal Mi. Un marqueur de signal Mi est une modalité de mesure d’une grandeur physique associée aux types de signaux mesurés par les électrodes EL.
Le marqueur de signal Mi associé à un descripteur Di est choisi de préférence entre quatorze marqueurs de signal Mi. Ces marqueurs de signal Mi sont décrits ci-dessous. Un premier marqueur de signal Mi correspond à la mesure d’un signal électrique moyenné. Par signal électrique moyenné, on entend le calcul, effectué sur la tension mesurée, de la moyenne entre le pic maximum et le pic minimum du QRS. Cette mesure de la durée du QRS est en général assez représentative d’une activité cardiaque. Nous allons maintenant présenter deux marqueurs de signal qui sont mesurés sur le signal filtré entre 40 et 150 hertz. Le signal est filtré à l’aide d’un filtre passe-bande. Avantageusement, le filtre passe-bande est un filtre de Butterworth bidirectionnel. Un filtre de Butterworth bidirectionnel présente l’avantage de limiter les oscillations dues au filtrage, ce qui rend le calcul des valeurs pour certains marqueurs de signaux Mi plus précis.
Un marqueur de signal Mi sur le signal filtré est la durée du QRS sur le signal filtré. Pour la mesure de cette grandeur, un repère est placé sur le début du QRS et un deuxième repère est placé à la fin du QRS. Le temps séparant les deux repères est mesuré. Cette opération peut être réalisée automatiquement grâce à un algorithme de détection des début et fin de QRS. De manière alternative, cette durée peut être mesurée manuellement par un opérateur sur une interface. On peut également prévoir une mesure automatique de la durée du QRS et un contrôle manuel de ladite mesure par l’opérateur sur l’interface.
Selon un mode de réalisation, la durée du QRS est détectée par déplacement d’une fenêtre glissante mesurant l’énergie du signal filtré. Lorsqu’un seuil d’énergie est dépassé, un repère est placé qui marque le début de la fenêtre. Le repère de fin de QRS est placé de la même manière.
Un autre marqueur de signal Mi est la mesure de la fragmentation du signal moyenné filtré entre 40 hertz et 250 hertz. Selon ce marqueur Mi, on mesure le nombre de pics du QRS sur le signal filtré. Par pic, on entend un maximum local de la courbe du signal filtré. Le nombre de pic est mesuré sur la section de la courbe correspondant au QRS. Les repères de début et de fin du QRS sont fixés de la même manière que pour le marqueur Mi précédent, qui pour rappel est le marqueur de durée du QRS sur le signal filtré.
Les marqueurs Mi suivants sont calculés sur la décomposition en ondelettes du signal. Pour ces marqueurs Mi, on peut utiliser la décomposition en ondelettes continues ou la décomposition en ondelettes discrète.
Les quatre marqueurs Mi présentés ci-dessous sont calculés sur la décomposition en ondelettes discrète.
Un premier marqueur Mi est le calcul de l’énergie sur la décomposition en ondelettes discrète du signal. Concrètement, l’énergie est calculée sur la somme des coefficients sur plusieurs niveaux. Typiquement, la somme des coefficients est réalisée entre 64 hertz et 1024 hertz, soit sur les quatre niveaux de cette bande de fréquences. Selon un mode de réalisation, l’énergie mesurée est normalisée par rapport à la durée du QRS. De manière alternative ou additionnelle, l’énergie est normalisée par rapport à l’amplitude maximale du signal.
Un deuxième marqueur Mi calculé sur la transformée en ondelettes discrète est la mesure de l’indice appelé Kurtosis Sku. Par « Kurtosis » on entend un indice permettant d’estimer l’étalement d’une courbe donnée. La figure 5 illustre plusieurs mesures de l’étalement de la courbe sur trois courbes d’exemple. Pour une courbe plate P, l’indice de Kurtosis est négatif. Pour une courbe élancée E, l’indice est positif. Ainsi, plus la courbe est étalée et plus le Kurtosis est négatif. Lorsque la courbe est étroite, le Kurtosis est positif. Le Kurtosis d’une courbe représentant une distribution normale N est égal à zéro. Concrètement, le Kurtosis Sku est calculé sur la somme des coefficients sur plusieurs niveaux de la décomposition en ondelettes discrète. Typiquement, la somme des coefficients est réalisée entre 64 hertz et 1024 hertz, soit sur les quatre niveaux de cette bande de fréquences.
Un troisième marqueur Mi calculé sur la transformée en ondelettes discrètes est la mesure du coefficient d’asymétrie de Fischer. Ce coefficient peut également être appelé « Skewness ». Ce coefficient permet d’estimer l’asymétrie d’une courbe donnée. La figure 4 illustre deux mesures de l’asymétrie sur deux courbes données à titre d’exemples. La courbe 1 est une courbe tendant vers la gauche et la courbe 2 est une courbe tendant vers la droite. Le coefficient d’asymétrie de Fischer a une valeur positive lorsque la courbe tend vers la gauche. C’est le cas de la courbe 1. Le coefficient d’asymétrie de Fischer a une valeur négative lorsque la courbe tend vers la droite. C’est le cas de la figure 2. Concrètement, le coefficient d’asymétrie de Fischer est calculé sur la somme des coefficients sur plusieurs niveaux de la décomposition en ondelettes discrète. Typiquement, la somme des coefficients est réalisée entre 64 hertz et 1024 hertz, soit sur les quatre niveaux de cette bande de fréquences.
Un quatrième marqueur Mi calculé sur la transformée en ondelettes discrètes est la mesure du nombre de chaînes minima locaux de ladite décomposition. Concrètement, une chaîne de minima locaux est la présence sur plusieurs niveaux de décomposition en ondelettes discrète d’un même minimum. En mesurant le nombre de minima qui se retrouvent dans chaque niveau de décomposition, on mesure le nombre de chaînes de minima locaux. Typiquement, la mesure est réalisée entre 64 hertz et 1024 hertz, soit sur les quatre niveaux de cette bande de fréquences. On cherche donc les minima se répétant dans les bandes de 64 hertz à 128 hertz, puis de 128 hertz à 256hz, puis de 256 hertz à 512 hertz et enfin 512 hertz à 1024 hertz. De manière alternative, la mesure du nombre de chaînes de minima locaux peut être effectuée sur la décomposition en ondelettes continue.
Un autre marqueur de signal Mi pouvant être choisi est la mesure sur la décomposition en ondelettes continue du nombre de chaînes de maxima locaux. Concrètement, une chaîne de maxima locaux est la présence sur plusieurs niveaux de décomposition en ondelettes discrète d’un même maximum. En mesurant le nombre de maxima qui se retrouvent dans chaque niveau de décomposition, on mesure le nombre de chaînes de maxima locaux. Typiquement, la mesure est réalisée entre 64 hertz et 1024 hertz, soit sur les quatre niveaux de cette bande de fréquences. On cherche donc les maxima se répétant dans les bandes de 64 hertz à 128 hertz, puis de 128 hertz à 256hz, puis de 256 hertz à 512 hertz et enfin 512 hertz à 1024 hertz. De manière alternative, la mesure du nombre de chaînes de maxima locaux peut être effectuée sur la décomposition en ondelettes discrète.
Les deux marqueurs de signal Mi suivants sont mesurés sur l’ondelette du signal comprise dans la bande de fréquence allant de 256 hertz à 512 hertz du signal. Le premier concerne la mesure de l’indice de Kurtosis Sku sur cette ondelette. Par « Kurtosis Sku » on entend le même indicateur que celui décrit précédemment dans la demande. Le second marqueur de signal Mi mesuré sur cette ondelette est la mesure du nombre de zones d’amplitudes réduites RED de rondelette. Pour calculer le nombre de zones d’amplitudes réduites, on crée les enveloppes supérieure et inférieure du signal. Ainsi, le nombre de zones d’amplitude réduite est calculé sur les enveloppes du signal. Ceci est illustré par la figure 6 qui montre un signal et les zones d’amplitudes réduites RED détectées.
Les trois marqueurs de signal Mi suivants sont mesurés sur l’ondelette du signal comprise dans la bande de fréquence allant de 128 hertz à 256 hertz du signal. Le premier concerne la mesure de l’indice de Kurtosis Sku sur cette ondelette. Par Kurtosis Sku on entend le même indicateur que celui décrit précédemment dans la demande. Le second marqueur de signal Mi mesuré sur cette ondelette est la mesure du nombre de zones d’amplitudes réduites de l’ondelette. Le nombre de zones d’amplitude réduite est calculé de la même manière que pour le marqueur concernant rondelette du signal comprise dans la bande de fréquence allant de 256 hertz à 512 hertz du signal. Le troisième marqueur de signal concerne la mesure du RMS de rondelette dans la bande de fréquences 128 Hertz à 256 Hertz. Par RMS, ou « Root Mean Square », on entend la mesure de l’amplitude efficace du signal.
Finalement, un marqueur de signal Mi qui peut être sélectionné est mesuré sur rondelette du signal comprise dans la bande de fréquence allant de 64 à 128 hertz. Ce marqueur de signal Mi concerne la mesure de l’amplitude efficace RMS (« Root Mean Square ») du signal.
D’autres marqueurs de signal Mi peuvent être utilisés au-delà des quatorze marqueurs de signal Mi décrits. On peut par exemple utiliser des marqueurs de signal Mi qui sont des combinaisons de marqueurs de signal Mi déjà décrits.
Modalité statistique
Chaque premier descripteur électrophysiologique Di est associé à une modalité statistique MSi. Par modalité statistique MSi on entend une modalité de traitement des différentes grandeurs mesurées afin de calculer une valeur pour chaque descripteur Di.
On rappelle que pour chaque premier descripteur Di on sélectionne une zone du corps du patient Zi, un type de signal Ti (donc la manière dont on capte et utilise les signaux individuels de chaque électrode EL), et un marqueur de signal Mi. Il convient de préciser que lorsque que ces trois choix ont été faits, on mesure le marqueur de signal Mi pour le type de signal sélectionné pour chaque électrode de la zone du corps du patient Z\ disponible dans ladite zone Z\ sélectionnée. Ainsi, pour chaque descripteur Di, on obtient une pluralité de mesures de la valeur du marqueur de signal Mi. L’emploi de la modalité statistique MSi permet de transformer cette pluralité de valeurs en une valeur finale pour le descripteur Di sélectionné.
Pour chaque descripteur Di, on peut sélectionner une modalité statistique MSi parmi un ensemble de modalités statistique MSi disponibles.
Une première modalité statistique est le minimum au cinquième pourcentile des valeurs mesurées. On rappelle que l’on prend pour les valeurs l’ensemble des valeurs mesurées sur chaque électrode de la zone prédéfinie du corps du patient Zi. Pour cette modalité statistique, on prend, sur l’ensemble des valeurs mesurées, on retire les cinq pourcents de valeurs les plus basses et on sélectionne la valeur minimale sur des valeurs restantes. Cette modalité statistique présente l’avantage, en retirant les cinq pourcents de valeurs les plus basses, de supprimer des valeurs aberrantes qui pourraient fausser la représentativité de la mesure.
Une deuxième modalité statistique qui peut être sélectionnée est le maximum au 95ème pourcentile. Pour cette modalité statistique, on prend, sur l’ensemble des valeurs sélectionnées les cinq pourcents de valeurs les plus élevées. On sélectionne ensuite la valeur la plus élevée sur les valeurs restantes. Cette modalité statistique permet de ne pas prendre en compte, pour une mesure d’une valeur maximale, les valeurs aberrantes qui pourraient apparaître dans les valeurs les plus élevées mesurées. De cette manière, on dispose d’une borne haute représentative de l’ensemble des valeurs mesurées.
Une troisième modalité statistique MSi est la moyenne des valeurs mesurées. La moyenne est un indicateur classique et représentatif d’une distribution.
Une quatrième modalité statistique MSi est l’écart type calculé sur l’ensemble de valeurs mesurées. L’écart type est une valeur représentative de la dispersion des valeurs. Dans notre cas, la dispersion peut être une valeur importante, une grande variance dans les mesures effectuées pouvant être le signe d’un trouble dans l’activité cardiaque du patient.
Une cinquième modalité statistique MSi pouvant être sélectionnée est la médiane. La valeur médiane d’un ensemble de valeur est la valeur permettant de séparer l’ensemble des valeurs en deux ensembles de même taille. Cette valeur donne un enseignement qui peut varier de celui donné par la valeur moyenne, car la médiane permet de ne pas donner trop d’importance à des valeurs aberrantes proches du maximum et du minimum des valeurs mesurées.
Une sixième modalité statistique MSi est la valeur de l’interquartile. Pour calculer cette valeur, on calcule la valeur du 25ème pourcentile et a valeur du 75ème pourcentile. La valeur de l’interquartile représente la différence entre la valeur du 75ème pourcentile et la valeur du 25ème pourcentile. L’interquartile est une valeur statistique intéressante à regarder pour caractériser la distribution des valeurs mesurées.
Dispositif de mesure des valeurs des descripteurs
L’invention concerne également un dispositif de mesure des valeurs des descripteurs électrophysiologiques précédemment décrits. L’invention concerne également les moyens utilisés pour mettre en œuvre le procédé de sélection d’un sous-ensemble de descripteurs selon l’invention. Les caractéristiques décrites plus haut concernant le procédé selon l’invention s’appliquent également au dispositif selon l’invention. Les caractéristiques décrites ci-dessous pour le dispositif s’appliquent également au procédé selon l’invention.
Le dispositif de mesure des valeurs des descripteurs électrophysiologiques comporte une pluralité d’électrodes qui sont disposées sur la surface du corps du patient. Chaque électrode de surface définit une voie Vi.
Selon un mode de réalisation, le dispositif comporte des bandes adhésives comportant les électrodes de surface. Selon cet aspect, les bandes adhésives sont destinées à être collées sur la surface du corps du patient. De manière avantageuse, chaque bande adhésive comporte plusieurs électrodes de surface. Cette disposition permet de faciliter l’installation des électrodes sur le patient, l’installation d’une bande comportant plusieurs électrodes étant plus simple que celle des électrodes une par une.
Selon un aspect, le dispositif comporte un gilet ou une veste comportant la pluralité d’électrodes de mesure EL. Le gilet est destiné à être enfilé par le patient. Cette disposition permet une installation rapide du dispositif sur le patient. Selon un exemple, le dispositif comporte au moins 14 électrodes.
Le dispositif comporte un moyen de mesure du signal de chaque voie Vi. Plus précisément, le moyen de mesure est configuré pour mesurer un le potentiel électrique de chacune des voies Vi. Le moyen de mesure peut par exemple être une carte d’acquisition. La carte d’acquisition peut comporter une entrée pour recueillir un signal électrique, et un convertisseur analogique numérique pour numériser le signal acquis. Le signal numérisé est ensuite transmis à un calculateur. Le signal numérisé peut par exemple être transmis à un ordinateur qui effectue les étapes de traitement sur le signal.
Le dispositif comporte un moyen de calcul. Le moyen de calcul enregistre les mesures des voies Vi fournies par le moyen de mesure. Le calculateur traite ensuite ces données.
Le calculateur calcule la valeur de chaque descripteur D, de l’ensemble {Dk} pour chaque patient de chaque ensemble ENSi et ENS2. Ce calcul est effectué à partir des mesures des voies Vi. Le calcul est effectué conformément à la zone prédéfinie Zi, au type de signal Ti, au marqueur de signal MSi et à la modalité statistique STi sélectionnés pour le descripteur Di en question.
Le calculateur effectue ensuite les étapes de génération GEN1 du premier vecteur V1 telle que décrite précédemment. Il effectue également les étapes de génération GEN2 du vecteur descripteur Vd, de quantification QUAN de la corrélation, de première classification CLAS1, de seconde classification CLAS2, et de sélection SEL décrites dans le procédé selon l’invention. Il est apte à effectuer toutes les autres étapes de calcul décrites dans cette demande.
Selon un mode de réalisation, le dispositif comprend un dispositif de détection des phases de respiration du patient. Un tel dispositif détecte lorsque le patient est en phase d’expiration ou phase de respiration « plate ». Il détecte également lorsque le patient est en phase d’inspiration. La respiration a tendance à perturber les mesures effectuées au niveau des électrodes EL. C’est notamment le cas lors des phases d’inspiration durant lesquelles les battements cardiaques et leur mesure peuvent être affectés. De préférence, la mesure du potentiel de chaque voie V, est effectuée durant la phase d’expiration. Cette disposition permet d’éviter les perturbations engendrées par une mesure lors de phases d'inspiration. Le dispositif de détection des phases de respiration peut être connecté au calculateur. De manière alternative, il est connecté au moyen de mesure du signal de chaque voie Vi.
Selon un mode de réalisation, le dispositif de détection des phases de respiration est une ceinture de pléthysmographie. La ceinture de pléthysmographie est un moyen pratique pour effectuer ce type de détection. Nomenclature :
Di : Descripteur électrophysiologique
{Dk} : Sous-ensemble de descripteurs électrophysiologiques
{DN} : Ensemble de descripteurs électrophysiologiques
Inp : Paramètre d’entrée
Vi : Voie
Z, : Zone prédéfinie du corps du patient
Zi : Zone supérieure droite du torse du patient
Z2 : Zone supérieure gauche du torse du patient
Z3 : Zone inférieure droite du torse du patient
Z4 : Zone inférieure gauche du torse du patient
Z5 : Zone couvrant la totalité du torse du patient
Ti : Type de signal
Mi : Marqueur de signal
MSi : Modalité statistique de calcul
EL : Electrode
EL1 : Electrode centrale
ELiap : Electrode laplacienne
Bv : Bipole vertical
Bh : Bipole horizontal
DISPO : agencement d’une pluralité d’électrodes
ENR : Enregistrement d’une pluralité d’activités électriques
EST : Estimation des descripteurs
COMP : Comparaison de la valeur d’un descripteur avec une valeur seuil Vseuii : Valeur seuil CALC : Calcul d’un score Sku : Kurtosis
N : Courbe représentant une distribution normale P : Courbe plate E : Courbe élancée
1 : Courbe tendant vers la gauche
2 : Courbe tendant vers la droite RED : Zone d’amplitude réduite

Claims

REVENDICATIONS
1. Procédé mis en œuvre par ordinateur de sélection d’un sous-ensemble de premiers descripteurs électrophysiologiques ({Dk}) caractéristique d’une activité électrique cardiaque caractéristique parmi un ensemble de premiers descripteurs prédéfinis ({DN}) caractérisé en ce que chaque premier descripteur électrophysiologique (Di) est associé à au moins une voie (Vi), à un type de signal (Ti), à un marqueur de signal (Mi) et à une modalité statistique (MSi) de calcul ; au moins un premier descripteur (Di) du sous-ensemble ({Dk}) étant associé à une modalité statistique (MSi) différente de celle d’un autre premier descripteur (Dj) du sous-ensemble ({Dk}) et à un marqueur de signal (Mi) différent de celui de l’autre premier descripteur (Dj) ; le procédé comprenant un enregistrement d’une pluralité d’activités électriques définissant lesdites voies et étant caractérisé en ce qu’il comprend:
■ Estimation (EST-i) pour un premier ensemble de patients (ENS-i) non atteints d’un état prédéfini (ET-i), de valeurs de chaque descripteur (Di) de l’ensemble de descripteurs prédéfinis ({DN}) ;
■ Estimation (EST2) pour un second ensemble de patients (ENS2) atteints par l’état prédéfini (ET-i), de valeurs de chaque descripteur (Di) de l’ensemble de descripteurs prédéfinis ({DN}) ;
■ Génération (GEN1) d’un premier vecteur caractéristique de l’état de chaque patient (v-i) des premier et deuxième ensembles de patients (ENS1, ENS2) dans lequel chaque composante correspond à un état relatif à l’état prédéfini (ET-i) ;
■ Génération (GEN2) d’un vecteur descripteur (Vd) pour chaque descripteur (Di) dans un espace métrique dans lequel chaque composante correspond à la valeur du descripteur (Di) pour chaque patient ;
■ Première quantification (QUAN-i) pour chaque descripteur (Di) d’un premier facteur de proximité entre les valeurs des composantes du premier vecteur caractéristique (v-i) et les valeurs des composantes du vecteur descripteur (Vd) ; ■ Première sélection (SELi) et inclusion dans le sous-ensemble ({Dk}) d’au moins un descripteur (Di) ayant des valeurs du facteur de proximité quantifiées optimales ;
■ Seconde quantification (QIIAN2) : o d’un second facteur de proximité entre les valeurs des composantes de chaque descripteurs (Di) non sélectionné lors de l’étape de première sélection (SEL1) et les valeurs des composantes du ou des vecteurs descripteurs (Vd) sélectionnés lors de l’étape de première sélection (SEL-i) ; et o d’un troisième facteur de proximité entre les valeurs des composantes de chaque descripteurs (Di) non sélectionné lors de l’étape de première sélection (SEL1) et les valeurs de composantes du vecteur caractéristique (V1) ;
■ Seconde sélection (SEL2) et inclusion dans le sous-ensemble ({Dk}) d’au moins un nouveau descripteur (Di) en fonction de la valeur du second facteur de proximité et de la valeur du troisième facteur de proximité quantifiées lors de l’étape de seconde quantification.
2. Procédé selon la revendication précédente caractérisé en ce que les étapes de seconde quantification et de seconde sélection sont reproduites à partir des descripteurs (Di) non sélectionnés précédemment jusqu’à l’obtention d’un nombre prédéfini de descripteurs (Di) sélectionnés.
3. Procédé selon l’une quelconque des revendications précédentes caractérisé en ce que la quantification du premier facteur de proximité et/ou du second facteur de proximité, et/ou du troisième facteur de proximité est un calcul de corrélation de vecteurs entre eux.
4. Procédé selon l’une quelconque des revendications précédentes caractérisé en ce que l’étape de seconde quantification comporte une étape de projection, dans un premier plan (Pi) orthogonal au ou aux vecteurs descripteurs (Vd) associés au derniers descripteurs (Di) sélectionnés, de chaque vecteur descripteur (Vd) non sélectionné et du vecteur caractéristique (V-i) ; en ce que la quantification du troisième facteur de proximité et effectuée à partir des composantes des projection des vecteurs projetés ; et en ce que la seconde sélection est effectuée en fonction du troisième facteur de proximité uniquement.
5. Procédé selon l’une quelconque des revendications 2 à 4 caractérisé en ce que le nombre prédéfini de descripteurs sélectionnés est déterminé en testant l’efficacité d’un ensemble de « n » premiers descripteurs sélectionnés à caractériser une activité électrique donnée, « n » correspondant au nombre de descripteurs pris dans les descripteurs sélectionnés, en partant du premier au nième descripteur sélectionné, et en incrémentant la valeur de n par pas de 1.
6. Procédé selon l’une quelconque des revendications précédentes caractérisé en ce que l’ensemble {DN} comporte au moins un deuxième descripteur géographique associé à plusieurs voies (Vi) et plusieurs groupes géographiques, chaque groupe géographique étant formé par une voie (Vi) centrale et les au moins quatre voies (Vi) à proximité de la voie centrale, la valeur du descripteur électrophysiologique (Di) étant déterminée :
• En comparant la valeur, pour chaque groupe géographique, de la mesure de chaque voie (Vi) suivant le type de signal et le marqueur de signal sélectionnés avec au moins une valeur seuil géographique propre audit descripteur électrophysiologique et à ladite voie (Vi) ; et
• En comptant le nombre de groupes géographiques pour lesquels la valeur d’au moins trois voies dépasse la valeur seuil géographique qui lui est propre.
7. Procédé selon l’une quelconque des revendications précédentes caractérisé en ce que pour chaque premier descripteur (Di), la au moins une voie (Vi) est issue d’une zone prédéfinie (Zi) sur le corps du patient est choisie entre :
• Une zone supérieure droite du torse ;
• Une zone supérieure gauche du torse ; • Une zone inférieure droite du torse ;
Une zone inférieure gauche du torse ; et La totalité du torse du patient.
8. Procédé selon l’une quelconque des revendications précédentes caractérisé en ce que pour chaque descripteur (Di), le type de signal
(Ti) analysé est choisi entre :
Un signal unipolaire pris entre une électrode de la zone du corps choisie et une électrode de référence ;
Un signal bipolaire vertical pris entre deux électrodes de la zone donnée, l’une des deux électrodes étant décalée suivant une ligne verticale par rapport à l’autre électrode ;
Un signal bipolaire horizontale pris entre deux électrodes de la zone donnée, l’une des deux électrodes étant décalée suivant une ligne horizontale par rapport à l’autre électrode ; et Un signal laplacien estimé en soustrayant au potentiel d’une électrode centrale la moyenne de la tension des huit électrodes directement à proximité de ladite électrode centrale.
9. Procédé selon l’un quelconque des revendications précédentes caractérisé en ce que pour au moins un descripteur (Di), le marqueur de signal (Mi) est la mesure du voltage d’un signal moyenné.
10. Procédé selon l’un quelconque des revendications précédentes caractérisé en ce que pour au moins un descripteur (Di), le marqueur de signal (Mi) est la mesure, sur le signal moyenné et filtré entre 40 et 250 Hertz, de la durée de dépolarisation des ventricules (QRS) ou de la fragmentation du signal durant la dépolarisation des ventricules.
11. Procédé selon l’une quelconque des revendications précédentes caractérisé en ce que pour au moins un descripteur (Di), le marqueur de signal (Mi) est la mesure sur la décomposition en ondelettes discrètes du signal : · De l’énergie de la somme des ondelettes ;
Du Kurtosis ;
Du coefficient d’asymétrie de Fisher ; ou • Du nombre de minima locaux.
12. Procédé selon l’une quelconque des revendications précédentes caractérisé en ce que pour au moins un descripteur (Di), le marqueur de signal (Mi) est la mesure sur la décomposition en ondelettes continues du signal du nombre de chaînes de maxima locaux.
13. Procédé selon l’une quelconque des revendications précédentes caractérisé en ce que pour au moins un descripteur (Di), le marqueur de signal (Mi) est :
• Soit la mesure sur rondelette prise entre 256 et 512 hertz du signal : i. Du Kurtozis ; ou ii. Du nombre de zones d’amplitudes réduites ;
• Soit la mesure sur rondelette prise entre 128 et 256 hertz du signal : iii. Du Kurtozis ; iv. Du nombre de zones d’amplitudes réduites ; ou v. Du RMS (Root Mean Square) ;
• Soit la mesure sur rondelette prise entre 64 et 128 hertz du RMS (Root Mean Square).
14. Procédé selon l’une quelconque des revendications précédentes caractérisé en ce que pour chaque premier descripteur (Di), la modalité statistique est choisie parmi :
• Le minimum au cinquième pourcentile des valeurs mesurées du signal sur chaque électrode de la zone prédéfinie (Zi) ;
• Le maximum au quatre-vingt-quinzième pourcentile des valeurs mesurées du signal sur chaque électrode de la zone prédéfinie (Zi) ;
• La moyenne des valeurs mesurées du signal sur chaque électrode de la zone prédéfinie (Zi) ;
• L’écart type des valeurs mesurées du signal sur chaque électrode de la zone prédéfinie (Zi) ;
• La médiane des valeurs mesurées du signal sur chaque électrode de la zone prédéfinie ; et
• L’interquartile des valeurs mesurées du signal sur chaque électrode de la zone prédéfinie (Zi).
15. Dispositif de sélection d’un sous-ensemble ({Dk}) de descripteurs électrophysiologiques (Di) caractérisé en ce qu’il comporte :
• une pluralité d’électrodes de surface configurées pour être déposées sur le corps d’un patient et pour mesurer un potentiel électrique de la surface du corps du patient, chaque électrode de surface définissant une voie (Vi) ;
• un moyen de mesure du signal de chaque voie (Vi) ;
• au moins un moyen de calcul configuré pour : i. Estimer (EST-i) pour un premier ensemble de patients (ENSi) non atteints d’un état prédéfini (ET-i), des valeurs de chaque descripteur électrophysiologique (Di) d’un l’ensemble de premiers descripteurs prédéfinis ({DN}), chaque premier descripteur étant associé à au moins une voie (Vi), à un type de signal (Ti), à un marqueur de signal (Mi) et à une modalité statistique (MSi) de calcul ; au moins un premier descripteur (Di) du sous-ensemble ({Dk}) étant associé à une modalité statistique (MSi) différente de celle d’un autre premier descripteur (Dj) du sous-ensemble ({Dk}) et à un marqueur de signal (Mi) différent de celui de l’autre premier descripteur (Dj) ; ii. Estimer (EST2) pour un second ensemble de patients (ENS2) atteints par l’état prédéfini (ET-i), des valeurs de chaque descripteur (Di) de l’ensemble de descripteurs prédéfinis ({DN}) ; iii. Générer (GEN1) un premier vecteur caractéristique de l’état de chaque patient (v-i) des premier et deuxième ensembles de patients (ENS1, ENS2) dans lequel chaque composante correspond à un état relatif à l’état prédéfini (ET!) ; iv. Générer (GEN2) un vecteur descripteur (Vd) pour chaque descripteur (Di) dans un espace métrique dans lequel chaque composante correspond à la valeur du descripteur (Di) pour chaque patient ; v. Quantifier (QUAN-i) pour chaque descripteur (Di) un premier facteur de proximité entre les valeurs des composantes du premier vecteur caractéristique (v-i) et les valeurs des composantes du vecteur descripteur (Vd) ; vi. Sélectionner (SELi) et inclure dans le sous-ensemble ({Dk}) au moins un descripteur (Di) ayant des valeurs du facteur de proximité quantifiées optimales ; vii. Quantifier (QIIAN2) :
- un second facteur de proximité entre les valeurs des composantes de chaque descripteurs (Di) non sélectionné lors de l’étape de première sélection (SEL-i) et les valeurs des composantes du ou des vecteurs descripteurs (Vd) sélectionnés lors de l’étape de première sélection (SEL1) ; et
- un troisième facteur de proximité entre les valeurs des composantes de chaque descripteurs (Di) non sélectionné lors de l’étape de première sélection (SEL-i) et les valeurs de composantes du vecteur caractéristique (V1) ; viii. Sélectionner (SEL2) et inclure dans le sous-ensemble ({Dk}) au moins un nouveau descripteur (Di) en fonction de la valeur du second facteur de proximité et de la valeur du troisième facteur de proximité quantifiées lors de l’étape de seconde quantification.
16. Dispositif de sélection d’un sous-ensemble ({Dk}) de descripteurs électrophysiologiques (Di) caractérisé en ce qu’il comprend une pluralité d’électrode, un récepteur des signaux mesurés par les électrodes, une mémoire pour enregistrer les données mesurées et un calculateur permettant de réaliser des opérations et des traitements sur les données mesurées, le dit dispositif comportant des moyens configurés pour mettre en œuvre le procédé de l’une quelconque des revendications 1 à 14.
EP22718205.2A 2021-03-25 2022-03-25 Procede de selection de descripteurs electrophysiologiques Pending EP4315352A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2103047A FR3121029B1 (fr) 2021-03-25 2021-03-25 Procede de selection de descripteurs electrophysiologiques
PCT/EP2022/057991 WO2022200602A1 (fr) 2021-03-25 2022-03-25 Procede de selection de descripteurs electrophysiologiques

Publications (1)

Publication Number Publication Date
EP4315352A1 true EP4315352A1 (fr) 2024-02-07

Family

ID=76283892

Family Applications (1)

Application Number Title Priority Date Filing Date
EP22718205.2A Pending EP4315352A1 (fr) 2021-03-25 2022-03-25 Procede de selection de descripteurs electrophysiologiques

Country Status (4)

Country Link
US (1) US12569182B2 (fr)
EP (1) EP4315352A1 (fr)
FR (1) FR3121029B1 (fr)
WO (1) WO2022200602A1 (fr)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6217525B1 (en) * 1998-04-30 2001-04-17 Medtronic Physio-Control Manufacturing Corp. Reduced lead set device and method for detecting acute cardiac ischemic conditions
GB0624085D0 (en) * 2006-12-01 2007-01-10 Oxford Biosignals Ltd Biomedical signal analysis method

Also Published As

Publication number Publication date
WO2022200602A1 (fr) 2022-09-29
US20240148306A1 (en) 2024-05-09
FR3121029B1 (fr) 2023-08-11
US12569182B2 (en) 2026-03-10
FR3121029A1 (fr) 2022-09-30

Similar Documents

Publication Publication Date Title
Kim et al. Automatic spike detection based on adaptive template matching for extracellular neural recordings
EP3586339A1 (fr) Procédé, dispositif et programme pour déterminer au moins un réseau cérébral impliqué dans une réalisation d'un processus donné
EP1898783B1 (fr) Systeme et procede d'analyse electrophysiologique
EP1419733B1 (fr) Dispositif d'analyse d'un signal, notamment d'un signal physiologique tel qu'un signal ECG
EP3320480A1 (fr) Procede de construction d'une structure de donnees representative d'une reorganisation dynamique d'une pluralite de reseaux cerebraux, dispositif et programme correspondant
CN107714025A (zh) 分类ecg信号
CN114983415B (zh) 基于面部视频的工作记忆负荷水平识别方法
CN120563339B (zh) 一种舌面诊测信息采集诊断分析方法及系统
WO2024003509A1 (fr) Dispositif de détermination d'une longueur de cycle d'activation cardiaque
EP3422935B1 (fr) Procede de detection d'elements d'interet dans des signaux electrophysiologiques et detecteur
FR3053237A1 (fr) Dispositif de detection d'au moins un trouble du rythme cardiaque
WO2022200602A1 (fr) Procede de selection de descripteurs electrophysiologiques
EP1637075A1 (fr) Procédé et dispositif d'évaluation de la douleur chez un être vivant
FR3121027A1 (fr) Méthode et dispositif de detection d’une activite electrique cardiaque representative
FR3079405A1 (fr) Dispositif informatique de detection de troubles du rythme cardiaque
CH627358A5 (fr) Procede et appareillage d'analyse rapide d'un enregistrement electrocardiographique sur bande.
FR2983055A1 (fr) Detection et estimation du complexe qrs pour le suivi d'une activite cardiaque et pulmonaire
Guan et al. A Deep-Learning-based Cardiac Sound Segmentation Method for Smart Auscultation Applications
US20150045683A1 (en) Electrocardiography signal extraction method
EP3547911B1 (fr) Procedes et dispositifs de determination d'un signal synthetique d'une activite bioelectrique
EP1459214B1 (fr) Procede de caracterisation d un signal sonore
FR3128111A1 (fr) Procédé de sélection de portion de signal encéphalographique, dispositifs et programme correspondant
FR3157092A1 (fr) Procede de reconstruction d’un ecg en temps reel a partir d’un signal ppg
WO2025120144A1 (fr) Procédé de détermination de l'état d'un individu par rapport à des états de référence
CN121033661A (zh) 作物长势评估方法、装置、电子设备及存储介质

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: 20231018

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

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)