FR3070590B1 - Methode d'evaluation de maturation d'un bebe premature et systeme associe - Google Patents
Methode d'evaluation de maturation d'un bebe premature et systeme associe Download PDFInfo
- Publication number
- FR3070590B1 FR3070590B1 FR1700895A FR1700895A FR3070590B1 FR 3070590 B1 FR3070590 B1 FR 3070590B1 FR 1700895 A FR1700895 A FR 1700895A FR 1700895 A FR1700895 A FR 1700895A FR 3070590 B1 FR3070590 B1 FR 3070590B1
- Authority
- FR
- France
- Prior art keywords
- maturation
- representative
- baby
- indices
- index
- 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.)
- Active
Links
- 230000035800 maturation Effects 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title abstract description 35
- 206010036590 Premature baby Diseases 0.000 title description 6
- 230000002123 temporal effect Effects 0.000 claims abstract description 14
- 230000000007 visual effect Effects 0.000 claims abstract description 10
- 238000005070 sampling Methods 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000015654 memory Effects 0.000 description 9
- 230000000747 cardiac effect Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 210000003754 fetus Anatomy 0.000 description 3
- 238000002955 isolation Methods 0.000 description 3
- 230000002028 premature Effects 0.000 description 3
- 230000005070 ripening Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 101100004933 Arabidopsis thaliana CYP79F1 gene Proteins 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000002669 amniocentesis Methods 0.000 description 1
- 230000002567 autonomic effect Effects 0.000 description 1
- 210000003403 autonomic nervous system Anatomy 0.000 description 1
- 230000003906 autonomic nervous system functioning Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000035606 childbirth Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000004700 fetal blood Anatomy 0.000 description 1
- 230000001605 fetal effect Effects 0.000 description 1
- 210000002458 fetal heart Anatomy 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000001734 parasympathetic effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 238000000718 qrs complex Methods 0.000 description 1
- 210000001013 sinoatrial node Anatomy 0.000 description 1
- 238000012109 statistical procedure Methods 0.000 description 1
- 230000002889 sympathetic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02405—Determining heart rate variability
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
-
- 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
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
- A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/02—Foetus
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/04—Babies, e.g. for SIDS detection
- A61B2503/045—Newborns, e.g. premature baby monitoring
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02411—Detecting, measuring or recording pulse rate or heart rate of foetuses
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/366—Detecting abnormal QRS complex, e.g. widening
Abstract
L'invention concerne une méthode non-invasive de détermination de la maturation d'un bébé comprenant un échantillonnage d'un signal cardiaque du bébé et opérant avantageusement une conversion d'une pluralité d'échantillons temporels (RRi) en un graphe de visibilité (GV), puis une détermination d'au moins un indice (ASSOR) à partir de ce graphe de visibilité (GV), une comparaison d'au moins un indice déterminé (ASSOR) avec un ou plusieurs indices statistiques (ATi, Pmi, Epi) représentatifs de la maturation d'une pluralité de bébés nés à terme et une représentation visuelle d'une distance (D) entre au moins un indice déterminé (A) et les indices statistiques (ATi, Pmi, Epi).
Description
METHODE D’EVALUATION DE LA MATURATION D’UN BEBE PREMATURE ET SYSTEME ASSOCIE 1. Domaine de l’invention.
La présente invention concerne une méthode d’évaluation d’un niveau de maturation d’un bébé prématuré à partir d’éléments statistiques. 2. Etat de l’art.
Il est connu que le système nerveux autonome agit sur beaucoup d’organes, dont le cœur et que la variabilité cardiaque reflète l’influence du système autonome sur le cœur. La variabilité de la fréquence cardiaque, encore appelée VFC, est une mesure pratique, non-invasive et reproductible de la fonction du système nerveux autonome. Bien que le cœur soit relativement stable, les temps entre deux battements cardiaques peuvent être très différents. La VFC est la variation dans le temps de battements cardiaques consécutifs. Elle est censée correspondre à l’équilibre entre les influences sympathique et parasympathique sur le rythme intrinsèque du nœud sino-auriculaire. La mesure de la VFC est d’un grand intérêt dans la pratique médicale pour prédire et évaluer des risques cardio-métaboliques.
Chez le fœtus, l’analyse du rythme cardiaque est utile pour détecter une anomalie pouvant survenir soit lors de la grossesse, soit lors de l’accouchement. L’analyse du rythme cardiaque fœtal se base généralement sur quatre critères : le rythme de base, la variabilité de ce rythme de base, les accélérations et la présence éventuelle de ralentissement. D’autres outils sont connus et participent à l’appréciation de la maturation du fœtus. Ainsi l’échographie obstétricale, l’échographie doppler aident à l’établissement de scores biophysiques d'évaluation d’un état fœtal. D’autres moyens existent mais qui ont l’inconvénient d’être invasifs, tels que, par exemple, l’amniocentèse ou la ponction de sang fœtal.
Si la maturation d’un foetus peut-être évaluée par les moyens décrits ci-avant, il est également important et appréciable de pouvoir évaluer la maturation d’un bébé après la naissance. L’appréciation de la maturation d’un nouveau-né prématuré se révèle précieuse et peut être améliorée. 3. Résumé de l’invention. L’invention permet d’améliorer au moins certains des inconvénients de l’art antérieur en proposant une méthode de détermination d’un indice permettant d’évaluer objectivement la maturation des bébés ainsi qu’un système adapté à la mise en oeuvre de la méthode.
Ainsi l’invention concerne une méthode non-invasive de détermination de la maturation d’un bébé comprenant un échantillonnage d’un signal cardiaque du bébé considéré, lequel échantillonnage est constitué d’une suite d’échantillons temporels définissant respectivement des intervalles de temps qui séparent deux battements cardiaques successifs, à partir d’un électrocardiogramme réalisé sur le bébé, la méthode comprenant notamment : - une conversion de la pluralité d’échantillons temporels en données représentatives d’un graphe de visibilité, - une détermination d’au moins un indice (une valeur) à partir desdites données représentatives du graphe de visibilité précédemment réalisé, - une comparaison de cet au moins un indice déterminé avec un ou plusieurs indices statistiques prédéfinis et représentatifs de la maturation d’une pluralité de bébés nés à terme, - une représentation visuelle d’une distance (ou d’une grandeur représentative de cette distance) entre au moins l’indice déterminé à partir des données représentatives du graphe de visibilité et les plusieurs indices statistiques. L’invention concerne également un système de détermination de la maturation d’un bébé comprenant un échantillonnage d’un signal cardiaque du bébé (acquisition du signal électrocardiographique du bébé et sa conversion en une nouvelle série), l’échantillonnage étant constitué d’une suite d’échantillons temporels définissant respectivement des intervalles de temps qui séparent deux battements cardiaques successifs, le système comprenant notamment : - un module de conversion d’une pluralité d’échantillons temporels du signal cardiaque du bébé en données représentatives d’un graphe de visibilité instancié dans le système, - un module de détermination d’au moins un indice (ou valeur) à partir des données représentatives du graphe de visibilité instancié, - un module d’analyse adapté à la comparaison de cet au moins un indice déterminé avec un ou plusieurs indices statistiques représentatifs de la maturation d’une pluralité de bébés nés à terme, et, - un module de représentation visuelle d’une grandeur représentative d’une distance entre l’au moins un indice déterminé et les plusieurs indices statistiques prédéfinis représentatifs de la maturation d’une pluralité de bébés nés à terme.
Selon un mode de réalisation de l’invention, la méthode comprend la détermination d’au moins un indice linéaire représentatif de la variabilité de la fréquence cardiaque.
Selon un mode de réalisation de l’invention, la méthode comprend la détermination d’au moins un indice non-linéaire de la variabilité de la fréquence cardiaque. L’invention concerne aussi un produit programme d’ordinateur comprenant des instructions de code de programme pour exécuter les étapes de la méthode décrite ci-avant lorsque ce programme est exécuté sur un ordinateur.
Avantageusement, la mise en œuvre de la méthode selon l’invention permet la détection d’infection chez le bébé dont les données représentatives de la variabilité de sa fréquence cardiaques sont analysées.
Avantageusement encore, la méthode peut être utilisée pour l’évaluation de risques cardiaques chez un adulte tout au long de sa vie, par exemple. 4. Liste des figures. L’invention sera mieux comprise, et d’autres particularités et avantages apparaîtront à la lecture de la description qui va suivre, la description faisant référence aux dessins annexés parmi lesquels : - la figure 1 est un diagramme de représentation d’étapes de la méthode selon un mode de réalisation particulier et non limitatif de l’invention. - la figure 2 représente un système adapté à la mise en œuvre de la méthode illustrée par la figure 1, selon un mode particulier et non limitatif de l’invention. - la figure 3 illustre le principe des graphes de visibilité astucieusement utilisé dans la méthode d’évaluation de la maturité d’un bébé selon l’invention. 5. Description détaillée de modes de réalisation de l’invention.
La figure 1 est un diagramme de représentation d’étapes de la méthode selon un mode de réalisation particulier et non limitatif de l’invention. L’étape SO est une étape d’initialisation de la méthode au terme de laquelle un système mettant en œuvre la méthode est configuré pour opérer à partir des données représentatives d’un signal cardiaque d’un bébé constitué d’une suite d’échantillons temporels RRi définissant respectivement des intervalles de temps qui séparent deux battements cardiaques successifs. L’étape SO constitue, outre l’initialisation et la configuration des différents éléments du système, un enregistrement et un prétraitement de signaux analogiques prélevés au cours d’un électrocardiogramme réalisé sur le bébé sujet à une analyse visant à déterminer son degré de maturation. Les intervalles RRi sont extraits par la mise en œuvre d’un algorithme similaire à celui de Pan et Tompkins, qui détecte les complexes QRS en fonction des analyses numériques de la pente, de l'amplitude et de la largeur du signal ECG. En mettant en œuvre des coefficients de filtrage spécifiquement adaptés aux nouveaux nés. Selon un mode de réalisation particulier et non limitatif de l’invention, une fenêtre glissante de cinq minutes avec chevauchement de 50% est utilisée. Les paramètres de la variabilité cardiaque sont calculés sur des segments temporels (intervalles de temps) de cinq minutes sélectionnés comme les segments les plus stationnaires chaque trente minutes. Selon un mode de réalisation de l’invention, des filtres de Kaplan sont utilisés pour éliminer certains artefacts de la série RRi numérisée.
Au terme de la configuration que constitue l’étape SO, une suite de données RRi est enregistrée dans une mémoire du système mettant en œuvre la méthode. L’étape S1 constitue une conversion de la pluralité d’échantillons temporels RRi ainsi rendus disponibles en mémoire en données représentatives d’un graphe de visibilité GV. Chacun des points de la série temporelle RRi est transformé en un nœud du graphe de visibilité alors instancié dans la mémoire du système. Des connectivités entre les différents nœuds sont déterminés par un critère de visibilité tel que :
Deux nœuds quelconques (f,·, y,) et (tj, yj) deviennent connectés si un autre nœud (tk, yk) tel que ti<tk<tj remplit le critère suivant :
[1]
Le nombre de lien de (f,, y,) est représenté par le degré k(i).
Un graphe de visibilité représentant une série temporelle RRi se caractérise par sa séquence de degrés (soit le nombre de liens connectés à un nœud), la moyenne de la séquence MD_V et la répartition du degré. Luque et al. [B. Luque et al, « Horizontal visibility graphe: exact results for random time sériés », ArXivI 0024526 Cond-Mat Physicsphysics, févr. 2010] ont introduit la visibilité horizontale VH, qui est un sous ensemble du graphe de visibilité GV, et dans laquelle (f„ y) et (tj, yj) sont connectés si :
[2]
Un nouveau graphe de visibilité VD peut alors être obtenu en effectuant la différence entre les liens du graphe de visibilité GV et les liens de la visibilité horizontale VH. Ainsi, la moyenne de la séquence de VD est égale à :
Selon un mode de réalisation de l’invention, du graphe de visibilité GV sont extraits des coefficients (indices) le caractérisant. Cela revient à dire qu’en fonction des connexions entre les nœuds du réseau découlant du graphe de visibilité GV on calcule un ou plusieurs indices qui caractérisent ce réseau de nœuds. Il peut s’agir de l’assortativité ASSOR ou encore de la transitivité TRANS, à titre d’exemples non-limitatifs. Cette méthode est
valable dès lors que les durées d’observation sont les mêmes pour la définition des paramètres préenregistrés représentant une cohorte de bébés et le ou les indices caractérisant la maturité d’un bébé considéré isolément. L’étape S2 est une étape de détermination d’un ou plusieurs indices qui caractérisent un réseau défini par l’ensemble des nœuds obtenus. Par exemple, des indices d’assortativité ASSORT et de transitivité TRANS sont déterminés. L’assortativité ASSOR constitue une mesure globale équivalente à la corrélation de Pearson entre les degrés de chacun des couples de nœuds, il fournit des informations sur le comportement dynamique du réseau et la transitivité TRANS quantifie à quel point les voisins d’un nœud sont connectés et reflète donc la densité du réseau. L’étape S3 constitue une comparaison d’au moins l’indice déterminé à l’étape S2 avec un ou plusieurs indices statistiques (ATi, Pmi, Epi) représentatifs de la maturation d’une pluralité de bébés. Selon un mode de réalisation de l’invention, les indices ATi sont des indices statistiques qui représentent une cohorte de bébés nés à terme, les indices Pmi sont des indices statistiques qui représentent une cohorte de bébés nés prématurés et les indices Epi sont des indices statistiques qui représentent une cohorte de bébés nés extrêmement prématurés. Ces indices sont appris sur une cohorte représentative d’une population de bébés, précédemment à une analyse mettant en œuvre la méthode mais ciblée sur un sujet bébé considéré isolément (visant à déterminer son degré de maturité), et en procédant selon la méthode pour chacun des sujets de la cohorte considérée. L’étape S4 constitue une représentation visuelle d’une distance D ou d’une grandeur représentative de cette distance D entre au moins un indice déterminé et plusieurs indices prédéfinis par analyse statistique, enregistrés dans la mémoire du système.
La représentation peut être graphique, de type graphe en étoile, ou point en superposition de zones d’un espace qui sont respectivement représentatives de degrés de maturité, ou de type « bargraph » indiquant un degré de maturité entre des extrêmes « à terme » et « très prématuré », à titres d’exemples. Cette liste d’exemples étant bien évidemment non-exhaustive.
Selon un mode de réalisation particulier et non limitatif de l’invention, la méthode de représentation visuelle s’appuie sur un ou plusieurs graphes faisant apparaître un point en superposition d’une ou plusieurs zones représentatives d’un état, tel que, par exemple, un degré de pré maturation ou de maturation et rendant possible une classification ou une tendance parmi ou vers des degrés prédéterminés de maturation.
Avantageusement, la représentation utilise des graphes dits « boites à moustache » communément utilisées dans la représentation de grandeurs statistiques.
En d’autres termes, l’étape S3 constitue une comparaison des indices déterminés à l’étape S2 et qui sont obtenus par des opérations mettant en œuvre un graphe de visibilité (et le réseau de nœuds en correspondance) et des indicateurs prédéterminés et précédemment enregistrés dans la mémoire du système, décrivant la variabilité de la fréquence cardiaque (indices temporels, fréquentiels et non linéaires). Ces indices sont calculés à partir de cohortes de bébés prématurés et des bébés nés à terme, représentatifs de la population en termes de maturation, avant l’analyse décrite selon la méthode de l’invention appliquée à un sujet nouveau-né considéré isolément. L’étape S4 constitue une représentation visuelle d’une distance D ou d’une grandeur représentative de cette distance D entre le ou les indices déterminés par la méthode selon l’invention et un ensemble déterminé d’indices similaires prédéfinis et préenregistrés.
Selon un mode de réalisation particulier et non limitatif de l’invention, la méthode de représentation visuelle s’appuie sur une procédure statistique qui utilise une transformation linéaire orthogonale pour convertir l’ensemble des indices venant des bébés nés à terme en un nouvel espace où les informations sont résumées en gardant la plus grande variance, faisant apparaître une ou plusieurs zones représentatives d’un état, tel que, par exemple, un degré de pré-maturation ou de maturation. Les bébés prématurés sont ensuite projetés sur cet espace comme des individus supplémentaires en rendant possible une classification parmi des degrés prédéterminés de maturation.
Avantageusement, la représentation utilise des graphes dits « boites à moustache » communément utilisées dans la représentation de grandeurs statistiques.
Sur la figure 2, les modules représentés sont des unités fonctionnelles, qui correspondent ou non à des unités physiquement distinguables. Par exemple, ces modules ou certains d’entre eux sont regroupés dans un unique composant, ou constitués des fonctionnalités d’un même logiciel. A contrario, selon d’autres modes de réalisation, certains modules sont composés d’entités physiques séparées.
La figure 2 représente un système SYS de détermination de la maturation d’un bébé à partir d’un échantillonnage d’un signal cardiaque du bébé sujet à l’analyse. Le système SYS comprend une unité de contrôle adaptée à la réalisation d’opérations classiques d’acquisition et de traitements de signaux et de données analogiques et numériques, d’opérations de calcul d’analyse numérique et statistique ainsi qu’à toute autre opération classiquement effectuée par un ordinateur. L’unité de contrôle et d’analyse CTRL comprend un ou plusieurs microcontrôleurs internes ainsi qu’une interface de connexion à un bus partagé rapide, bidirectionnel et multiplexé BUS1. Le système SYS comprend également un module ADC de conversion de signaux analogiques en données numériques, un module CONVERTER d’analyse numérique et de calcul configuré pour la mise en œuvre d’opérations sur des données instanciant un ou plusieurs graphes de visibilités, un module COMPAR configuré pour la comparaison d’indices ou indicateurs déterminés avec des indices ou indicateurs statistiques préalablement enregistrés dans le système SYS, un module mémoire de travail MEM adapté au stockage temporaire de données utiles à des opérations statistiques ainsi qu’un module de mémoire non-volatile adapté au stockage de codes logiciels correspondant à des programmes et algorithmes ainsi qu’à des données statistiques prédéfinies, préenregistrées et issues d’opérations statistiques antérieures à la mise en œuvre de la méthode selon l’invention. Le module ADC est en capacité de convertir des signaux analogiques en provenance d’une pluralité de sondes P1, P2, ... Pn utilisées pour la réalisation d’électrocardiogrammes, et en particulier adaptés à la pratique d’électrocardiogrammes sur un nouveau né. Le module ADC comprend également un ou plusieurs filtres configurés pour l’élimination de bruits parasites lors de séquences d’enregistrement de signaux constituant un électrocardiogramme. Bien évidemment, le système SYS comprend également l’ensemble des éléments habituels d’un système à microcontrôleur, tels que, à titre d’exemples non-limitatifs, des circuits d’alimentations, des interfaces de puissance, un ou plusieurs circuits d’horloges, un ou plusieurs circuits de remise à zéro, des ports d’entrées-sorties, des entrées d’interruptions, des modules de gestion de partages de bus et de modules mémoires.
Le système SYS comprend enfin un module d’affichage DISP comprenant un écran haute-résolution adapté à la représentation d’objets graphiques et textuels, en couleur, et pourvu d’une interface de sortie audio comprenant un dispositif générateur de sons. L’ensemble des éléments constituant l’architecture du cœur numérique du système SYS n’est pas décrit ici plus en détails, car bien connu de l’homme du métier des dispositifs numériques de traitement du signal et du calcul, et dans le mesure où ces éléments ne sont pas utiles à la compréhension de l’invention présentée.
Lorsque le système SYS est utilisé pour la mise en oeuvre de la méthode selon l’invention, des signaux analogiques représentatifs des battements cardiaques d’un bébé prématuré sont relevés lors d’un électrocardiogramme et transmis au module ADC par l’intermédiaire des sondes P1, P2, ... Pn. Ces signaux sont alors traités par le modules ADC et convertis en une suite d’échantillons temporels RRi définissant respectivement des intervalles de temps qui séparent deux battements cardiaques successifs d’un bébé prématuré, sujet à une analyse en vue de déterminer son degré de maturation. Les échantillons temporels RRi sont stockés dans une zone de la mémoire vive MEM réservée à cet effet.
Le module de conversion CONVERTER traduit ensuite la pluralité d’échantillons temporels RRi en données représentatives du graphe de visibilité GV précédemment décrit et détermine au moins un indicateur à partir de ces données. Le module COMPAR opère des comparaisons entre au moins l’indicateur prédéterminé et un ou plusieurs indices statistiques représentatifs de la maturation d’une pluralité de bébés nés à terme, ces indices statistiques étant préenregistrés dans une zone dédiée de la mémoire NVMEM non-volatile. Chacun des modules CONVERTER, COMPAR et DISP comprend sa propre unité de contrôle et de traitement, similaire à celle déjà décrite et implémentée dans le module CTRL. Le module CTRL opère cependant une supervision de l’ensemble des opérations du système en exécutant notamment les algorithmes correspondants à partir de routines exécutables dont le code est stocké en mémoire non-volatile NVMEM.
Une fois que les opérations précédemment décrites ont étés successivement réalisées sous contrôle logiciel et par la mise en oeuvre du module de contrôle CTRL, le module de représentation visuelle DISP procède à l’affichage d’une grandeur représentative d’une distance D déterminée par le module COMPAR entre au moins l’indice déterminé par le module CONVERTER travaillant sur le graphe de visibilité et les plusieurs indices statistiques préenregistrés.
Avantageusement, le module DISP affiche un ou plusieurs graphes permettant de positionner un point définissant la maturation du bébé prématuré sujet à l’analyse par rapport à un ensemble de points représentatifs de niveaux de maturation prédéterminés et préenregistrés dans le système.
Selon une variante, le module DISP, sous contrôle du module CTRL, affiche le niveau de maturation déterminé par la méthode et associé au bébé sujet de l’analyse en surbrillance sur une échelle de valeurs de maturation prédéfinie.
La figure 3 comprend deux représentations schématiques des graphes de visibilité tels qu’utilisés par la méthode décrite.
Le côté gauche de la figure 3, référencé a) illustre un graphe de visibilité verticale. Deux points arbitraires (f/,y,) et (fy,yv) de la série temporelle deviendront deux nœuds connectés du graphe (réseau de nœuds) associé si un point arbitraire (tk,yk) placé entre eux remplit le critère suivant:
Le côté droit de la figure 3, référencé b) illustre un graphe de visibilité horizontale pour lequel deux points arbitraires (i/,y>) et (fy,yy) de la série temporelle deviendront deux nœuds connectés du graphe (réseau de nœuds) associé s’ils sont plus grands que tous les points qui sont entre eux.
La condition de visibilité est donc la suivante:
D’autres paramètres peuvent être calculés avec la méthode des graphes de visibilité, qui sont les degrés de distribution. De façon théorique, un degré de distribution DD est la probabilité qu’un point quelconque ait un indice de visibilité x. Pour le calculer on compte le nombre de points ayant x pour degré de visibilité et on le divise par le nombre total de points.
Selon un mode de réalisation préféré de l’invention ces degrés ont été calculés pour des fenêtres temporelles d’analyse de trente secondes.
Il est alors possible d’obtenir un tableau de DD pour chaque fenêtre d’analyse, soit par exemple cent vingt tableaux pour une heure d’enregistrement. Ces tableaux renvoient le décompte des indices et non une probabilité. Les données disponibles sont alors multipliées par un coefficient afin de normaliser les résultats sur la base d’un enregistrement d’une heure.
Ainsi, à partir de ces graphes de visibilité et des réseaux de nœuds correspondants sont calculés des indices de visibilité tels que, à titre d’exemple, l’assortativité ASSOR, la transitivité TRANS ou le degré moyen de la séquence. Avantageusement ces indices constituent une estimation précieuse des propriétés dynamiques du réseau complexe formé par la variabilité cardiaque du sujet soumis à une analyse par la mise en œuvre de la méthode selon l’invention. L’assortativité ASSOR et la transitivité TRANS sont définies tel que :
La transitivité TRANS peut être exprimée par :
Tri(G) étant l'ensemble de tous les triangles dans le graphe GV et
Tri(N) étant l'ensemble de tous les triangles possibles en considérant tous les noeuds du graphe GV. L’assortativité ASSOR peut être exprimée par :
ji et ki étant les degrés des nœuds à la fin du ième lien, avec / = 1, ..., Mlien.
Un degré est le nombre de liens à chaque nœud.
Pour chaque lien (/ ) il y a deux nœuds qui y sont connectés et ji est le degré du premier nœud et ki est le degré de l'autre nœud.
Les modes de calculs des indices ainsi appliqués ne sont pas décrits plus en détails car bien connu de l’homme du métier des opérations statistiques et de la théorie des graphes et n’étant pas en eux-mêmes utiles à la compréhension de l’invention. L’invention ne se limite pas aux seuls mode de réalisation décrits précédemment mais concerne également toute méthode de détermination de la maturation d’un bébé comprenant une conversion d’échantillons temporels en données représentatives d’un graphe de visibilité (GV), une détermination d’au moins un indice à partir de données représentatives de ce graphe de visibilité, une comparaison de l’au moins un indice ainsi déterminé avec un ou plusieurs indices statistiques représentatifs de la maturation d’une pluralité de bébés nés à terme et une représentation visuelle d’une distance
entre le au moins un indice déterminé et les plusieurs indices statistiques, ainsi que tout système mettant en œuvre une telle méthode.
Selon une variante, la représentation de la distance déterminée peut être sonore.
Claims (2)
- REVENDICATIONS
- 1. Système de détermination de la maturation d’un bébé comprenant un échantillonnage d’un signal cardiaque dudit bébé constitué d’une suite d’échantillons temporels (RRi) définissant respectivement des intervalles de temps qui séparent deux battements cardiaques successifs, ledit système étant caractérisé en ce qu’elle comprend : - un module de conversion de ladite pluralité d’échantillons temporels (RRi) en données représentatives d’un graphe de visibilité (GV), - un module de détermination d’au moins un indice (ASSOR) à partir desdites données représentatives dudit graphe de visibilité (GV), - un module d’analyse adapté à la comparaison dudit au moins un indice déterminé (ASSOR) avec un ou plusieurs indices statistiques (ATi, Pmi, Epi) représentatifs de la maturation d’une pluralité de bébés nés à terme, - un module de représentation visuelle d’une grandeur représentative d’une distance (D) entre ledit au moins un indice déterminé (A) et lesdits plusieurs indices statistiques (ATi, Pmi, Epi).
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1700895A FR3070590B1 (fr) | 2017-09-05 | 2017-09-05 | Methode d'evaluation de maturation d'un bebe premature et systeme associe |
| EP18773812.5A EP3678541A1 (fr) | 2017-09-05 | 2018-09-05 | Systeme d'evaluation de la maturation d'un bebe premature |
| PCT/FR2018/052165 WO2019048775A1 (fr) | 2017-09-05 | 2018-09-05 | Systeme d'evaluation de la maturation d'un bebe premature |
| US16/643,866 US11464458B2 (en) | 2017-09-05 | 2018-09-05 | System for evaluating the maturation of a premature baby |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1700895A FR3070590B1 (fr) | 2017-09-05 | 2017-09-05 | Methode d'evaluation de maturation d'un bebe premature et systeme associe |
| FR1700895 | 2017-09-05 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FR3070590A1 FR3070590A1 (fr) | 2019-03-08 |
| FR3070590B1 true FR3070590B1 (fr) | 2019-09-06 |
Family
ID=61132451
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR1700895A Active FR3070590B1 (fr) | 2017-09-05 | 2017-09-05 | Methode d'evaluation de maturation d'un bebe premature et systeme associe |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US11464458B2 (fr) |
| EP (1) | EP3678541A1 (fr) |
| FR (1) | FR3070590B1 (fr) |
| WO (1) | WO2019048775A1 (fr) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113392731B (zh) * | 2021-05-31 | 2023-06-23 | 浙江工业大学 | 一种基于图神经网络的调制信号分类方法和系统 |
| CN113436728B (zh) * | 2021-07-05 | 2022-10-28 | 复旦大学附属儿科医院 | 新生儿临床视频脑电图自动分析的方法及设备 |
| CN114515156B (zh) * | 2022-02-10 | 2023-09-15 | 南京邮电大学 | 基于交叉可视图的睡眠心脑信号关联性分析方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| IL164030A0 (en) * | 2003-09-12 | 2005-12-18 | Revital Pery Shechter | Photoacoustic analyzer of a region of interest in a human body |
| WO2015142046A1 (fr) * | 2014-03-19 | 2015-09-24 | 주식회사 메디코아 | Dispositif pour évaluer la capacité d'équilibrage et de commande de nerf du système autonome, et son procédé de commande |
| CA3022848C (fr) * | 2016-05-02 | 2023-03-07 | University Of Virginia Patent Foundation | Indices predictifs d'oxymetrie pulsee de developpement neurologique defavorable chez les prematures |
-
2017
- 2017-09-05 FR FR1700895A patent/FR3070590B1/fr active Active
-
2018
- 2018-09-05 EP EP18773812.5A patent/EP3678541A1/fr active Pending
- 2018-09-05 WO PCT/FR2018/052165 patent/WO2019048775A1/fr unknown
- 2018-09-05 US US16/643,866 patent/US11464458B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| US11464458B2 (en) | 2022-10-11 |
| EP3678541A1 (fr) | 2020-07-15 |
| US20200281487A1 (en) | 2020-09-10 |
| WO2019048775A1 (fr) | 2019-03-14 |
| FR3070590A1 (fr) | 2019-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liang et al. | A new, short-recorded photoplethysmogram dataset for blood pressure monitoring in China | |
| US10602942B2 (en) | Method of detecting abnormalities in ECG signals | |
| Mohktar et al. | Predicting the risk of exacerbation in patients with chronic obstructive pulmonary disease using home telehealth measurement data | |
| JP6523288B2 (ja) | 母体腹部のｅｃｇ記録からの胎児心拍数の抽出 | |
| Lee et al. | Time-varying coherence function for atrial fibrillation detection | |
| FR3070590B1 (fr) | Methode d'evaluation de maturation d'un bebe premature et systeme associe | |
| CN109411041A (zh) | 心电信息处理方法和心电工作站系统 | |
| Bashar et al. | Developing a novel noise artifact detection algorithm for smartphone PPG signals: Preliminary results | |
| FR3017789A1 (fr) | Procede et dispositif de filtrage d'une serie rr obtenue a partir d'un signal cardiaque avec controle automatique de la qualite de la serie rr | |
| Zhu et al. | Atrial fibrillation detection and atrial fibrillation burden estimation via wearables | |
| Wang et al. | Novel imaging revealing inner dynamics for cardiovascular waveform analysis via unsupervised manifold learning | |
| FR3053237A1 (fr) | Dispositif de detection d'au moins un trouble du rythme cardiaque | |
| EP3160336B1 (fr) | Dispositif de traitement de données de rythme cardiaque foetal, méthode et programme d'ordinateur correspondant | |
| Kim et al. | Normalization of photoplethysmography using deep neural networks for individual and group comparison | |
| EP3110322B1 (fr) | Procédé et dispositif de contrôle automatique de la qualité d'une serie rr obtenue à partir d'un signal cardiaque | |
| Nardelli et al. | Reliability of Pulse Rate Variability in Elderly Men and Women: An Application of Cross-Mapping Approach | |
| Vollmer et al. | Efficiency of Different Heartbeat Detection Methods by Using Alternative Noise Reduction Algorithms | |
| WO2015071583A1 (fr) | Procédé et système de détermination d'endophénotypes caractéristiques d'une maladie, telle la schizophrénie | |
| FR3113369A1 (fr) | Procede et systeme de detection de la somnolence d’un individu | |
| EP3030138B1 (fr) | Solution intégrée de suivi et de surveillance en temps réel de l'état pathologique d'un patient cérébro-lésé | |
| FR3113370A1 (fr) | Procede et systeme de detection de la somnolence d’un individu | |
| FR2983055A1 (fr) | Detection et estimation du complexe qrs pour le suivi d'une activite cardiaque et pulmonaire | |
| FR3113368A1 (fr) | Procede et systeme de detection de la somnolence d’un individu | |
| Kupka et al. | Reconstruction of True Fetal Heart Rate Signals Obtained via Ultrasound Bedside Monitor in Relation to Fetal Electrocardiography | |
| Sabrine et al. | Classification of Arrhythmias from ECG Using Fractal Dimensions and Wavelet Theory |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLFP | Fee payment |
Year of fee payment: 2 |
|
| PLSC | Publication of the preliminary search report |
Effective date: 20190308 |
|
| PLFP | Fee payment |
Year of fee payment: 3 |
|
| PLFP | Fee payment |
Year of fee payment: 4 |
|
| PLFP | Fee payment |
Year of fee payment: 5 |
|
| PLFP | Fee payment |
Year of fee payment: 6 |
|
| PLFP | Fee payment |
Year of fee payment: 7 |
|
| TQ | Partial transmission of property |
Owner name: UNIVERSITE DE RENNES, FR Effective date: 20231128 Owner name: INSTITUT NATIONAL DE LA SANTE ET DE LA RECHERC, FR Effective date: 20231128 Owner name: CHU DE RENNES, FR Effective date: 20231128 |