FR3117330A1

FR3117330A1 - Procede de generation d’un indicateur physiologique a partir du rythme cardiaque, dispositif

Info

Publication number: FR3117330A1
Application number: FR2013191A
Authority: FR
Inventors: Pierre Gilfriche
Original assignee: Catie; Centre National de la Recherche Scientifique CNRS; Universite de Bordeaux; Institut Polytechnique de Bordeaux
Current assignee: Catie; Centre National de la Recherche Scientifique CNRS; Universite de Bordeaux; Institut Polytechnique de Bordeaux
Priority date: 2020-12-14
Filing date: 2020-12-14
Publication date: 2022-06-17

Abstract

PROCEDE DE GENERATION D’UN IND I CATEUR PHYSIOLOGIQUE A PARTIR DU RYTHME CARDIAQUE , DISPOSITIF Procédé de génération d’un indicateur physiologique comportant : Génération d’une première série temporelle (EDRS) des fluctuations respiratoires ; Génération d’une seconde série temporelle (RRS) des variabilités du rythme cardiaque ; Application d’un modèle de signal (RRn) à partir d’une fonction numérique autorégressive (Fn) comportant une combinaison : d’une première fonction linéaire (FA) ; d’une seconde fonction linéaire (FB) ; d’une troisième fonction non-linéaire (FC); Calcul d’un spectre du modèle de signal (RRn) calculé ; Extraction d’un premier spectre (SP1) comportant un ensemble de composantes fréquentielles linéaires ; Extraction d’un second spectre (SP2) comportant un ensemble de composantes fréquentielles non-linéaires; Génération d’un indicateur physiologique (IND1) à partir de la quantification de chacun des spectres extraits (SP1, SP2). Figure pour l’abrégé : Fig.1

Description

PROCEDE DE GENERATION D’UN INDICATEUR PHYSIOLOGIQUE A PARTIR DU RYTHME CARDIAQUE, DISPOSITIF

Le domaine de l’invention concerne le domaine des procédés pour générer des indicateurs physiologiques à partir de l’analyse du rythme cardiaque et du rythme de la respiration. Le domaine se rapporte également aux dispositifs permettant de réaliser de telles mesures et de générer de tels indicateurs.

Actuellement, il existe des solutions permettant de déterminer des biomarqueurs ou des indicateurs physiologiques d’un état de stress, d’anxiété ou de fatigue à partir de l’analyse de la variabilité du rythme cardiaque. C’est le cas par exemple de la solution décrite dans le brevet KR101223889B1, « Apparatus and method for analyzing of stress” qui décrit une méthode de génération d’un indicateur lié au stress. Toutefois, cette méthode ne permet pas d’identifier des niveaux de changement(s) de stress qui soient représentatifs d’un état physiologique d’un individu.

Le document de brevet CN106295508A décrit un critère non-linéaire lié à la variabilité de la fréquence cardiaque, toutefois ces mesures ne prennent pas en compte l’ensemble des influences de la fréquence cardiaque sur d’autres rythmes physiologiques, comme la respiration et réciproquement. Une conséquence est qu’une certaine erreur dans l’interprétation des biomarqueurs peut en résulter.

D’une manière générale, les méthodes de l’art souffrent d’erreurs d’appréciation dans les marqueurs générés, de faux positifs ou de mauvaises détections et ne permettent pas toujours de discriminer différents états entre eux lorsqu’ils sont associés à des états physiologiques de différentes natures.

Il existe par ailleurs des documents décrivant la prise en compte d’un facteur lié à la respiration de l’individu en plus de la variabilité cardiaque. Toutefois, ces indicateurs ne sont pas suffisamment précis et ne permettent pas de qualifier avec une fiabilité suffisante un état physiologique prenant en compte des modulations vagale et sympathique.

Il existe donc un besoin de définir une solution qui puisse répondre à cette problématique. La présente invention vise à résoudre les inconvénients précités.

Selon un premier aspect, l’invention concerne un procédé de génération d’un indicateur physiologique comportant :

Génération d’une première série temporelle des variabilités du rythme cardiaque dudit individu à partir d’un premier signal d’entrée;
Génération d’une seconde série temporelle des fluctuations respiratoires d’un individu à partir d’un second signal d’entrée ;
Application d’un modèle de signal à partir d’une fonction numérique autorégressive comportant une combinaison :
- d’une première fonction linéaire ayant un paramétrage prédéfini appliqué à toute ou partie de la première série temporelle ;
- d’une seconde fonction linéaire de toute ou partie de la seconde série temporelle ;
- d’une troisième fonction non-linéaire comportant au moins des opérations entre des termes de la première série temporelle et des termes de la seconde série temporelle ;
Calcul d’un spectre du modèle de signal calculé ;
Extraction d’un premier spectre issu d’une combinaison linéaire des termes de la série temporelle modélisée obtenus par la première fonction et la seconde fonction ;
Extraction d’un second spectre issu d’une combinaison non-linéaire des termes de la série temporelle modélisée obtenus par la troisième fonction ;
Génération d’un indicateur physiologique à partir de la quantification de chacun des spectres extraits.

Un avantage de l’invention est de permettre de prendre en compte les effets non linéaires des interactions entre la respiration et le rythme cardiaque d’un sujet. Un tel modèle permet de reproduire plus fidèlement la réalité physiologique d’un individu et d’en déduire des paramètres physiologiques notamment liés à son état de stress et/ou de fatigue.

Selon un mode de réalisation, le premier signal d’entrée et le second signal d’entrée est/sont un même signal électrique ECG dudit individu, le calcul de la seconde série temporelle des fluctuations respiratoires étant dérivées des mesures des pics de chaque signal R du QRS.

Un avantage est de réaliser les mesures à partir d’un unique capteur de mesures.

Selon un mode de réalisation, le procédé comprend une acquisition d’un signal ECG et comprend:

une détermination de la fréquence respiratoire à partir d’une analyse de l’évolution de l’amplitude des pics d’un ECG acquis ;
une génération de la seconde série temporelle des variabilités des intervalles R-R de l’ECG acquis.

Un avantage est de générer les deux séries temporelles à partir d’un unique capteur et d’un calculateur.

Selon un mode de réalisation, la troisième fonction non-linéaire est d’ordre 2 et les opérations réalisées par la troisième fonction non-linéaire comprennent des premiers produits entre les termes de la seconde série temporelle et les termes de la première série temporelle, lesdits premiers produits étant paramétrés à partir d’un nombre prédéfini de mesures de chacune des séries temporelles, dite première mémoire. Selon un exemple, les premiers produits sont dits produits d’intercorrélation de la première et de la seconde séries temporelles.

Selon un mode de réalisation, la troisième fonction non-linéaire est d’ordre 2 et les opérations réalisées par la troisième fonction non-linéaire comprennent des seconds produits entre les termes de la première série temporelle à partir d’un nombre prédéfini de mesures de la première série temporelle, dite seconde mémoire. Selon un mode de réalisation, les seconds produits sont dits produits d’autocorrélation de la première série temporelle.

Selon un mode de réalisation, la troisième fonction non-linéaire est d’ordre 2 et les opérations réalisées par la troisième fonction non-linéaire comprennent des troisièmes produits entre les termes de la seconde série temporelle à partir d’un nombre prédéfini de mesures de la seconde série temporelle, dite troisième mémoire. Selon un mode de réalisation, les troisièmes produits sont dits produits d’autocorrélation de la seconde série temporelle.

Un avantage d’une telle modélisation du système par la prise en compte d’une fonction non linéaire et de permettre une grande capacité de paramétrage notamment de la mémoire entre les effets d’influence et donc de corrélation de la respiration sur le rythme cardiaque et réciproquement.

Selon un mode de réalisation, la première fonction linéaire comprend une combinaison linéaire de termes de la première série temporelle à partir d’un nombre prédéfini de mesures de la première série temporelle, dite première mémoire linéaire.

Un avantage est de permettre une configuration de la mémoire du modèle du système des effets d’influence propres à aux battements cardiaques indépendamment des autres mémoires configurées.

Selon un mode de réalisation, la seconde fonction linéaire comprend une combinaison linéaire des termes de la seconde temporelle à partir d’un nombre prédéfini de mesures de la seconde série temporelle, dite première mémoire linéaire.

Un avantage est de permettre une configuration de la mémoire du modèle du système des effets d’influence propres à la respiration indépendamment des autres mémoires configurées.

Selon un mode de réalisation, l’indicateur physiologique comprend une donnée relative à l’amplitude du contenu haute fréquence et du contenu basse fréquence dans le spectre obtenu par l’application du modèle et/ou une donnée caractérisant la corrélation du contenu basse fréquence et du contenu haute fréquence du spectre obtenu par l’application du modèle.

Un avantage est d’obtenir un indicateur représentatif des effets non linéaires de la fonction qui modélise le système par la prise en compte du contenu fréquentiel des basses fréquences et du contenu fréquentiel des hautes fréquences du spectre de cette fonction. L’indicateur permet d’obtenir un état physiologique plus fidèle de la réalité d’un patient par la prise en compte plus fidèlement des interactions entre la respiration et le rythme cardiaque. Ainsi, des états de stress ou de fatigue d’un individu.

Selon un mode de réalisation, le procédé de génération d’un indicateur physiologique comprend au moins un filtrage parmi lesquels

des très basses fréquences inférieures à 0,04 Hz issues des variations de signaux générés par un mécanisme de régulation de la température du corps et/ou ;
des variations du rythme cardiaque supérieures à un seuil, associées à un rythme cardiaque supérieur à un seuil de 150 battements par seconde et/ou ;
des variations du rythme cardiaque supérieures à un seuil, associées à un rythme cardiaque inférieur à un seuil de 50 battements par seconde et/ou ;
des fréquences basses générées par l’absence d’une mesure d’un signal électrique et/ou ;
des fréquences générées par une activité musculaire pectorale.

Un avantage est d’obtenir un signal traité, d’enlever une partie du bruit et d’améliorer la fiabilité des mesures.

Selon un mode de réalisation, le procédé de génération d’un indicateur physiologique comprend une mesure de l’amplitude respiratoire, ladite mesure permettant de générer un indicateur de la fiabilité et/ou de calculer un facteur de correction de ladite portion de la première série temporelle ou de générer une alerte.

Selon un autre aspect, l’invention concerne un dispositif médical comportant un capteur électrique du signal de l’ECG d’un individu et un moyen de calcul pour générer un indicateur physiologique à partir d’un procédé de l’invention.

Selon un autre aspect, l’invention concerne un dispositif médical prenant la forme d’une ceinture cardiaque.

Selon un autre aspect, l’invention concerne un dispositif médical comportant un capteur de pouls d’un individu et un moyen de calcul pour générer un indicateur physiologique.

Selon un autre aspect, l’invention concerne un dispositif médical mettant en œuvre le procédé de l’invention qui comprend un bracelet comportant notamment un détecteur de pouls.

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 :

: un mode de réalisation du procédé de l’invention mettant en œuvre des étapes permettant de générer un indicateur physiologique ;

: un mode de réalisation du procédé de l’invention mettant en œuvre des étapes permettant de classer les différents indicateurs produits;

: un mode de réalisation du procédé de l’invention permettant de générer un signal dit « RR » à partir de l’acquisition d’un ECG;

: un mode de réalisation du procédé de l’invention permettant de générer un signal dit « EDR » à partir de l’acquisition d’un ECG;

: un exemple de spectre obtenu par la fonction mise en œuvre par le procédé de l’invention,

L’invention décrite ci-après détaille un exemple de réalisation d’un mode de l’invention. L’invention concerne un procédé comportant un ensemble d’étapes mises en œuvre par un équipement tel qu’une ceinture cardiaque connectée. D’autres équipements peuvent être utilisés pour mettre en œuvre les étapes du procédé.

On nomme dans la suite de la description un ECG, un électrocardiogramme.

Acquisition des séries temporelles

Selon un mode de réalisation, le procédé de l’invention permet d’acquérir un signal électrique tel qu’un ECG pour déduire deux mesures.

Une première mesure concerne la variabilité du rythme cardiaque, dit « signal RR ». Le rythme cardiaque peut être calculé entre deux pics R de deux complexes QRS se succédant ou entre deux autres points de repère d’un complexe QRS. Cette mesure est réalisée préférentiellement en temps réel. Elle produit une première série temporelle nommée RR_S.

D’autres méthodes permettant de déterminer la variabilité du rythme cardiaque peuvent s’appliquer dans le cadre de l’invention. Ce signal peut, par exemple, être généré à partir de la mesure d’une variable physiologique dérivée du rythme cardiaque telle que la pression sanguine ou les variations du flux sanguin pulsé par le cœur d’un individu. Cette mesure peut être obtenue à partir d’une palpation d'une artère.

D’autres exemples d’acquisition du rythme cardiaque autrement qu’avec un ECG peuvent être utilisés dans le cadre de l’invention, tels que la ballisto cardiographie. La quantité physiologique mesurée est dérivée du rythme cardiaque à partir d’une mesure des vibrations engendrées par chaque battement.

Lorsque la mesure est déduite d’un ECG, ce dernier peut être acquis grâce à un dispositif médical comportant des électrodes permettant de mesurer l’activité électrique produite par l’activité cardiaque. Le dispositif médical peut comprendre autant de dérivations et donc de points de mesure que nécessaire selon les différents modes de réalisation de l’invention. Selon un exemple, deux électrodes permettent de mesurer l’activité électrique cardiaque en des points spécifiques du corps humain. Il peut s’agir d’un signal mesuré au bout des doigts, sur la poitrine, au niveau des hanches ou des genoux. D’autres points de mesure peuvent être choisis alternativement à ces derniers ou en combinaison avec eux.

La représente une première étape d’acquisition ACQ_ECG du procédé de l’invention lorsqu’un ECG est acquis depuis un dispositif médical. La représente une alternative dans laquelle la variabilité du signal cardiaque est déduite d’une mesure dérivée de celle du rythme cardiaque. Cette mesure d’un paramètre physiologique peut correspondre à celle d’un flux sanguin, de vibrations engendrées par des battements cardiaques, etc. Cette étape d’acquisition est notée ACQ_FC sur la et représente une alternative aux mesures directes au moyen d’un ECG du signal électrique produit par les battements cardiaques d’un individu.

La illustre un exemple de réalisation dans lequel la variabilité du rythme cardiaque est mesurée en calculant l’intervalle « R-R » entre deux pics R de deux complexes QRS successifs. La illustre un premier graphe noté ECG1 représentant simplement le signal ECG acquis. La mesure de l’intervalle de temps Df est reportée sur un second graph, noté SRR, de manière à représenter la variation du rythme cardiaque par une amplitude calculée à chaque acquisition du signal R. L’amplitude reportée sur le second graph correspond donc à l’intervalle R-R calculé entre un premier point donné d’un signal R du QRS et un second point antécédent ou suivant ce dernier point donné selon la convention utilisée. Ainsi, on obtient une suite temporelle SRR représentant le rythme cardiaque et ses variations au cours du temps (variabilité du rythme).

Selon un mode de réalisation, l’acquisition est réalisée sur une durée minimale suffisante pour permettre de réaliser une analyse spectrale. Selon un exemple, l’acquisition est réalisée sur une durée comprise entre 2 min et 30 min. Selon un autre exemple, une acquisition est réalisée pendant une durée de 5 à 15 min. L’acquisition de 300 points du signal cardiaque peut par exemple être réalisée sur 5 minutes si le cœur bat à 60 battements par minute.

Une seconde mesure concerne les fluctuations du rythme respiratoire. Afin de mesurer ces fluctuations différents dispositifs peuvent être utilisés, il peut s’agir d’un accéléromètre, d’une ceinture respiratoire ou encore une mesure déduite de l’acquisition du signal ECG.

Selon un mode de réalisation, les fluctuations du rythme respiratoire sont déduites du signal ECG par une mesure de chaque amplitude du signal R du complexe QRS acquis par la mesure de l’ECG. L’étape d’acquisition du signal ECG est, dans ce cas, commune avec celle permettant de déduire la variabilité du rythme cardiaque. Cette étape est notée ACQ_ECG sur la . Selon une alternative, les mesures des fluctuations respiratoires sont réalisées à partir des données acquises par exemple d’une ceinture respiratoire. Cette étape est notée ACQ_RESP sur la .

Il est donc possible de générer deux séries temporelles sur une durée prédéfinie par l’acquisition des données propres aux fluctuations respiratoires et des données propres aux variabilités du rythme cardiaque.

La représente un exemple de réalisation dans laquelle est représentée la série temporelle EDRS construite à partir des mesures de l’amplitude des ondes R de chaque QRS.

Filtrages

Selon un mode de réalisation, une étape de filtrage est réalisée de manière à filtrer, c’est-à-dire supprimer ou réduire, des composantes basse fréquence vis-à-vis des fluctuations physiologiques d’intérêt. Le filtre permet par exemple de supprimer les artefacts issus des phénomènes liés à la régulation de la température du corps, qui sont par exemple des phénomènes dont la période peut être de 15 à 30s.

Selon un mode de réalisation, une étape de filtrage est réalisée de manière à filtrer, c’est-à-dire supprimer ou réduire, des signaux cardiaques anormaux tels que ceux issus d’une tachycardie, soit une accélération soudaine du rythme cardiaque, ou à une bradycardie, c’est-à-dire un ralentissement soudain du rythme cardiaque, de pulsations cardiaques ectopiques, ou encore de comportements pathologiques.

Selon un mode de réalisation, une étape de filtrage est réalisée de manière à filtrer, c’est-à-dire à supprimer ou à réduire, des signaux provenant de l’activité musculaire telle que l’activité musculaire pectorale.

Selon un mode de réalisation, une étape de filtrage est réalisée afin de détecter les points de mesure de battements cardiaques non détectés ou non enregistrés. Cette étape permet d’éviter un biais de mesure par la prise en compte d’un mauvais rythme cardiaque en ne comptabilisant pas un point de mesure. Un tel filtrage peut reposer sur un algorithme permettant de détecter lorsqu’un point de mesure n’est pas acquis ou n’est pas traité.

Selon un autre exemple, l’activité électrique issue des très basses fréquences ou des très hautes fréquences peut être détectée par un filtrage afin d’être combinée à un indicateur physiologique pour corroborer une erreur ou écarter une erreur sur cet indicateur.

Selon un mode de réalisation, la fréquence du rythme cardiaque moyen est filtrée de manière à augmenter la performance de l’analyse de la variabilité du rythme cardiaque. Le filtrage peut conduire à supprimer la fréquence moyenne ou à la réutiliser pour corroborer une information liée à un indicateur physiologique généré.

Selon un mode de réalisation, le procédé de l’invention comprend une étape de détermination automatique de l’amplitude de la respiration. Ainsi, l’invention permet d’obtenir la fréquence respiratoire et/ou l’amplitude respiratoire. Dans ce cas, le procédé de l’invention permet d’obtenir une donnée caractérisant la capacité pulmonaire correspondant à une information qualifiant la « profondeur » de la respiration, c’est-à-dire le volume respiratoire. Un intérêt est par exemple de qualifier ou de mesurer la fiabilité d’une erreur liée à la variabilité respiratoire déterminée. Lorsque la capacité pulmonaire est très faible, c’est-à-dire inférieure à un seuil prédéfini ou lorsqu'elle est très élevée, c’est-à-dire supérieure à un second seuil donné, le procédé de l’invention permet de calculer automatiquement un coefficient d’erreur de la fiabilité de la mesure des fluctuations respiratoires.

Selon un mode de réalisation, l’invention permet également de prendre en compte l’amplitude de la respiration au cours du temps. Cette information peut compléter la mesure de la fréquence respiratoire au cours du temps.

Selon un mode de réalisation, un calculateur et une mémoire sont configurés pour calculer automatiquement une donnée caractérisant le type de respiration, notamment de la profondeur respiratoire afin d’écarter une mesure ou de générer une erreur de ladite mesure ou de générer un facteur correctif de ladite mesure ou de générer une alerte numérique vers un afficheur d’un opérateur ou utilisateur.

La et la représentent également les étapes de génération des séries temporelles RRS et EDRS. Les notations RRS et EDRS permettent de désigner les séries temporelles elles-mêmes indépendamment du modèle choisi et les notations RRn et EDRn permettent de désigner les séries temporelles utilisées dans le modèle mis en œuvre par la définition d’une fonction notée F1.

Les séries temporelles sont des valeurs horodatées qui peuvent être enregistrées dans une mémoire soit de l’équipement, soit d’une mémoire distante si les données acquises sont émises vers un serveur distant par exemple. Dans ce dernier cas, l’équipement est un équipement connecté qui comprend, par exemple, une interface sans fil pour communiquer les données via un réseau de données.

Modèle

L’invention permet de générer un indicateur physiologique, notamment du stress d’un individu, à partir de la mesure d’un ECG grâce à un nouveau modèle prenant d’une part une composante multi-fréquentielle qui correspond à une composante non linéaire et en considérant d’autre part au moins une composante externe qui correspond à la composante respiratoire.

Le modèle est une fonction notée F₁qui permet de modéliser le nième intervalle RR, noté RRn, en fonction des précédents points de mesure de la série RR {RRn-k}_k _{[1, N]}, des précédentes mesures respiratoires de la série EDR {EDRn-k}_k _{[0, M]} _.

On note « k [1, N] » pour signifier : k appartient à l’intervalle d’entiers 1 à N.

Ainsi, on peut écrire la modélisation du nième intervalle RR, noté RRn :

RRn = F₁(RR_n _-k _, _k _[ ₁ _, _N _], EDR_n _{-k, k} _[ ₀ _, _M])

Qu’on peut écrire plus communément: RRn (N, M)= F₁(RR_n(N), EDR_n(M)), où N et M définissent la « mémoire » du système.

Cette écriture peut encore être simplifiée notamment dans la suite de la description sous la forme suivante : RRn = F₁(RR_n, EDR_n)

Cette équation peut également s’écrire plus généralement :

RRn = F₁({RRn-k}_k _{[1, N]}, EDR_n _{-k, k} _{[0, M]}) = F₁(n), qui est réalisée pour chaque valeur de « n » considéré de la série.

Cette équation peut également s’écrire en séparant les composantes du modèle considéré :

RRn = FA(RRn-k) + FB(EDRn-k) + FC(RRn-k, ERDn-k)

L’hypothèse prise est de considérer que cette équation écriture reste vraie pour toutes les séries RRn, ce qui permet de définir les valeurs de FA, FB et FC.

Cette étape de modélisation est notée MOD(RRn) sur la et la . La modélisation est mathématiquement représentée par la fonction F1. La notation F1 désigne la fonction du modèle et la notation MOD(RRn) désigne l’étape qui vise à calculer la série temporelle à partir du modèle et des points de mesure acquis.

Les composantes multi-fréquentielles s’expriment dans l’expression de la fonction F₁également par le fait qu’elle contienne des termes issus de combinaisons de plusieurs mesures de la première série temporelle RR correspondant aux variabilités du rythme cardiaque.

On trouve par exemple une composante F_Acomportant une somme de termes, un terme étant noté par exemple a*RR_n-3*RR_n-4, ou « a » est dans ce cas uncoefficient et RR_n-3est le (n-3) ième terme de la série RR et RR_n-4est le (n-4) ième terme de la série RR.

Cette composante du modèle MOD(RRn) permet de prendre en compte une composante multi-fréquentielle dans le calcul du nième terme RRn. Cette composante de sommes de termes a*RR_n-3*RR_n-4reflète l’existence d’effets non linéaires dans l’évolution du rythme cardiaque. La longueur de la somme définissant cette composante F_Apeut être configurée selon la définition du modèle.

Les composantes multi-fréquentielles s’expriment dans l’expression de la fonction F₁également par le fait que cette fonction contienne des termes issus de combinaisons de plusieurs mesures de la seconde série temporelle EDRn correspondant aux fluctuations respiratoires.

On trouve par exemple une composante F_Bcomportant une somme de termes, un terme étant par exemple noté a*EDR_n-1*EDR_n-2, ou « a » est dans ce cas uncoefficient et EDR_n-1est le (n-1) ième terme de la série EDR et EDR_n-2est le (n-2) ième terme de la série EDR.

Cette composante du modèle MOD(RRn) permet de prendre en compte une composante multi-fréquentielle dans le calcul du nième terme RRn. Cette composante de sommes de termes a*EDR_n-1*EDR_n-2reflète l’existence d’effets non linéaires de la respiration sur l’évolution du rythme cardiaque. La longueur de la somme définissant cette composante F_Bpeut être configurée selon la définition du modèle.

Les composantes multi-fréquentielles s’expriment dans l’expression de la fonction F₁notamment par le fait qu’elle contienne des termes combinant la seconde série temporelle EDRn correspondant aux fluctuations respiratoires et la première série temporelle RRn correspondant aux variabilités du rythme cardiaque, les séries étant notées respectivement : EDR et RR.

On retrouve, par exemple, une composante F_Ccomportant une somme de termes, un terme étant noté par exemple a*RR_n-3*EDR_n-1 _,ou « a » est uncoefficient et RR_n-3est le (n-3) ième terme de la série RR et EDR_n-1est le (n-1) ième terme de la série EDR. Cette composante du modèle MOD(RRn) permet de prendre en compte une composante multi-fréquentielle dans le calcul du nième terme RRn. Cette composante F_Cde sommes de termes a*RR_n-3*EDR_n-1reflète l’existence d’interactions entre les fluctuations respiratoires et la variabilité du rythme cardiaque. La longueur de la somme définissant cette composante peut être configurée selon la définition du modèle.

Un intérêt est de calculer d’une part le mono-spectre fréquentiel des basses fréquences et le mono-spectre fréquentiel des hautes fréquences des signaux obtenus et d’autre part le bi-spectre fréquentiel de la combinaison des séries temporelles. On nomme mono-spectre fréquentiel la partie du spectre correspondant aux combinaisons linéaires du signal et le bi-spectre fréquentiel la partie du spectre correspondant aux combinaisons non-linéaires du signal.

D’une part, les hautes fréquences des signaux issus de cette combinaison sont propres au système nerveux parasympathique et d’autre part, les basses fréquences des signaux issus de cette combinaison sont propres au système nerveux sympathique. Il en résulte qu’une analyse spectrale permet de déterminer un indicateur d’un état physiologique amélioré d’un individu.

L’invention permet donc de prendre en compte une donnée caractérisant les interactions des données de la première série RRs et des données de la seconde série EDR_Safin d’évaluer une composante physiologique liée à l’influence et aux évolutions de l’influence des fluctuations respiratoires vis-à-vis des variabilités cardiaques et réciproquement.

Selon un mode de réalisation, la composante correspondante à la corrélation des deux séries temporelles peut être comparée à une valeur référence, une courbe de référence ou à une variable de référence calculée à partir d’un paramétrage spécifique d’un profil d’individu.

L’invention permet définir un modèle de signal dans lequel un point de la série temporelle du signal de la variabilité cardiaque est la résultante d’une première composante linéaire FA(n) des points précédents de la première série temporelle RRn d’une seconde composante linéaire FB(n) des points précédents de la seconde série temporelle EDRn et d’une troisième composante FC non-linéaire prenant en compte des combinaison de points de la première série temporelle RRn et de la seconde série temporelle EDRn.

A titre d’exemple, en considérant une influence possible des K précédents points de la première série temporelle RRn, la composante FA, dite composante autorégressive, peut s’exprimer comme une combinaison linéaire des K précédents point de la première série RRn dans le passé. Un exemple d’une telle série temporelle est représenté sur la .

Une expression algébrique en considérant K=16 peut être par exemple la suivante :

Où a_isont des coefficients.

Identiquement, en considérant une influence possible des K précédents points de la seconde série temporelle, la composante F_B, dite composante externe, peut s’exprimer comme une combinaison linéaire des K précédents point EDR(t_i) dans le passé. Un exemple d’une telle série temporelle est représenté sur la .

Une expression algébrique en considérant K=3 peut être par exemple la suivante :

Où b_isont des coefficients.

Un avantage de l’invention est de permettre de paramétrer le modèle avec des mémoires différentes pour la composante externe et la composante autorégressive.

La composante non linéaire F_C(n) résulte des produits de corrélation définis selon l’ordre de la non-linéarité et donc du paramétrage de la modélisation choisi. Selon un exemple, en considérant une non-linéarité d’ordre 2, la composante non linéaire peut s’écrire en considérant une mémoire de K=16 et K=3 pour la première série RRn et respectivement la seconde série temporelle EDRn, ainsi :

FC(n) = FC1(n) + FC2(n) + FC3(n), où

Soit :

+

Où c_i,j, d_i,j, e_i,jsont des coefficients.

Les coefficients « a_i», « b_i» et « c_i _,j», « d_i _,j» et « e_i _,j» du modèle MOD(RRn) sont définis à partir d’un signal pour que le modèle MOD(RRn) représente au mieux le comportement interne du système.

Le modèle MOD(RRn) peut :

soit être déterminé une fois pour un signal cardiaque et un signal respiratoire acquis sur une période de temps donnée, par exemple de 10 minutes,
soit être recalculé au fur et à mesure du temps pour être adapté en temps réel.

C’est l’obtention des paramètres de ce modèle qui permet d’en déduire les spectres mono-fréquentiel et bi-fréquentiel.

Ce modèle permet d’obtenir le contenu multi-fréquentiel de la variabilité du rythme cardiaque en temps réel. Cette fonction permet de déduire un indicateur de la puissance des interactions entre les fluctuations de la respiration et les variabilités cardiaques, notamment grâce à la quantification des composantes de couplages RR x EDR.

Selon un exemple, le modèle est déterminé à partir d’une résolution d’un problème linéaire. En supposant que l’on obtienne par exemple 500 points d’observations et que le modèle est configuré de telle sorte qu’il ait une mémoire de 10 points, la résolution du problème permettant de déterminer le modèle est obtenu en considérant 490 fois l’équation RRn = F₁(n) pour n=10…500, avec à chaque fois les mêmes inconnues ai, bi, cij, dij, eij.

Par exemple avec une mémoire de 10 sur RR comme EDR, on cherche alors 10+10+10²+10²+10²=320 termes, c’est-à-dire les coefficients ai, bi, cij, dij, eij pour i=1 à 10 et j=1 à 10.

Dans cet exemple, on obtient alors un système à 490 équations et 320 inconnues, que l’on peut résoudre par des méthodes matricielles par exemple.

Les valeurs des composantes FA, FB et FC sont déduites de la résolution des égalités précédentes qui permettent de déterminer les 320 termes dans l’exemple précédent.

Ce modèle permet de déduire divers indicateurs dérivés du contenu multi-fréquentiel des signaux, qui peuvent être par exemple utilisés comme caractéristiques d’entrée de modèles de machine learning, également appelées « features ». Les données peuvent être utilisées par exemple pour entrainer un réseau de neurones, ou encore pour classifier des données de sortie afin de déterminer un profil physiologique.

Dans le cas d’un classifieur, l’invention permet d’exploiter la construction de classes correspondantes à des états physiologiques, tels que des états de stress ou de fatigue.

Analyse spectrale

La représente un exemple de spectre SP0 de la fonction obtenu grâce au procédé de l’invention.

Un premier spectre SP₁, appelé mono-spectre, obtenu selon un exemple considérant la représentation des signaux linéaires de la fonction F₁. Le mono-spectre comporte une composante basse fréquence notée LF et une composante haute fréquente notée HF correspondants aux signaux linéaires. SP₁est le mono-spectre de la fonction du modèle. Les figures 1 et 2 représentent également l’étape de génération du spectre SP₀à partir de la fonction du modèle F₁(n).

Le premier spectre SP₁peut correspondre aux composantes linéaires FA et FB de la fonction modélisant le système MOD(Rn).

Un second spectre SP₂, appelé bi-spectre, c’est-à-dire le spectre des signaux non-linéaires de la fonction, peut être obtenu de la même manière. Il est n’est pas représenté car seule une représentation tridimensionnelle permettrait de le visualiser, par exemple, avec deux axes en fréquences et un axe de puissance spectrale.

Le second spectre SP₂peut correspondre aux composantes non-linéaires FC de la fonction modélisant le système MOD(Rn).

L’invention permet de déduire un contenu spectral issu d’une combinaison linéaire des intervalles RR et d’une combinaison non linéaire des intervalles RR. La combinaison non-linéaire peut être entre les termes de la première série RRs et les termes de la seconde série temporelle EDRs et/ou uniquement entre les termes de la première série temporelle RRs et/ou uniquement entre les termes de la seconde série temporelle EDRs.

Les figures 1 et 2 représentent chacune deux étapes de génération et de différenciation de spectres SP₁et SP₂issus respectivement des combinaisons linéaires du modèle appliquées aux précédents points de chacune des séries temporelles RR_Set EDR_Set des combinaisons non-linéaires du modèle appliqué aux précédents points de chacune des séries RR_Set EDR_S.

Selon un mode de réalisation, l’invention permet de considérer les spectres de chacune des composantes FA, FB d’une part pour la partie linéaire et la composante FC pour la partie non linéaire. L’exploitation dissociée de chacun de ces spectres permet de générer des indicateurs physiologiques pertinents et plus représentatifs de la réalité des influences de la respiration sur le rythme cardiaque et inversement.

Ici le modèle de l’invention permet de mieux quantifier la puissance spectrale ou l’amplitude des fréquences caractéristiques du spectre SP₀liée à l’influence entre les fluctuations de la respiration et les variabilités cardiaques. Une première application de cette évaluation est de calculer le déplacement de la puissance respiratoire dans les basses fréquences et de quantifier au moyen d’un indicateur physiologique la séparation des fonctions de contrôle respiratoire et des fonctions de régulation de la pression du sang (pression artérielle), par exemple provenant de l’acquisition de signaux correspondants aux baroréflexes. Ces signaux sont des signaux basses fréquences autour de 0,1Hz alors que les signaux liés aux fluctuations de la respiration sont autour de 0,2 à 0,3HZ.

L’invention permet de quantifier la proportion de signaux corrélés avec les signaux issus de la mesure de la variabilité cardiaque et d’en déduire la part de signaux basses fréquences induits par le couplage {respiration – variabilité cardiaque}.

Ainsi, les mesures des effets non linéaires permettent de déterminer non seulement l’existence d’une influence des fluctuations de la respiration sur la variabilité cardiaque et inversement mais en plus ces mesures permettent d’obtenir une meilleure quantification et précision de ces influences. En outre, l’invention permet de connaitre la proportion de signaux basses fréquences de la variabilité cardiaque influencée par la respiration. L’invention permet en particulier de calculer l’amplitude ou la puissance des contenus fréquentiels afin de générer un indicateur quantitatif.

Selon différents exemples, l’invention permet d’identifier différents contenus basses fréquences selon la densité spectrale calculée.

La représente un exemple dans lequel un indicateur physiologique IND1 est généré directement depuis l’analyse spectrale des signaux obtenus par le modèle MOD(RRn). L’indicateur physiologique peut être un indicateur instantané restituant un état physiologique à partir d’une acquisition d’au moins quelques minutes ou un indicateur d’évolution physiologique à partir de la compilation de données spectrales générées sur un ensemble de jours ou de semaines ou de mois.

La représente une alternative dans lequel les données obtenues par le spectre SP0 définissent des données d’entrée par exemple d’un réseau de neurones. Le réseau de neurones est, par exemple, configuré selon une architecture donnée et est entrainé avec des données d’entrainement de sorte à classifier des états à partir de caractéristiques appelées communément « features ». Un tel classifieur permet d’associer une classe prédéfinie ou définie au moyen d’un apprentissage d’un classifieur à un individu donné et de prédire un état physiologique par exemple.

La dernière étape de la peut être implémentée dans la dernière étape de la en remplacement de la classification et réciproquement entre la et la .

Les indicateurs peuvent être des données calculées dans l’absolu telles que des valeurs d’amplitude ou de puissance ou être des données calculées relativement à d’autres par exemple des rapports de puissances LF/HF ou LF/(LF+HF). Les données permettant de calculer des indicateurs physiologiques peuvent être normalisées selon une échelle de valeurs.

Selon un mode de réalisation, l’invention permet de suivre l’évolution du contenu fréquentiel dans le temps. A cet effet, un calculateur et une mémoire peuvent être configurés pour enregistrer en continu les mesures de chacune des séries temporelles et calculer en temps réel les indicateurs physiologiques à partir du contenu spectral obtenu par le modèle configuré. Ainsi, les amplitudes de chaque contenu fréquentiel obtenu par le modèle de l’invention peuvent être calculées pendant une durée prédéfinie.

Un intérêt de l’invention est de réaliser une mesure quotidienne, par exemple, pendant 5 à 15 minutes et de suivre l’évolution du contenu fréquentiel sur une période de plusieurs jours, plusieurs semaines, voire plusieurs mois. Une telle exploitation permet de générer des indicateurs physiologiques dans le temps par exemple pour accompagner un programme sportif, un programme de récupération, un programme d’entrainement ou pour déterminer un état physiologique d’un individu dans des phases transitoires, d’isolement, de fatigue, etc.

L’indicateur physiologique généré par l’invention permet de normaliser sur une échelle de valeurs donnée un coefficient permettant d’apprécier une donnée physiologique d’un individu.

A titre d’exemple, lorsque les basses fréquences LF augmentent sur une période de plusieurs jours et les hautes fréquences restent stables, l’individu peut être sujet à une fatigue chronique. Selon un autre exemple, pour un niveau de basses fréquences stable et un niveau de hautes fréquences qui diminue pendant plusieurs jours, l’indicateur physiologique peut être interprété comme un entrainement sportif trop important par rapport à un besoin physiologique.

Un avantage de l’invention est de générer à partir de points de mesures de l’activité cardiaque un contenu fréquentiel permettant de déduire une donnée représentative d’un état physiologique d’un individu avec une meilleure exploitation des variabilités observées que les modèles de l’état de l’art.

D’autres avantages de l’invention permettent notamment d’identifier l’activité caractéristique sympathique et parasympathique du système nerveux de manière dissociée. Plus généralement, l’invention trouve son intérêt principal dans l’analyse du stress d’une personne ou de son état de fatigue.

Claims

Procédé de génération d’un indicateur physiologique comportant :
Génération d’une première série temporelle (RR_S) des variabilités du rythme cardiaque dudit individu à partir d’un premier signal d’entrée (S₁) ;

Génération d’une seconde série temporelle (EDR_S) des fluctuations respiratoires d’un individu à partir d’un second signal d’entrée (S₂);

Application d’un modèle de signal (MOD(RR_n)) à partir d’une fonction numérique autorégressive (F₁) comportant une combinaison :

d’une première fonction linéaire (F_A) ayant un paramétrage prédéfini appliqué à toute ou partie de la première série temporelle (RR_S) ;

d’une seconde fonction linéaire (F_B) de toute ou partie de la seconde série temporelle (EDR_S) ;

d’une troisième fonction non-linéaire (F_C) comportant au moins des opérations entre des termes de la première série temporelle (RR_S) et des termes de la seconde série temporelle (EDR_S) ;

Calcul d’un spectre (SP₀) du modèle de signal (MOD(RR_n)) calculé ;

Extraction d’un premier spectre (SP₁) issu d’une combinaison linéaire des termes de la série temporelle modélisée (RRn) obtenus par la première fonction (F_A) et la seconde fonction (F_B);

Extraction d’un second spectre (SP₂) issu d’une combinaison non-linéaire des termes de la série temporelle modélisée (RR_n) obtenus par la troisième fonction (F_C);

Génération d’un indicateur physiologique (IND₁) à partir de la quantification de chacun des spectres extraits (SP₁, SP₂).
Procédé de génération d’un indicateur physiologique selon la revendication 1, caractérisé en ce que le premier signal d’entrée et le second signal d’entrée est un même signal électrique ECG dudit individu, le calcul de la seconde série temporelle des fluctuations respiratoires étant dérivées des mesures des pics de chaque signal R du QRS.
Procédé de génération d’un indicateur physiologique selon la revendication 2, caractérisé en ce que le procédé comprend une acquisition d’un signal ECG et en ce qu’il comprend:
une détermination de la fréquence respiratoire (F_R) à partir d’une analyse de l’évolution de l’amplitude des pics d’un ECG acquis ;

une génération de la seconde série temporelle (EDR_S) des variabilités des intervalles R-R de l’ECG acquis.
Procédé de génération d’un indicateur physiologique selon l’une quelconque des revendications 1 à 3, caractérisé en ce que la troisième fonction non-linéaire (F_C) est d’ordre 2 et que les opérations réalisées par la troisième fonction non-linéaire (F_C) comprennent des produits d’intercorrélation entre les termes de la seconde série temporelle (EDR_S) et les termes de la première série temporelle (RR_S), lesdits produits étant paramétrés à partir d’un nombre prédéfini de mesures de chacune des séries temporelles, dite première mémoire d’intercorrélation.
Procédé de génération d’un indicateur physiologique selon l’une quelconque des revendications 1 à 3, caractérisé en ce que la troisième fonction non-linéaire (F_C) est d’ordre 2 et que les opérations réalisées par la troisième fonction non-linéaire (F_C) comprennent des produits d’autocorrélation entre les termes de la première série temporelle (RR_S) à partir d’un nombre prédéfini de mesures de la première série temporelle.
Procédé de génération d’un indicateur physiologique selon l’une quelconque des revendications 1 à 3, caractérisé en ce que la troisième fonction non-linéaire (F_C) est d’ordre 2 et que les opérations réalisées par la troisième fonction non-linéaire (F_C) comprennent des produits d’autocorrélation entre les termes de la seconde série temporelle (EDR_S) à partir d’un nombre prédéfini de mesures de la seconde série temporelle (EDR_S).
Procédé de génération d’un indicateur physiologique selon l’une quelconque des revendications 1 à 3, caractérisé en ce que la première fonction linéaire (F_A) comprend une combinaison linéaire de termes de la première série temporelle (RR_S) à partir d’un nombre prédéfini de mesures de la première série temporelle (RR_S), dite première mémoire linéaire.
Procédé de génération d’un indicateur physiologique selon l’une quelconque des revendications 1 à 3, caractérisé en ce que la seconde fonction linéaire (F_B) comprend une combinaison linéaire des termes de la seconde temporelle (EDR_S) à partir d’un nombre prédéfini de mesures de la seconde série temporelle (RR_S), dite première mémoire linéaire.
Procédé de génération d’un indicateur physiologique selon l’une quelconque des revendications 1 à 8, caractérisé en ce que l’indicateur physiologique comprend une donnée relative à l’amplitude du contenu haute fréquence (HF) et du contenu basse fréquence (BF) dans le spectre obtenu par l’application du modèle et/ou une donnée caractérisant la corrélation du contenu basse fréquence et du contenu haute fréquence du spectre (SP₀) obtenu par l’application du modèle.
Procédé de génération d’un indicateur physiologique selon l’une des revendications précédentes, caractérisé en ce que le procédé comprend au moins un filtrage parmi lesquels :
des très basses fréquences inférieures à 0,04 Hz issues des variations de signaux générés par un mécanisme de régulation de la température du corps et/ou ;

des variations du rythme cardiaque supérieures à un seuil, associées à un rythme cardiaque supérieur à un seuil de 150 battements par seconde et/ou ;

des variations du rythme cardiaque supérieures à un seuil, associées à un rythme cardiaque inférieur à un seuil de 50 battements par seconde et/ou ;

des fréquences basses générées par l’absence d’une mesure d’un signal électrique et/ou ;

des fréquences générées par une activité musculaire pectorale.
Procédé de génération d’un indicateur physiologique selon l’une quelconque des revendications 1 à 10 caractérisé en ce que le procédé comprend une mesure de l’amplitude respiratoire, ladite mesure permettant de générer un indicateur de la fiabilité et/ou de calculer un facteur de correction ou de générer une alerte.
Dispositif médical comportant un capteur électrique du signal de l’ECG d’un individu et un moyen de calcul pour générer un indicateur physiologique à partir d’un procédé selon l’une quelconque des revendications 1 à 11.
Dispositif médical selon la revendication 11, caractérisé en ce que ledit dispositif est une ceinture cardiaque.
Dispositif médical comportant un capteur de pouls d’un individu et un moyen de calcul pour générer un indicateur physiologique à partir d’un procédé selon l’une quelconque des revendications 1 à 11.
Dispositif médical selon la revendication 14, caractérisé en ce que ledit dispositif est un bracelet comportant un détecteur de pouls.