En somme, un processus itératif de design de plusieurs dispositifs a permis de répondre à la question de recherche : comment assurer le suivi du rythme cardiaque et respiratoire à l’éveil chez la souris pendant une période prolongée et de manière non-invasive ? La technique permettant une telle acquisition est l’utilisation d’électrodes de surfaces couplées avec un piézoélectrique mesurant l’ECG et la respiration respectivement. Un dispositif fut fabriqué répondant aux besoins énoncés. 1. Le coût total de fabrication de 136,82 $ est faible. 2. Le système permet l’acquisition du rythme cardiaque avec un SNR de 17.4 dB. 3. Le système est autonome et ne nécessite pas d’intervention de l’usager une fois démarré par l’utilisateur grâce à une interface 4. La transmission de données est sans fils à l’aide d’une puce Bluetooth Low Energy®.
Ce dispositif, composé d’électrodes de surface, est innovateur puisqu’il n’existe pas de système équivalent sur le marché. En plus de permettre l’acquisition des signes vitaux d’une souris sur 14 jours, le système est étanche, ce qui permet de le nettoyer facilement. Une interface de contrôle permet la gestion de plusieurs dispositifs ce qui permet le suivi de plusieurs souris en même temps. Le dispositif permet aux chercheurs de sauver de l’argent en optant pour ce dispositif plutôt qu’un système de télémétrie. En plus de sauver de l’argent, les chercheurs sauvent le temps d’une chirurgie pour implanter le dispositif télémétrique et les complications qui peuvent survenir. Finalement, le système est réutilisable d’une souris à l’autre contrairement à la télémétrie.
Avant d’arriver à ce dispositif, deux autres systèmes ont été développés : le système radar et la matrice de piézoélectriques. Ces derniers ont permis d’acquérir le rythme cardiaque d’une souris sous anesthésie avec un taux d’erreur de l’ordre de 3-4% mais pas à l’éveil. Concernant le rythme respiratoire, le système radar et le système piézoélectrique ont permis d’obtenir cette mesure sous anesthésie et à l’éveil étant donné la forte amplitude du signal.
La prochaine étape consiste à valider le système sur un plus grand nombre de souris ainsi que sur de plus longues périodes de temps. Des centres de recherche seront approchés pour tester le dispositif afin d’obtenir un feedback d’usagers.
BIBLIOGRAPHIE
Adib, F., Mao, H., Kabelac, Z., Katabi, D., & Miller, R. C. (2015). Smart Homes that Monitor Breathing and Heart Rate. In Proceedings of the 33rd Annual ACM Conference on Human Factors in Computing Systems - CHI ’15. https://doi.org/10.1145/2702123.2702200
CCAC. (2016). Animal Data Report. Retrieved from https://www.ccac.ca/Documents/AUD/2016- Animal-Data-Report.pdf
Chan, K.H., J. C. L. (1987). Microoprocessor-based cardiopulmonary rate monitor, (January), 1985–1988.
Dalal, H., Basu, A., & Abegaonkar, M. P. (2017). Remote sensing of vital sign of human body with radio frequency. CSI Transactions on ICT, 5(2), 161–166. https://doi.org/10.1007/s40012- 016-0154-4
DSI, H. B. (n.d.). ECG Research. Retrieved March 1, 2019, from https://www.datasci.com/solutions/cardiovascular/ecg-research
Farmer, J. B., & Levy, G. P. (1968). A SIMPLE METHOD FOR RECORDING THE ELECTROCARDIOGRAM AND HEART RATE FROM, 193–200.
González-Sánchez, C., Fraile, J. C., Pérez-Turiel, J., Damm, E., Schneider, J. G., Zimmermann, H., … Ihmig, F. R. (2016). Capacitive sensing for non-invasive breathing and heart suivi in non-restrained, non-sedated laboratory mice. Sensors (Switzerland), 16(7). https://doi.org/10.3390/s16071052
Herrmann, K. H., Pfeiffer, N., Krumbein, I., Herrmann, L., & Reichenbach, J. R. (2014). MRI compatible small animal suivi and trigger system for whole body scanners. Zeitschrift Fur Medizinische Physik, 24(1), 55–64. https://doi.org/10.1016/j.zemedi.2013.07.005
Ho, D., Vatner, D. E., Vatner, S. F., Zhao, X., Gao, S., & Hong, C. (2011). Heart Rate and Electrocardiography Suivi in Mice. In Current Protocols in Mouse Biology. https://doi.org/10.1002/9780470942390.mo100159
Huang, T., Hayward, L., & Lin, J. (2016). Adaptive Harmonics Comb Notch Digital Filter for Measuring Heart Rate of Laboratory Rat Using a 60-GHz Radar, 1, 2–5.
cardiorespiratory movement using a 60-GHz radar and nonlinear Doppler phase modulation. 2015 IEEE MTT-S International Microwave Workshop Series on RF and Wireless Technologies for Biomedical and Healthcare Applications, IMWS-BIO 2015 - Proceedings, 83–84. https://doi.org/10.1109/IMWS-BIO.2015.7303788
Karki, J. (2000). Signal Conditioning Piezoelectric Sensors. Application Report, SLOA033A(September), 1–6. https://doi.org/10.1115/1.1766030
Mitchell, B. S. (2004). Appendix 8: Electrical Conductivity of Selected Materials. An Introduction to Materials Engineering and Science, 893–899. https://doi.org/10.1002/0471473359.app8 Mouse Specifics, I. (n.d.). Heart Suivi ECGenie | Mouse Specifics, Inc. Retrieved March 1, 2019,
from https://mousespecifics.com/heart-suivi/ecgenie/
Pan, J., & Tompkins, W. J. (1985). A Real-Time QRS Detection Algorithm. IEEE Transactions on Biomedical Engineering, BME-32(3), 230–236. https://doi.org/10.1109/tbme.1985.325532 Rao, S. (2017). Introduction to mmwave Sensing : FMCW Radars. Retrieved from
https://training.ti.com/intro-mmwave-sensing-fmcw-radars-module-1-range-estimation Sakamoto, T., Imasaka, R., Taki, H., Sato, T., Yoshioka, M., Inoue, K., … Sakai, H. (2016).
Feature-based correlation and topological similarity for interbeat interval estimation using ultrawideband radar. IEEE Transactions on Biomedical Engineering, 63(4), 747–757. https://doi.org/10.1109/TBME.2015.2470077
Sato, S., Yamada, K., & Inagaki, N. (2006). System for simultaneously suivi heart and breathing rate in mice using a piezoelectric transducer. Medical and Biological Engineering and Computing. https://doi.org/10.1007/s11517-006-0047-z
Texas Instrument. (2015). ADS129x Low-Power , 8-Channel , 24-Bit Analog Front-End for Biopotential Measurements.
Vasu, V., Fox, N., Brabetz, T., Wren, M., Heneghan, C., & Sezer, S. (2009). Detection of cardiac activity using a 5.8 GHz radio frequency sensor. Proceedings of the 31st Annual International Conference of the IEEE Engineering in Medicine and Biology Society: Engineering the Future of Biomedicine, EMBC 2009, 4682–4686. https://doi.org/10.1109/IEMBS.2009.5334223 Zhao, M., Adib, F., & Katabi, D. (2016). Emotion recognition using wireless signals. Proceedings
of the 22nd Annual International Conference on Mobile Computing and Networking - MobiCom ’16, 95–108. https://doi.org/10.1145/2973750.2973762
ANNEXE A – CALCUL DÉTAILLÉ POUR LE SYSTÈME RADAR
Avec les paramètres du radar utilisé :Δd = 1mm, la variation de l’objet d = 1m, la distance de l’objet Tc = 40 us, le temps du pulse
S = 50 MHz/us
Un objet à une distance de 1m du radar produira une fréquence IF :
𝐼𝐹 = 𝑆2𝑑 𝑐 = 50 ∙ 1012𝐻𝑧 𝑠 ∙ 2 ∙ 1𝑚 3 ∙ 108𝑚 𝑠 = 333 𝑘𝐻𝑧
Lorsque l’objet se déplace de Δd, la fréquence intermédiation changera de Δ𝐼𝐹 :
Δ𝐼𝐹 = 𝑆2Δ𝑑 𝑐 = 50 ∙ 1012𝐻𝑧𝑠 ∙ 2 ∙ 10−3𝑚 3 ∙ 108𝑚 𝑠 = 333 𝐻𝑧
Alors qu’en terme de phase, 1mm = π/4 : ∆𝜙 =4𝜋∆d
ANNEXE B – CIRCUIT DE REJET DU MODE COMMUN
Le circuit suivant (Texas Instrument, 2015) présente un circuit permettant de rejeter le mode commun où les entrées analogiques sont couplées de manière alternative. Ceci permet de réduire le 60 Hz sans utiliser de right leg drive. Un condensateur (CBlock) rejette la composante continue
du signal et la résistance (RPull-Up) agit comme un diviseur de tension ramenant le signal à un
décalage de potentiel connu. Ceci permet d’enlever la dérive du mode commun. Les deux composantes agissent également comme un filtre passe-haut. Ici, RPull-Up = 931 kohm et CBlock =
1uF permettant de couper les fréquences inférieures à 0.17 Hz (Okawa Electric Design tool : http://sim.okawa-denshi.jp/en/CRtool.php).