Conception et implémentation d’un réseau sans-fil
pour la surveillance continue des signes vitaux
Mémoire
Tamer Elfaramawy
Maîtrise en génie électrique
Maître ès sciences (M.Sc.)
Québec, Canada
Conception et implémentation d’un réseau sans-fil
pour la surveillance continue des signes vitaux
Mémoire
Tamer Elfaramawy
Sous la direction de: Benoit Gosselin
Résumé
Les dépenses de santé augmentent continuellement année après année et prennent une grande partie du budget d’un pays. Pendant les soins médicaux, les signes vitaux, tels que le rythme cardiaque et la respiration, sont des paramètres clés qui sont surveillés en permanence. La toux est un indicateur important de plusieurs problèmes comme la maladie pulmonaire obstructive chronique (MPOC), et c’est aussi la principale raison pour laquelle les patients consultent un médecin. En fait, c’est un mécanisme de défense pulmonaire des voies respiratoires qui per-met l’expulsion de substances indésirables et irritantes. Les capteurs de corps sans fil sont de plus en plus utilisés par les cliniciens et les chercheurs, dans un large éventail d’applications telles que le sport, l’ingénierie spatiale et la médecine. La surveillance des signes vitaux en temps réel peut considérablement augmenter la précision du diagnostic et peut permettre des méthodes de guérison automatiques, par exemple, la détection et l’arrêt des crises d’épilepsie ou de narcolepsie. Les paramètres respiratoires sont essentiels en oxygénothérapie, en milieu hospitalier et en surveillance ambulatoire, tandis que l’évaluation de la sévérité de la toux est essentielle pour traiter plusieurs maladies, comme la bronchopneumopathie chronique obs-tructive (BPCO). Dans cette thèse, un système de surveillance respiratoire sans fil de faible puissance avec détection de la toux est présenté. Ce système utilise des capteurs multimo-daux, portables et sans-fils, conçus à l’aide de composants conventionnels disponibles dans le commerce. Ces capteurs portables utilisent une unité de mesure inertielle à 9 axes de faible puissance pour mesurer la fréquence respiratoire, et un microphone MEMS pour effectuer la détection de la toux. L’architecture de chaque capteur sans fil est présentée. De plus, les ré-sultats montrent que le capteur à petite taille de 26,67 x 65,53 mm2 consomme environ 12 à
16,2 mA et peut durer au moins 6 heures avec une batterie lithium-ion miniature de 100 mA. L’unité d’acquisition, l’unité de communication sans fil et les algorithmes de traitement de données sont décrits. Les performances du réseau de capteurs sont présentées pour des tests expérimentaux en comparant avec la pléthysmographie d’inductance respiratoire.
Abstract
Health care expenses are continuously increasing year after year and taking a large part of a country’s budget. During medical care, vital signs, such as heart and breathing rates, are key parameters that are continuously monitored. Coughing is a prominent indicator of several problems such as COPD, and it is also the main reason for why patients seek medical advice. In fact, it is a pulmonary defense mechanism of the respiratory tract that allows the expul-sion of undesirable and irritating substances. Wireless body sensors are increasingly used by clinicians and researchers, in a wide range of applications such as sports, space engineering and medicine. Monitoring vital signs in real time can dramatically increase diagnosis accuracy and enable automatic curing procedures, e.g. detect and stop epilepsy or narcolepsy seizures. Breathing parameters are critical in oxygen therapy, hospital and ambulatory monitoring, while the assessment of cough severity is essential when dealing with several diseases, such as chronic obstructive pulmonary disease (COPD). In this thesis, a low-power wireless respira-tory monitoring system with cough detection is proposed to measure the breathing rate and the frequency of coughing. This system uses wearable wireless multimodal patch sensors, de-signed using off the shelf components. These wearable sensors use a low-power 9-axis inertial measurement unit to measure the respiratory frequency, and a MEMs microphone to perform cough detection. The architecture of each wireless patch-sensor is presented. In fact, the results show that the small 26.67 x 65.53 mm2 patch-sensor consumes around 12 to 16.2 mA,
and can last at least 6 hours with a miniature 100 mA lithium ion battery. The acquisition unit, the wireless communication unit and the data processing algorithms are described. The proposed network performance is presented for experimental tests with a freely behaving user in parallel with the gold standard respiratory inductance plethysmography.
Table des matières
Résumé iii
Abstract iv
Table des matières v
Liste des tableaux viii
Liste des figures ix
Remerciements xiv
Introduction 1
1 Revue de littérature 5
1.1 Les signes vitaux . . . 5
1.1.1 Le système respiratoire. . . 5
1.1.2 Le cœur et le système cardiovasculaire . . . 6
1.1.3 La pression artérielle . . . 10
1.1.4 La température corporelle . . . 10
1.2 La surveillance du système respiratoire . . . 11
1.2.1 La méthode de la capacité variable . . . 11
1.2.2 La pléthysmographie respiratoire par inductance . . . 12
1.2.3 Le capteur piézorésistif. . . 12
1.2.4 L’arythmie respiratoire. . . 13
1.2.5 Caractérisation de la cage thoracique et de la cage abdominale . . . 14
1.2.6 La fusion d’un accéléromètre avec un gyroscope . . . 17
1.2.7 Le microphone et la toux . . . 19
1.3 Le marché . . . 23
1.3.1 Systèmes de surveillance des signes vitaux . . . 24
1.3.2 Systèmes de surveillance physiologiques et biomécaniques . . . 25
1.3.3 Systèmes de surveillance respiratoire . . . 25
1.3.4 Systèmes de surveillance cardiovasculaire et de pression artérielle . . 26
1.3.5 Capteurs de températures . . . 26
1.4 Les réseaux de bio-capteurs sans fils . . . 28
1.4.1 Recommandations pour l’utilisation de technologies RF sans-fil dans les appareils médicaux . . . 28
1.4.3 Qualité de service des communications sans-fil. . . 28
1.4.4 Coexistence des communications sans-fil . . . 29
1.4.5 Sécurité des signaux et de l’information . . . 29
2 Travaux préliminaires 30 2.1 Méthodologie . . . 30
2.2 L’unité de mesure d’inertielle . . . 30
2.3 Le microphone MEMS . . . 31
2.4 Circuit d’acquisition des données . . . 32
2.5 Conception d’une première unité d’acquisition des données . . . 34
2.6 Le logiciel de traitement numérique des données . . . 36
2.7 Conception d’une interface pour analyser les données . . . 36
3 Conception de nœuds de capteurs pour la surveillance des données respiratoires 38 3.1 L’architecture du système . . . 38
3.2 L’acquisition des données . . . 40
3.2.1 Le microcontrôleur (MCU) . . . 40
3.2.2 L’unité de mesure d’inertielle (IMU) . . . 41
3.2.3 Microphone . . . 41
3.3 La communication des données . . . 41
4 Conception d’un réseau sans fil pour la surveillance des données respi-ratoires 43 4.1 L’architecture du système . . . 43
4.2 Les unités d’acquisition des données . . . 44
4.3 La station de base . . . 46
5 Les algorithmes et les traitements de données 48 5.1 Le traitements du signal sur le MCU . . . 48
5.1.1 L’accéléromètre et le gyroscope . . . 49
5.1.2 Filtre complémentaire et l’angle de rotation . . . 50
5.2 Les algorithmes implémentés sur l’ordinateur hôte . . . 52
5.2.1 Détection de la fréquence et du signal respiratoire. . . 52
5.2.2 Algorithme de détection de la toux . . . 53
5.2.3 Lissage et détection de pics . . . 54
6 Performance 55 6.1 Le système de surveillance respiratoire . . . 55
6.1.1 L’unité du microcontrôleur . . . 56
6.1.2 Circuit de l’unité de mesure inertiel . . . 56
6.1.3 Circuit transmetteur RF . . . 57
6.1.4 Circuit de gestion d’énergie . . . 58
6.1.5 Microphone analogique. . . 58
6.2 Performance du système . . . 60
6.2.1 Système de surveillance respiratoire. . . 60
6.2.2 Détecteur de la toux . . . 61
6.3 PCB du système final . . . 64
Conclusion 66
A Code du MCU 68
B Code Matlab 89
C Fiches techniques des composants 103
Liste des tableaux
1.1 Les plages normales des différentes méthodes pour mesurer la température
cor-porelle. . . 10 6.1 Les caractéristiques du système.. . . 64
Liste des figures
1.1 Le coeur et le thorax [41]. . . 6 1.2 Liens entre les différents paramètres cardiovasculaires (Paramètre le plus haut
dépend du dessous) [41]. . . 7 1.3 Le diagramme Wiggers montrant les différents cycles cardiaques [78]. . . 7 1.4 Le phonocardiogramme des bruits cardiaques normales et anormales [76]. . . . 8 1.5 Représentation d’un ECG normal [77]. . . 9 1.6 Le capteur de pouls de Sparkfun [17]. . . 9 1.7 Un exemple d’oxymètre de pouls [11]. . . 9 1.8 Schéma d’un capteur optique utilisé sur un doigt avec la représentation d’un
des composants du PPG [34]. . . 9 1.9 Schéma de l’appareil respiratoire [74]. . . 11 1.10 Deux figures extraites de l’article [29] montrant la méthode de la capacité variable. 12 1.11 Figure extrait de l’article [38] montrant les signaux respiratoires de la cage
thoracique et abdominale mesurant en utilisant la PRI. . . 13 1.12 Deux figures extrait de l’article [49] montrant une photographe du capteur
pié-zorésistif et un diagramme du système développé. . . 13 1.13 Figure extrait de l’article [80] montrant l’homéostasie entre le système
respira-toire et le système circulaire. . . 14 1.14 Figures extraites de l’article [44] : la première montre l’emplacement optimal de
l’accéléromètre et la deuxième montre la corrélation entre le signal respiratoire
d’un accéléromètre avec des signaux provenant d’un thermistor utilisé à l’hôpital. 15 1.15 Figure extraite de l’article [50] : diagramme du patch démontrant les différents
capteurs et la connexion externe. . . 16 1.16 Figures extraites de l’article [50] : le patch fabriqué sur un PCB flexible (en
haut), l’emballage pour un patch flexible (milieu), les électrodes jetables montés sur le patch (en bas) et la visualisation d’un ECG et de 3 axes de données en
temps réel sur un téléphone Android (à droite). . . 16 1.17 Figure extraite de l’article [50] : Récupération de la fréquence respiratoire en
utilisant un accéléromètre (à gauche) et le signal ECG avec deux différentes
techniques (à droite).. . . 17 1.18 Figure extraite de l’article [50] : La fréquence respiratoire actuelle et estimée
des trois mesures différentes décrites dans Fig. 1.17. . . 17 1.19 Figure extraite de l’article [81] : L’organigramme du traitement de signal pour
1.20 Figures extraites de l’article [81] : Le signal respiratoire estimé pendant une marche sur un tapis roulant en utilisant : (a) PowerLab Pneumotrace II ; (b) La méthode de l’accéléromètre ; (c) La méthode de fusion de données avec un filtre Kalman (en haut). Le taux d’erreur et le taux d’erreur totale de la fréquence res-piratoire en utilisant un seul accéléromètre et la méthode de fusion des données durant de l’aérobic. (a) Le taux d’erreur est calculé en utilisant le Pneumotrace
II comme référence. (b) Le taux d’erreur totale de chaque méthode (en bas). . . 18 1.21 Figure extraite de l’article [45] : L’organigramme du traitement de signal pour
obtenir la fréquence respiratoire. . . 19 1.22 Figure extraite de l’article [12] : L’organigramme du traitement de signal pour
obtenir la fréquence respiratoire. . . 19 1.23 Figure extraite de l’article [45] : Un exemple d’enregistrements sonores de la
respiration nasale avec un bruit de fond vocal lorsque la distance entre le nez et le microphone du smartphone du sujet était de 30 cm. (a) Le signal audio
filtré. (b) L’enveloppe du signal sous-échantillonné. (c) Le DSP de l’enveloppe.. 20 1.24 Figures extraites de l’article [15] : la première est le diagramme du système
d’acquisition pour la détection automatique du toux et la deuxième est une classification des performances des différents moyens de mesure où les capteurs
les plus performants ont le plus grand taux de classification. . . 21 1.25 Figure extraite de l’article [15] montrant la classification des performances des
différents moyens de mesure en fonction des problèmes de discrimination de la
toux avec une autre catégorie d’événement. . . 21 1.26 Figure extraite de l’article [1] montrant l’emplacement du capteur
piézoélec-trique sur la poitrine (a) et les signaux temporels de la toux et de la parole
pour un microphone et pour un capteur piézoélectrique (b). . . 22 1.27 Figure extraite de l’article [1] montrant la différence entre l’apprentissage
clas-sique pour la détection automatique de la toux et l’apprentissage profond. . . . 23 1.28 Zensor, un système de surveillance par Wi-Fi de la fréquence respiratoire,
car-diaque et de l’ECG [39]. . . 24 1.29 Aingeal, un système de surveillance et d’analyse en temps réel de la respiration
et de l’ECG [39]. . . 24 1.30 BioPatch HP Monitoring Device, est un appareil de Zephyr pour la surveillance
respiratoire et cardiaque.. . . 25 1.31 Le système de surveillance respiratoire de Respiratory Motion [39]. . . 26 1.32 Le système de surveillance respiratoire de Masimo lors de l’utlisation [35]. . . . 26 1.33 La montre intelligente de Polar [54]. . . 26 1.34 La ceinture de Polar pour mesurer la fréquence cardiaque [54].. . . 26 1.35 Moniteur de pression artérielle sans fil de Withings et conseillé par Apple [2]. . 27 1.36 La ceinture de Wahoo pour mesurer la fréquence cardiaque, conseillé par Apple [2]. 27 1.37 Les capteurs ECG sans fil de Qardio [56]. . . 27 1.38 Le système de surveillance de pression artérielle de Qardio [56]. . . 27 1.39 Tempdrop, un dispositif portable de fertilité [71]. . . 27 1.40 iThermonitor, un thermomètre portable pour une surveillance continue [71]. . . 27 2.1 L’unité de mesure intertielle avec les trois dimensions de l’accéléromètre (a),
du gyroscope (b) et du magnétomètre (c), avec les caractéristiques et taille du
2.2 Le schéma électrique du circuit contenant le microphone INMP401 et son AFE
[23]. . . 32 2.3 Le microphone INMP401 de InvenSense (a) dans le circuit imprimé de Sparkfun
(b) [23]. . . 32 2.4 Le circuit imprimé du circuit de support de capteurs. . . 33 2.5 Une image du circuit de support de capteurs monté sur la carte de
développe-ment MSP430. . . 33 2.6 La première unité d’acquisition des données, permettant d’étudier et d’analyser
les capteurs UMI et le microphone, avec la communication vers l’ordinateur
hôte pour le traitement des données. . . 34 2.7 La carte de développement LaunchPad F5529 de TI montrant l’émulateur
eZ-FET lite qui programme le microcontrôleur MSP430F5529 et qui permet une
transmission par USB. . . 35 2.8 La structure des données transmis dans l’unité d’acquisition des données utilisée
pendant les travaux préliminaires pour l’analyse des UMI. . . 35 2.9 La structure des données transmis dans l’unité d’acquisition des données utilisée
pendant les travaux préliminaires pour l’analyse du microphone. . . 36 2.10 L’interface, conçue avec le logiciel Matlab, pour la visualisation des 6 dimensions
de données de chaque UMI (3 pour l’accéléromètre et 3 pour le gyroscope)
permet d’observer 4 signaux temporels et 2 signaux fréquentiels simultanément. 37 3.1 Diagramme bloc du système de surveillance avec les capteurs proposés, dont
les deux IMU numériques et le microphone analogique, l’unité d’acquisition des
données, l’unité de traitement des données et l’interface utilisateur. . . 39 3.2 Photo du système de surveillance respiratoire et de détection de toux montrant
la carte d’acquisition des données, les capteurs IMU, la carte contenant le mi-crophone et son filtre analogique, la carte FTDI convertissant la communication
série en USB, et le cable USB. . . 39 3.3 L’emplacement du microphone, de l’IMU thoracique et de l’IMU abdominale.. . 40 3.4 Diagramme bloc du microcontrôleur MSP430F5529 utilisé dans l’unité
d’acqui-sition du système avec fil. . . 41 3.5 La structure des données transmis dans l’unité d’acquisition des données utilisée
pendant les travaux préliminaires pour l’analyse des UMI. . . 42 3.6 La structure des données transmis dans l’unité d’acquisition des données dans
le système filaire. . . 42 4.1 Diagramme bloc du réseau de capteurs sans fil proposé, incluant les nœuds
d’acquisition des données, la station de base, l’unité de traitement des données
et l’interface utilisateur. . . 44 4.2 Diagramme bloc du microcontrôleur MSP430F5529 utilisé dans l’unité
d’acqui-sition thoracique du système sans fil, qui inclut un capteur IMU et un microphone. 45 4.3 Diagramme bloc du microcontrôleur MSP430F5529 utilisé dans la station de
base, qui inclut un capteur IMU et système sans fil.. . . 46 5.1 Diagramme bloc du microcontrôleur MSP430F5529, utilisé dans l’unité
d’ac-quisition thoracique, montrant les blocs de calcul d’un angle de rotation . . . . 49 5.2 Les composantes Y et Z de la force gravitationnelle lors d’une rotation d’un
5.3 La représentation de la cavité ventrale (la cavité thoracique et la cavité abdo-minale) lors d’un cycle respiratoire dans (a), et l’image de l’IMU sur la cavité
thoracique montrant l’angle de rotation de la cavité. . . 50
5.4 L’IMU avec les 3 axes X, Y et Z de l’accéléromètre représenté dans 4 situations : a) le capteur déplacé d’un angle θ, b) l’image réel du capteur, c) l’image à 2 dimension du capteur déplacé d’un angle θ, et d) le capteur placé sur l’utilisateur. 51 5.5 Le schéma bloc du filtre complémentaire utilisé dans le microcontrôleur pour le calcul de l’angle de rotation abdominal et thoracique où ay et az sont les composantes Y et Z de l’accélération sur le vecteur x, θa l’angle de rotation de l’accéléromètre et θg l’ange de rotation du gyroscope. . . 52
5.6 Le schéma bloc des traitements des signaux réalisés sur Matlab pour obtenir le signal PPG, la fréquence respiratoire et la fréquence de la toux. . . 53
6.1 Le circuit imprimé du système de surveillance respiratoire avec les différents unités mises en évidence.. . . 55
6.2 Circuit de l’unité du microcontrôleur. . . 56
6.3 Circuit de l’unité de mesure inertiel. . . 57
6.4 Circuit du transmetteur sans-fil. . . 57
6.5 Circuit de gestion d’énergie du système de surveillance.. . . 58
6.6 Circuit électrique du microphone analogique INMP401.. . . 59
6.7 Les différents lieux pour placer les capteurs. . . 59
6.8 L’angle de la cage ventrale après traitement du signal pour deux utilisateurs où les deux nœuds de capteurs placés sur la cavité thoracique, et lorsque les deux nœuds de capteurs ont placés sur des cages différentes. . . 60
6.9 Comparaison du signal respiratoire pour le capteur placé dans 4 placements différents sur la cavité abdominale. . . 61
6.10 Comparaison du signal respiratoire pour le capteur placé dans 4 placements différents sur la cage thoracique. . . 61
6.11 Le signal provenant du microphone et le ZCR correspondant à ce signal. . . 62
6.12 Le spectrogramme en fond en gris, le signal audio du microphone en bleu, le signal après l’application du ZCR et du lissage en vert et la densité spectrale de puissance maximale du signal en rouge. . . 62
6.13 Répartition de la consommation énergétique du capteur thoracique de sur-veillance respiratoire en %. . . 63
6.14 PCB du système de surveillance respiratoire final.. . . 65
6.15 Schéma électrique de la carte de circuit imprimé. . . 65
C.1 Fiche technique du module sans fil . . . 103
C.2 Fiche technique du microphone MEMS . . . 104
C.3 Fiche technique de l’unité de mesure d’inertie . . . 105
C.4 Fiche Technique du régulateur de voltage pour le circuit de gestion d’énergie. . 106
Qu’il me soit enfin permis de remercier toute ma famille et mes proches pour leur amour et leur soutien constant. Je leur dédie ce mémoire.
Remerciements
Je tiens à remercier mes proches pour leur soutien tout au long de mes études et spécialement pendant mes années à l’Université Laval.
J’aimerais remercier Dr Benoit Gosselin, professeur agrégé au département de génie électrique et de génie informatique, de m’avoir reçu à l’Université Laval, pour sa confiance et son suivi durant ma maîtrise. Non seulement il m’a donné tous les outils pour réaliser mon projet de recherche, mais c’est aussi grâce à ses encouragements que j’ai pu participer à autant de projets innovants et que j’ai pu réaliser plusieurs publications scientifiques.
Je souhaite aussi remercier l’entreprise OxyNov pour leur collaboration et leur soutien financier qui m’a permis de réaliser ce projet. Parmi les employés chez OxyNov, j’aimerais remercier Martin Morissette pour ses conseils scientifiques et son soutien moral, mais aussi Dr François Lellouche et Jean-Luc Balzer qui m’ont fait confiance en m’accordant cette opportunité. Finalement, je tiens à remercier l’ensemble des personnes du laboratoire et de l’université pour leur accueil chaleureux, leurs conseils et leur convivialité.
Introduction
Mise en contexte
Les dépenses de santé augmentent continuellement et prennent une grande partie du budget d’un pays. Lors des soins de santé, les signes vitaux, par exemple le rythme cardiaque et la fréquence respiratoire, sont des paramètres clés qui sont surveillés en permanence. La toux est un indicateur important de plusieurs problèmes tels que la bronchopneumopathie chronique obstructive (BPCO), et c’est aussi la principale raison pour laquelle les patients consultent un médecin [67]. En fait, c’est un mécanisme de défense pulmonaire des voies respiratoires qui permet l’expulsion de substances indésirables et irritantes.
Aujourd’hui, les capteurs corporels sans fil sont de plus en plus utilisés par les cliniciens et les chercheurs dans un large éventail d’applications telles que le sport, l’ingénierie spatiale et surtout la médecine. La surveillance des signes vitaux en temps réel peut considérablement augmenter la précision du diagnostic et permettre des procédures de guérison automatiques, par exemple la détection et l’arrêt des crises de narcolepsie ou d’épilepsie. Les paramètres respiratoires sont essentiels en oxygénothérapie, en milieu hospitalier et en surveillance ambu-latoire, tandis que l’évaluation de la sévérité de la toux est essentielle pour traiter plusieurs maladies comme la BPCO.
Contribution de ce mémoire
Plusieurs systèmes de surveillance des signes vitaux existent sur le marché et dans la littérature scientifique. Par contre, très peu sont utilisés et commercialisés dans le domaine médical. Dans les milieux hospitaliers, les technologies pour la surveillance respiratoire et même pour la toux sont peu répandues. En effet, les patients ont besoin d’un système peu encombrant qui leur donne un maximum de liberté de mouvement. De même, ces types de technologies devraient offrir un maximum de fiabilité, de robustesse et une utilisation simple et rapide pour le personnel de l’hôpital. Dans la littérature scientifique, plusieurs auteurs proposent des systèmes pour la surveillance statique [4], [45]. Dans [81], un système dynamique de surveillance de la respiration est obtenu à partir de la fusion d’un accéléromètre et d’un gyroscope en utilisant un filtre de Kalman. Dans ce mémoire, je présente un système de mesure portable
sans fil à faible consommation d’énergie en temps réel basé sur un réseau de capteurs de patch multimodal offrant une flexibilité et une mobilité illimitées à l’utilisateur. Il est conçu avec un système de surveillance respiratoire et d’une unité de détection de la toux. Il utilise un filtre complémentaire pour fusionner les données d’un accéléromètre et d’un gyroscope pour un traitement efficace des données. Il fusionne également les données provenant de chaque nœud sans fil et est capable de détecter des données de respiration lorsque le patient est assis et marche.
Les objectifs
L’objectif principal de cette collaboration avec OxyNov est de développer un système de surveillance respiratoire sans fil alors que les objectifs secondaires sont de surveiller la toux ainsi que des paramètres vitaux comme la pression artérielle, la température corporelle et la fréquence cardiaque. Ainsi, je propose un système qui étudie les mouvements des cages thoraciques et abdominales pour récupérer l’activité respiratoire des utilisateurs. De plus, un microphone est ajouté pour étudier l’effet de la toux sur les signaux acoustiques. Dans ce mémoire, je commence dans le premier chapitre par une revue de littérature sur la surveillance des signes vitaux en utilisant un réseau de bio-capteurs sans fils. Dans le deuxième chapitre, je présente les travaux préliminaires nécessaires pour concevoir un système de surveillance sans fil, dont le développement d’une unité d’acquisition de données à basse consommation d’énergie, le logiciel de traitement de données et l’interface de visualisation des données. Dans le troisième chapitre, la conception de nœuds de capteurs pour la surveillance des données respiratoires est expliquée. Dans le quatrième chapitre, c’est la conception d’un réseau sans fil pour la surveillance des données respiratoires qui est expliquée. Les algorithmes utilisés et les traitements de données appliqués sont présentés dans le cinquième chapitre. La performance du système est étudiée dans le sixième chapitre avant de conclure dans un dernier chapitre. Finalement, des annexes contenant les codes de programmation et les fiches techniques sont présentées avant la présentation de la bibliographie.
La méthodologie
Le système de surveillance proposé utilisera deux paires d’accéléromètre et de gyroscope pla-cées sur la cage thoracique et sur la cage abdominale pour obtenir les mouvements de ces deux cages. Les données de ces capteurs seront traitées et filtrées sur Matlab pour obtenir l’inclinai-son de ces deux cages lors des cycles respiratoires pour calculer la fréquence respiratoire. Grâce à l’accéléromètre, les battements de cœur seront aussi observables après filtrage du bruit. Ce système sera aussi muni d’un microphone pour détecter la toux après avoir éliminé les bruits de l’utilisateur comme la parole. Le système de surveillance utilisera des composants à basse consommation d’énergie pour favoriser la conception de capteurs sans fil avec une longue durée
de vie. Ainsi, le projet final est composé de plusieurs sous-projets :
— Conception d’un système d’acquisition à basse consommation d’énergie pour récupérer les données des différents capteurs.
— Conception d’un lien sans fil à basse consommation d’énergie.
— Conception d’un interface utilisateur sur l’ordinateur pour la lecture des données en temps réel.
— Conception d’un algorithme pour l’observation du signal cardiaque : la force des bat-tements de cœur est observable avec l’accéléromètre lorsqu’il placé sur le cœur. Ainsi, il suffira de filtrer les différents bruits comme le bruit blanc ou le mouvement de la personne.
— Conception d’un algorithme pour le calcule de la fréquence respiratoire et l’observation du signal respiratoire : les données des capteurs seront traitées pour obtenir l’inclinaison de la cage thoracique et de la cage abdominale autour des axes des capteurs IMU placés sur chaque cage. Cet angle de rotation sera filtré pour éliminer tous bruits comme le mouvement de l’utilisateur ou les bruits à haute fréquence. L’angle correspondra ainsi au mouvement respiratoire. Il ne restera que le calcul de la fréquence principale de ce signal pour obtenir la fréquence respiratoire.
Le calendrier de travail
Le développement d’un tel système possède plusieurs phases et a duré deux années et suit ce calendrier :
— Mars-Juin 2015 : revue de littérature
Le projet a commencé avec une revue de littérature pour connaitre la fiabilité des différentes méthodes de mesure des signes vitaux. Cette recherche a permis la rédaction d’un rapport pour le cours de lectures dirigées.
— Juillet-Octobre 2015 : conception de l’unité d’acquisition
La conception d’un premier prototype commence avec la conception de l’unité d’ac-quisition des données, soit, la mise en place du microcontrôleur à basse consommation d’énergie, le module sans fil, un microphone et un capteur de mouvement inertiel conte-nant un gyroscope, un accéléromètre et un magnétomètre.
— Novembre-Février 2016 : conception de l’unité de communication
Le développement de l’unité de communication sans fil avec l’intégration du module sans fil ainsi que la conception de l’interface entre le système et l’utilisateur.
— Mars-Juin 2016 : conception de l’unité de traitement des données :
La conception du deuxième prototype permet l’ajout de l’unité de traitement des don-nées et de l’interface de l’utilisateur déjà préparé. Ceci permet l’observation des signaux cardiovasculaires et respiratoires.
fusion de ces biocapteurs
La conception d’un troisième prototype permet d’augmenter le nombre des capteurs utilisés et de réaliser un réseau de biocapteurs sans fil pour la mesure de la fréquence respiratoire, l’observation du signal respiratoire, l’observation du signal cardiaque et la détection de toux.
— Novembre-Février 2017 : validation, vérification et amélioration du proto-type final
Chapitre 1
Revue de littérature
1.1
Les signes vitaux
1.1.1 Le système respiratoire
La respiration
Les cellules de notre organisme en besoin d’une oxygénation permanente pour fonctionner. De plus, cette oxygénation des cellules est suivie d’un débarras du gaz carbonique. À chaque inspiration, le thorax ou l’abdomen se soulève pour qu’un volume d’air contenant de l’oxy-gène soit aspiré vers les poumons. À l’expiration, grâce à l’élasticité des muscles, un souffle d’air sort par la bouche et dégage tout le gaz carbonique. On appelle tout ce cycle répétitif le cycle respiratoire. Il y a plusieurs façons de caractériser la fonction respiratoire et plusieurs paramètres ont été définis pour ceci. L’amplitude des mouvements respiratoires, la variation de l’amplitude, le volume d’air inspiré, la fréquence respiratoire et la saturation artérielle de l’oxygène (SaO2) permettent de caractériser la fonction respiratoire. En effet, il existe des
appareils qui mesurent les changements de volume comme les techniques d’impédance trans-thoracique, des appareils qui mesurent le débit d’air comme les thermistances pour la mesure du débit oronasal, des appareils qui permettent d’évaluer les changements de gaz sanguins comme l’oxymétrie de pouls et des appareils de mesure de la concentration de dioxygène dans l’air expiré (end-tidal O2 measurement). Un des signes vitaux mesurés chez un individu est la
fréquence respiratoire. Cette dernière est le nombre de respirations par minute de la personne concernée. En moyenne, une fréquence normale pour une personne adulte se trouve entre 12 et 20 respirations par minute. Elle peut monter jusqu’à 60 respirations par minute pour un enfant âgé de quelques mois. Ainsi la fréquence respiratoire varie entre 0.2 Hz à 1 Hz.
La toux
La définition d’une toux est l’action que le corps prend pour se débarrasser de substances gênant le passage de l’air lors de la respiration. Le résultat de cette action est que de l’air
est forcé hors des poumons sous haute pression en interrompant la respiration normale [9]. Aujourd’hui, elle est une des principales plaintes médicales qui influence la qualité de vie et qui est responsable d’une bonne proportion des visites médicales ambulatoires annuelles et des frais médicaux dans plusieurs pays [9]. Alors que la toux est essentiellement un mécanisme de défense [69], la toux chronique est une cause importante de morbidité qui pourrait gravement nuire à la qualité de vie [7].
1.1.2 Le cœur et le système cardiovasculaire
Constitué du cœur et des vaisseaux, le système cardiovasculaire est responsable de la distri-bution à travers le sang de l’oxygène et des nutriments aux organes. Le cœur se situe près du centre de la cavité thoracique sur le diaphragme. Lors des battements du cœur, des bruits sont produits. Ces derniers proviennent de la turbulence créée par la fermeture des valves (élé-ments séparant les différentes cavités et empêchant le sang de circuler dans le mauvais sens) dans le flux sanguin et fournissent des renseignements importants sur les valves et le système cardiaque. Le volume d’éjection correspond à la quantité de sang éjecté par le ventricule (les
Figure 1.1 – Le coeur et le thorax [41].
deux ventricules cardiaques du cœur pompent et propulsent le sang vers le réseau artériel) lors d’une contraction. Le débit cardiaque est la quantité de sang éjecté par les ventricules en une minute. Ce débit est obtenu en multipliant la fréquence cardiaque par le volume d’éjection. Il est exprimé en litres de sang par minute. Le transport d’oxygène est la quantité d’oxygène acheminée aux tissus chaque minute. Une autre façon de récupérer ce débit cardiaque est l’utilisation de la cardiométrie électrique (EC) qui mesure les changements de conductance ou d’impédance du thorax à partir d’un courant appliqué [25]. Le pouls est la perception du flux sanguin pulsé par le cœur par la palpation d’une artère. Ainsi, la prise de pouls permet de connaître le rythme cardiaque et la force de l’impulsion. Ce rythme cardiaque est souvent ex-primé en pulsations par minute. En effet, la fréquence cardiaque est définie comme le nombre de battements cardiaques (ou pulsations) par unité de temps et varie entre 60 et 120 pulsations
Figure 1.2 – Liens entre les différents paramètres cardiovasculaires (Paramètre le plus haut dépend du dessous) [41].
Figure 1.3 – Le diagramme Wiggers montrant les différents cycles cardiaques [78]. par minute dépendant de son âge.
L’auscultation cardiaque : les capteurs acoustiques
Le myocarde est le tissu musculaire du cœur qui se contracte de manière rythmique. Lors de la diastole et la systole (relâchement et contraction) du myocarde, des vibrations mécaniques sont produites. Ainsi, chez un adulte sain, deux bruits caractérisent un battement de cœur. Le
premier bruit appelé B1 correspond à la fin de la diastole et le début de la systole alors que le deuxième bruit, appelé B2, correspond à la fin de systole et le début de la diastole. L’objectif
Figure 1.4 – Le phonocardiogramme des bruits cardiaques normales et anormales [76]. des capteurs acoustiques est de transformer ces vibrations mécaniques du mur thoracique en signal électrique. Le stéthoscope est un exemple d’un instrument acoustique permettant d’écouter les sons internes du corps, dont les battements du cœur. Cette technique de l’écoute du cœur s’appelle l’auscultation cardiaque. Dans [24], un stéthoscope électronique permettant l’auscultation des bruits cardiaques a été obtenu. Leur système coûte le quart des stéthoscopes numériques sur le marché et utilise un système de traitement construit autour d’un Arduino. Alors que ce système ne pourrait pas être utilisé en tant que capteur portable, leur système est assez intéressant puisqu’ils construisent leur propre stéthoscope en utilisant un capteur acoustique et un transducteur.
L’électrocardiographie
L’électrocardiographie (ECG) est la représentation graphique de l’activité électrique du cœur. Autrement dit, l’ECG est la représentation de la fusion de tous les potentiels d’action qui constituent l’activité électrique du cœur pendant chaque cycle cardiaque. Ainsi, la lecture et l’interprétation de l’activité électrique permettent l’étude du rythme cardiaque. De plus, pour un rythme régulier la fréquence cardiaque est égale à l’inverse de l’intervalle RR.
La saturation pulsée en oxygène (SpO2) et la photoplethysmographie (PPG) Une autre façon de mesurer la fréquence cardiaque est en mesurant la saturation pulsée en oxygène, ou SpO2, grâce à un capteur optique placé sur le lobe de l’oreille ou le doigt comme avec le capteur de pouls de Sparkfun, voir Fig. 1.6, ou l’oxymétrie de pouls, voir Fig. 1.7. En effet, le système de Sparkfun d’un diamètre de 0.6 pouce contient une amplification, une annulation du bruit et un capteur optique. Le principe d’absorbance de la lumière par les
Figure 1.5 – Représentation d’un ECG normal [77].
Figure 1.6 – Le cap-teur de pouls de Spark-fun [17].
Figure 1.7 – Un exemple d’oxymètre de pouls [11].
oxyhémoglobines (hémoglobines oxygénées) et les désoxyhémoglobines (hémoglobines désoxy-génées) est utilisé pour déterminer le pouls. Le sang artériel, qui provient du cœur, est riche en oxyhémoglobine alors que le sang veineux, qui part des tissus pour aller vers le cœur, est riche en désoxyhémoglobines.
Figure 1.8 – Schéma d’un capteur optique utilisé sur un doigt avec la représentation d’un des composants du PPG [34].
Lors de chaque cycle cardiaque, la variation du taux de l’oxygène implique une variation de la quantité de lumière absorbée par une longueur d’onde donnée. La saturation d’oxygène du sang artériel est donc mesurée pour obtenir le pouls. C’est aussi le principe de l’oxymètre de
pouls qui permet de mesurer de façon continue la saturation artérielle en hémoglobine, le taux d’oxygène transporté dans le sang avec le SpO2 et finalement le rythme cardiaque. De plus, c’est avec l’oxymètre de pouls que le PPG est obtenu. Ce dernier est la représentation graphique du pléthysmographe, il permet la surveillance cardiaque et respiratoire, et est responsable pour le calcule de la fréquence cardiaque dans l’oxymètre de pouls.
1.1.3 La pression artérielle
Le cœur pompe le sang dans tout l’organisme. La pression artérielle est la force que le sang exerce sur la paroi des artères. Cette force est nécessaire pour que le sang puisse circuler et fournir l’énergie à tout l’organisme. La pression artérielle est souvent mesurée par un appareil électronique et est exprimée par deux valeurs : la pression systolique (PAS) et la pression diastolique (PAD). La PAS est la pression maximale lorsque le cœur se contracte et pompe le sang alors que la PAD est la pression minimale lorsque le cœur est au repos et se remplit de sang. En langage courant, la tension est indiquée par la succession de deux chiffres la PAS et la PAD. Elles sont souvent exprimées en millimètres de mercure (mmHg). La haute pression, l’hypertension, peut endommager les artères et causer des problèmes de santé. Une personne en bonne santé devrait avoir une pression artérielle inférieure à 140/90 mmHg. Dans [47], les auteurs présentent un capteur flexible pouvant être fixé sur la peau pour la surveillance continue de la pression sanguine. En effet, ce système permet d’obtenir simultanément un électrocardiogramme (ECG) et un ballistocardiogramme (BCG) pour estimer la pression sys-tolique (PAS). Dans cette publication, la PAS est estimée en utilisant l’intervalle RJ, qui est calculé comme le délai entre le pic R de l’ECG et le pic J du BCG.
1.1.4 La température corporelle
La température du corps d’une personne varie selon plusieurs critères dont le sexe, les acti-vités récentes, l’heure, son apport alimentaire et pour les femmes le cycle menstruel. Ainsi la température d’une personne en bonne santé se situe dans la plage 36.5 et 37.2. Elle peut être mesurée par voie rectale, buccale, axillaire, tympanique et par la méthode de l’artère temporale (sur le front). De plus, une caméra infrarouge peut aussi révéler les variations de température.
Méthode Plage normale en degré Celsius (℃)
Rectale 36.6 - 38.0
Tympanique 35.8 - 38.0
Buccale 35.5 - 37.5
Axillaire 34.7 - 37.3
Table 1.1 – Les plages normales des différentes méthodes pour mesurer la température cor-porelle.
1.2
La surveillance du système respiratoire
Le choix de la technologie utilisée pour la surveillance des signaux respiratoires dépend surtout avant tout de l’application clinique considérée. C’est pourquoi les techniques non invasives et mobiles sont présentées alors qu’il existe d’autres méthodes. En effet, les méthodes de captures devront être sans fil et portable par l’utilisateur. Par exemple les techniques sans contact utilisant le radar Doppler [20], le radar UWB [26] ou le laser pour surveiller [28] le déplacement de la cage thoracique sont coûteuses et ne pourront pas être portées par le patient. C’est pourquoi les différentes méthodes cherchent à mesurer la variation de certaines parties de l’appareil respiratoire, que nous voyons dans la Fig.1.9, pour obtenir la fréquence respiratoire. Dans ce projet, ce système devrait être confortable pour l’utilisateur, et implémenté sous format de patch. De plus, il devrait avoir un format miniature en utilisant un minimum d’énergie.
Figure 1.9 – Schéma de l’appareil respiratoire [74].
1.2.1 La méthode de la capacité variable
Dans [29], les auteurs réalisent un capteur à bas coût confortable et portable pour la sur-veillance à long terme sous forme de vêtement. Cette méthode consiste à placer deux électrodes de part et d’autre du vêtement pour former une capacité variable. Lors d’une respiration, les variations du volume de la cavité abdominale, du volume de la cage thoracique et de la distance entre les deux électrodes se traduiront par un changement de la capacité et ainsi du signal électrique grâce à un transducteur. Cette solution de vêtement a déjà obtenu des résultats très prometteurs, mais pourrait poser problème avec le confort des patients.
Figure 1.10 – Deux figures extraites de l’article [29] montrant la méthode de la capacité variable.
1.2.2 La pléthysmographie respiratoire par inductance
La pléthysmographie est la mesure d’un changement de volume dans une partie du corps hu-main. Dans l’étude des interactions cardio-respiratoire, la pléthysmographie respiratoire par inductance (ou PRI) est une technique non invasive de surveillance respiratoire qui est sou-vent considérée comme la technique la plus efficace [33]. Elle permet de mesurer la sou-ventilation pulmonaire en évaluant le mouvement de la poitrine et de la paroi abdominale à l’aide d’un cir-cuit électronique. Cette technique estime le rythme et le volume de la respiration en mesurant le mouvement linéaire et le déplacement de volume lors d’une respiration [83]. Il existe une équation linéaire établissant un lien entre le volume de la cavité respiratoire et les variations des mouvements de la cage thoracique et de la cage abdominale. Les valeurs des différents coefficients de cette équation dépendent des caractéristiques du transducteur et peuvent être calibrées. On note une littérature abondante sur les différentes méthodes de calibration de la PRI dont [32] et [55]. Les transducteurs utilisés dans la PRI sont constitués de deux bandes d’inductances attachées autour de la cage thoracique et de la cage abdominale de l’utilisateur. Chaque bande d’inductance constitue une bobine formant un circuit LC résonant couplé à un oscillateur. La fréquence de l’oscillateur dépend des caractéristiques du circuit LC résonant formé de l’inductance de la bande. Ainsi, lorsque l’utilisateur respire, la taille de la bande est modifiée et une légère variation de la fréquence d’oscillation est observée. Cette équation donne par conséquent la fréquence respiratoire.
1.2.3 Le capteur piézorésistif
Dans [49], les auteurs démontrent un technique de surveillance respiratoire grâce à un capteur piézorésistif installé proche du nez ou de la bouche. Cette technique mesure la variation de la température et de la pression dans le flux d’air pour obtenir une surveillance qualitative de
Figure 1.11 – Figure extrait de l’article [38] montrant les signaux respiratoires de la cage thoracique et abdominale mesurant en utilisant la PRI.
la respiration. En effet, ceci permet de détecter la présence, l’absence et l’importance de cette dernière.
Figure 1.12 – Deux figures extrait de l’article [49] montrant une photographe du capteur piézorésistif et un diagramme du système développé.
1.2.4 L’arythmie respiratoire
Le rythme cardiaque est régulé grâce au système nerveux autonome, lui-même influencé par le processus respiratoire. Dans la Fig. 1.13, l’homéostasie entre le système respiratoire et le système circulaire est montrée. Les variations rythmiques engendrées par la respiration sont dénommées arythmie respiratoire. Ainsi, le rythme cardiaque s’accélère lors de l’inspiration tandis que l’expiration occasionne un ralentissement cardiaque. En effet, l’intervalle RR de l’ECG est plus court durant une inspiration et est prolongé durant l’expiration [80] [61]. En étudiant les oscillations dans les intervalles RR (la distance entre deux ondes R successives), les auteurs dans [6] ont pu détecter des battements respiratoires. Ils obtiennent moins de 5% d’erreur pour une respiration avec une fréquence constante et contrôlée. Par contre, lors
d’une respiration libre, l’utilisation de la variabilité de la fréquence cardiaque pour obtenir la fréquence respiratoire se trouve avec une erreur relative de fréquence d’environ 40% [6], [68].
Figure 1.13 – Figure extrait de l’article [80] montrant l’homéostasie entre le système respi-ratoire et le système circulaire.
1.2.5 Caractérisation de la cage thoracique et de la cage abdominale
L’utilisation d’un accéléromètre
La caractérisation de la cage thoracique et de la cage abdominale permet la surveillance des paramètres cardio-respiratoires. Dans [44] et [43], les auteurs utilisent des accéléromètres pour la détection d’apnée et la surveillance respiratoire au repos. Le traitement du signal est numérique en utilisant un ordinateur. Par contre, les résultats ne sont intéressants que pendant le repos et sont sensibles aux bruits. Dans [44], pour étudier les troubles respiratoires comme l’apnée du sommeil, les auteurs déduisent que la meilleure position pour l’accéléromètre est de le placer autour du cou et du thorax. En effet, ils l’ont placée entre le cartilage thyroïde et le tiers supérieur du sternum comme nous le voyons dans la Fig. 1.14. De plus, pour obtenir la fréquence respiratoire, ils calculent la valeur maximale de la densité spectrale de puissance (DSP) du signal respiratoire présenté dans Fig.1.14. Ils nous expliquent aussi que les signaux respiratoires obtenus par polysomnographie (PSG) sont souvent échantillonnés à 8 Hz et filtrés avec un passe-bas à 0.68 Hz.
Dans [4,21,52], les trois axes d’un accéléromètre sont utilisés pour récupérer les mouvements de la cage thoracique et la cage abdominale. En effet, la respiration ainsi que les battements de cœur font vibrer périodiquement toute cette région. Le défi de cette technologie est que l’amplitude respiratoire sur l’accéléromètre est très faible avec une fréquence de quelques hertz. De plus, le signal sera bruité par les battements de cœurs, mais surtout par le mouvement du
Figure 1.14 – Figures extraites de l’article [44] : la première montre l’emplacement opti-mal de l’accéléromètre et la deuxième montre la corrélation entre le signal respiratoire d’un accéléromètre avec des signaux provenant d’un thermistor utilisé à l’hôpital.
corps. En plaçant des accéléromètres sur l’abdomen et le thorax, le mouvement périodique de la respiration modifiera l’inclinaison de l’accéléromètre par rapport à la gravité. Effectivement, la différence entre l’accélération obtenue et l’accélération au moment du repos représentera tout mouvement du corps, dont la respiration. Il suffira de filtrer le signal cherché.
Dans [50], un système de surveillance respiratoire et cardiaque sans fil est réalisé en utilisant des capteurs ECG et d’accélération. Dans ce circuit se trouvent une amplification et un fil-trage analogique avec un traitement de signaux numériques (voir Fig.1.15). Les résultats sont prometteurs et permettent la surveillance sans fil sur un téléphone portable avec un simple patch (voir Fig. 1.16, Fig.1.17 et1.18).
Dans [21,52], l’accéléromètre est placé sur la cage thoracique et mesure les mouvements pé-riodiques du thorax et ainsi l’inclination de l’accéléromètre placé sur la poitrine. De plus, ils utilisent la somme des données provenant des deux axes d’un accéléromètre biaxial. Pour que leur méthode fonctionne, ils maintiennent que l’utilisateur doit être stable pendant les mesures. La forme d’onde respiratoire présente une fréquence inférieure à 1 Hz et une faible amplitude crête-à-crête de 10 mV. Elle est aussi mélangée avec un signal cardiaque d’amplitude 80 mV et une fréquence supérieure à 1 Hz. Pour détecter automatiquement l’onde respiratoire, une
Figure 1.15 – Figure extraite de l’article [50] : diagramme du patch démontrant les différents capteurs et la connexion externe.
Figure 1.16 – Figures extraites de l’article [50] : le patch fabriqué sur un PCB flexible (en haut), l’emballage pour un patch flexible (milieu), les électrodes jetables montés sur le patch (en bas) et la visualisation d’un ECG et de 3 axes de données en temps réel sur un téléphone Android (à droite).
stratégie spécifique de filtrage est proposée. Elle consiste à diviser le signal dans des segments d’une minute. Pour chacun, le spectre est calculé puis la fréquence dominante avec la plus grande énergie dans la gamme 0.1 à 1 Hz est estimée. À partir de cela, un filtre Butterworth de 4ème ordre avec une bande passante centrée sur cette fréquence est utilisé. Les auteurs nomment cette stratégie le filtrage adaptatif. Une approche similaire est proposée dans [10] où c’est l’angle entre le vecteur de l’accélération gravitationnelle et le vecteur de la respiration
Figure 1.17 – Figure extraite de l’article [50] : Récupération de la fréquence respiratoire en utilisant un accéléromètre (à gauche) et le signal ECG avec deux différentes techniques (à droite).
Figure 1.18 – Figure extraite de l’article [50] : La fréquence respiratoire actuelle et estimée des trois mesures différentes décrites dans Fig. 1.17.
qui est mesurée. Les données des 3 axes d’un accéléromètre sont filtrées avec un filtre passe-bas elliptique et biquadrique à 3 stages avec le premier pôle d’atténuation à 0.7 Hz et une élimination à 0.9 Hz.
1.2.6 La fusion d’un accéléromètre avec un gyroscope
Dans [81], les auteurs proposent de fusionner un accéléromètre avec un gyroscope et d’utiliser un filtre de Kalman pour améliorer la surveillance respiratoire. La respiration se trouve dans le spectre [0-1] Hz. Ainsi dans la Fig.1.19, les auteurs proposent d’échantillonner les données d’un accéléromètre et d’un gyroscope à une fréquence de 20 Hz. Ils récupèrent les angles d’Euler à partir de l’accéléromètre et avec les vitesses d’angle provenant du gyroscope, ils obtiennent des quaternions. Ces derniers sont utilisés pour mettre en place un filtre de Kalman en évitant les problèmes de singularité lorsque sont utilisés avec les angles d’Euler. Puisqu’il est très difficile d’obtenir le signal en temps réel, les auteurs proposent une élimination de la tendance du signal avec un filtrage passe-bas pour obtenir ce signal respiratoire. Par contre pour la fréquence respiratoire, il faudrait aussi appliquer un filtrage de Savitzky-Golay et une détection de pics. Ce lissage de Savitzky-Golay utilise une fenêtre de 2000 ms pour permettre une meilleure détection des pics, mais ne peut pas être utilisé par la lecture en temps réel. Dans la Fig. 1.20, la diminution du taux d’erreur totale diminue en passe de 11.9% à 7.3%.
Figure 1.19 – Figure extraite de l’article [81] : L’organigramme du traitement de signal pour obtenir le signal et fréquence respiratoire.
Figure 1.20 – Figures extraites de l’article [81] : Le signal respiratoire estimé pendant une marche sur un tapis roulant en utilisant : (a) PowerLab Pneumotrace II ; (b) La méthode de l’accéléromètre ; (c) La méthode de fusion de données avec un filtre Kalman (en haut). Le taux d’erreur et le taux d’erreur totale de la fréquence respiratoire en utilisant un seul accéléromètre et la méthode de fusion des données durant de l’aérobic. (a) Le taux d’erreur est calculé en utilisant le Pneumotrace II comme référence. (b) Le taux d’erreur totale de chaque méthode (en bas).
Ainsi, l’utilisation d’un gyroscope avec un accéléromètre améliore la robustesse du signal. En effet, les trois composants d’un capteur de mouvement inertiel, c’est-à-dire l’accéléromètre, le gyroscope et le magnétomètre sont souvent utilisés ensemble pour étudier les mouvements du corps dans l’espace comme dans [82] et [60]. En fait, lorsqu’on intègre le signal provenant du gyroscope pour obtenir l’angle de rotation, nous nous retrouvons à faire face au problème de dérive du signal, voir [31]. De même, l’angle de rotation obtenu de l’accéléromètre peut être très bruité puisqu’il récupère non seulement la gravité mais aussi toute force externe appliquée sur le capteur.
1.2.7 Le microphone et la toux
La fréquence respiratoire
Une méthode assez étudiée pour l’estimation de la fréquence respiratoire est l’utilisation d’un capteur audio comme dans le microphone d’un smartphone [45] et le microphone miniature utilisé dans les audioprothèses [12]. Cette méthode ne permet pas d’obtenir le signal respi-ratoire, mais permet une assez bonne approximation de la fréquence respiratoire. En effet, dans [45], l’erreur moyenne est inférieur à 1%, et dans [12], le taux moyen de succès est de 91.3%. Les méthodes des deux articles sont assez proches, voir Fig. 1.21et Fig.1.22, puisqu’à
Figure 1.21 – Figure extraite de l’article [45] : L’organigramme du traitement de signal pour obtenir la fréquence respiratoire.
Figure 1.22 – Figure extraite de l’article [12] : L’organigramme du traitement de signal pour obtenir la fréquence respiratoire.
partir d’un signal audio analogique, les deux articles proposent un filtrage passe bande pour récupérer le spectre audio de la respiration, la récupération de l’enveloppe du signal et un filtrage à très basse fréquence pour récupérer la fréquence respiratoire. Dans la Fig. 1.23, un exemple d’enregistrements de la respiration nasale est montré avec son filtrage.
La toux
La toux est un mécanisme de défense pulmonaire des voies respiratoires qui permet l’expulsion des substances indésirables et irritantes [13]. Elle est souvent un réflexe qui est provoqué suite à une stimulation des voies respiratoires (trachée ou bronches). Ceci provoque un déclenchement d’une contraction musculaire, en particulier au niveau du diaphragme. Ce mécanisme de la
Figure 1.23 – Figure extraite de l’article [45] : Un exemple d’enregistrements sonores de la respiration nasale avec un bruit de fond vocal lorsque la distance entre le nez et le microphone du smartphone du sujet était de 30 cm. (a) Le signal audio filtré. (b) L’enveloppe du signal sous-échantillonné. (c) Le DSP de l’enveloppe.
toux permet le dégagement de tout mucus ou agent irritant bloquant les voies respiratoires et permet la libération du passage de l’air pour faciliter la respiration. La détection de toux, dont la quantification et la classification, et l’analyse mathématique sont des sujets assez étudiés. Dans [15], les auteurs étudient les performances de plusieurs capteurs pour la détection de la toux. Dans leur article, ils analysent les signaux provenant d’électrodes ECG, d’un capteur de thermistance, d’accéléromètres, de capteurs acoustiques et d’une ceinture piézoélectrique. Lors d’une simple détection de la toux, le microphone, grâce au bruit distinctif de la toux, et l’accéléromètre, montrent les meilleurs résultats, voir Fig. 1.24. De plus, une comparaison est aussi faite pour étudier lesquels des capteurs arrivent à mieux discerner la toux d’autres événements, dont le rire, la parole, l’expiration forcée, le dégagement de gorge et le bruit de fond, voir Fig. 1.25. Par exemple, les résultats montrent des difficultés pour tous les capteurs
lors de la distinction de la toux au rire et au dégagement de gorge. Les résultats les plus
Figure 1.24 – Figures extraites de l’article [15] : la première est le diagramme du système d’acquisition pour la détection automatique du toux et la deuxième est une classification des performances des différents moyens de mesure où les capteurs les plus performants ont le plus grand taux de classification.
Figure 1.25 – Figure extraite de l’article [15] montrant la classification des performances des différents moyens de mesure en fonction des problèmes de discrimination de la toux avec une autre catégorie d’événement.
prometteurs sont obtenus en utilisant un microphone omnidirectionnel de contact placé sur la gorge avec un rapport signal à bruit de 40 dB et une bande passante de 40-12000 Hz. L’accé-léromètre utilisé est un accéL’accé-léromètre analogique à deux axes avec une précision minimale de ±1.7 g et une résolution de ±1 mg. Cette expérience montre que l’utilisation d’un microphone est de loin le meilleur choix pour reconnaître les différents aspects de la toux. En effet, les résultats sont meilleurs que le système respiratoire commercial, utilisé comme comparaison, de l’entreprise Karmelsonix. De plus, il peut être miniaturisé et ainsi facilement implémenté pour un usage ambulatoire pendant des longues périodes de temps. D’ailleurs, dans [42], les auteurs déduisent que l’utilisation de plusieurs microphones améliore la détection de la toux lors de la présence d’un environnement bruité. Dans [1], un capteur piézoélectrique est utilisé au lieu d’un microphone pour détecter les événements acoustiques et la vibration du corps lors d’une toux, voir Fig. 1.26. Ainsi, à partir d’un signal acoustique, la détection automatique de la toux est composée d’une extraction de caractéristiques, d’une sélection de caractéristiques et
d’une classification. C’est pourquoi les algorithmes de détection de toux automatique utilisent
Figure 1.26 – Figure extraite de l’article [1] montrant l’emplacement du capteur piézoélec-trique sur la poitrine (a) et les signaux temporels de la toux et de la parole pour un microphone et pour un capteur piézoélectrique (b).
la reconnaissance de formes (ex : reconnaissance automatique de la parole). Cette méthode consiste à extraire (ou, feature extraction) puis choisir (ou, feature selection) des paramètres caractéristiques des données provenant du microphone pour les utiliser dans la construction d’une classification automatique (ou, statistical classification). En d’autres termes, c’est la conception d’une catégorisation algorithmique d’objets qui consiste à attribuer une classe ou catégorie (ex : toux ou bruit) à chaque objet à classer (ex : les données provenant du mi-crophone), en se basant sur les données statistiques (ex : les paramètres caractéristiques de la toux). Ceci est aussi nommé classification de paramètres (ou, feature classification). C’est pourquoi cette méthode de détection de la toux est une sous-discipline de la reconnaissance vocale. En effet, dans plusieurs publications où sont étudiés les événements acoustiques, l’évé-nement de la toux est aussi reconnu [40,53,65]. Dans [19], les auteurs présentent un grand nombre de paramètres caractéristiques provenant du domaine fréquentiel et du domaine tem-porel. En effet, parmi eux se trouvent, le zero crossing rate (ZCR, ou le taux de changement de signe d’un signal), l’énergie, l’entropie de Shannon, le centre de spectre et la fréquence fondamentale. À partir des caractéristiques obtenues, les algorithmes de classification étudiés sont le Support Vector Machine (SVM), le Naive Bayesian Classifier (Bayesian) et le Neural
Network (Neural). Les auteurs concluent que le Bayesian et le SVM sont plus fiables que le Neural. Dans [64], l’algorithme de classification Gabor filterbank (GFB) est utilisé pour la dif-férenciation des toux sèches et mouillées. Dans [37], le fameux Hidden Markov Model (HMM) est présenté et étudié. Dans une publication de 2016 [1], les auteurs étudient et comparent l’apprentissage profond (Deep Learning Network) avec les méthodes classiques qui utilisent l’extraction de caractéristiques classiques de la parole [3], [37], [19], ou des caractéristiques spécifiques à une application donnée [30], voir Fig. 1.27. Alors que les différentes méthodes
Figure 1.27 – Figure extraite de l’article [1] montrant la différence entre l’apprentissage classique pour la détection automatique de la toux et l’apprentissage profond.
offrent tous des résultats prometteurs avec une précision supérieure à 80 %, ils affirment que l’utilisation de l’apprentissage profond, permis grâce aux algorithmes comme le Convolutional Neural Networks (CNN) et le Recurrent Neural Networks (RNNs), reste bien plus performant avec une précision d’environ 90 %. En fait, le Deep Learning est une branche de l’appren-tissage automatique (machine learning) basée sur un ensemble d’algorithmes qui tente de modéliser des abstractions de haut niveau dans les données en utilisant un graphique profond avec plusieurs couches de traitement, composé de multiples transformations linéaires et non linéaires [75]. Les réseaux de neurones artificiels (Neural networks), comme le CNN, les RNNs ou ANN, sont tous des algorithmes, dont la conception est à l’origine très schématiquement inspirée du fonctionnement des neurones biologiques, et qui sont utilisés pour la classification de paramètres. En effet dans l’article présenté au début de cette section [15], le modèle de dé-tection automatique de la toux utilise la classification à réseau de neurones artificiels (artificial
neural network ou, ANN).
1.3
Le marché
Le marché des capteurs biomédicaux est en très forte expansion. En effet, le marché global des capteurs et des biocapteurs était d’environ 13.11 milliards de dollars en 2017 [57]. De plus, 515
millions de capteurs portables, implantables et mobiles pour le domaine de la santé devraient être vendus en 2018 [46]. Les signes vitaux comme la pression artérielle, le pouls, l’ECG et la respiration font partie des principaux paramètres de santé à surveiller par les capteurs. En effet, dans une publication de 2016 [58], le cabinet mondial de recherche, d’analyse et de renseignement du marché, Transparency Market Research, affirme que la taille estimée du marché global des capteurs était de 1 452.8 millions en 2015 et devrait atteindre les 2 476.8 millions en 2024. Autrement, le marché augmentera avec un taux de croissance de 6.1 % entre 2015 et 2024. De plus, ce rapport argumente que la part des biocapteurs devrait surpasser toutes les actions puisque pendant cette même période de prévision, la part de ces produits progressera avec un taux de croissance de 7.5 %. La croissance est aussi marquée avec les appareils sans fil puisque d’après une publication du cabinet de recherche [22], Allied Business Intelligence, un sur cinq appareils portables sans fil sera utilisé dans le domaine des soins de santé d’ici 2017.
Il existe plusieurs entreprises qui proposent des systèmes pour surveiller les signes vitaux. En effet, le marché est doucement inondé par de petites PME proposant ces types de capteurs. Dans ce chapitre, plusieurs entreprises et leurs produits sont donnés.
1.3.1 Systèmes de surveillance des signes vitaux
Intelesens est une entreprise spécialisée dans la surveillance domiciliaire et hospitalière non invasive des signes vitaux. Leur produit Zensor permet la surveillance par Wi-Fi de la fréquence respiratoire, de la fréquence cardiaque et de l’ECG. Cette entreprise propose aussi le système V-Patch qui permet la surveillance de l’ECG à travers le réseau cellulaire. Leur troisième produit est Aingeal qui est un appareil de surveillance et d’analyse en temps réel de la respiration et de l’ECG. La précision de l’appareil Aingeal est comparée avec une capnographie (concentration de CO2 dans le sang) dans [14].
Figure 1.28 – Zensor, un système de sur-veillance par Wi-Fi de la fréquence respi-ratoire, cardiaque et de l’ECG [39].
Figure 1.29 – Aingeal, un système de sur-veillance et d’analyse en temps réel de la respiration et de l’ECG [39].
1.3.2 Systèmes de surveillance physiologiques et biomécaniques
Zephyr, une entreprise spécialisée dans les systèmes de surveillance physiologiques et biomé-caniques, offre plusieurs produits pour la surveillance des signes vitaux. Le BioHarness 3 est un module de surveillance physiologique pour les situations de combats ou sportives et peut mesurer notamment la fréquence cardiaque et respiratoire. ZephyrLife Hospital est un sys-tème de surveillance des signes vitaux des patients. Le syssys-tème est composé d’un appareil sans fil nommé BioPatch pour mesurer la fréquence cardiaque et respiratoire, son protocole radio personnel ECHO Radio System et le logiciel ZephyrLIFE pour agir en tant qu’interface avec l’utilisateur.
Figure 1.30 – BioPatch HP Monitoring Device, est un appareil de Zephyr pour la surveillance respiratoire et cardiaque.
1.3.3 Systèmes de surveillance respiratoire
L’entreprise Respiratory Motion a conçu un système de surveillance du système respiratoire en mesurant le volume d’air mobilisé par les mouvements respiratoires (tidal volume), la ventilation minute et la fréquence respiratoire. Les résultats de ce système de surveillance non invasif sont comparés avec un ventilateur. Dans [72], la précision du système de surveillance non invasif est démontrée à partir d’une comparaison avec un ventilateur.
Masimo est une entreprise qui développe des technologies de surveillance non invasive. En ce qui concerne leurs produits, ils proposent de mesurer la fréquence respiratoire avec le produit nommé rainbow Acoustic Monitoring. Ce dernier utilise un capteur adhésif avec un transduc-teur acoustique intégré qui est appliqué sur le cou du patient. Ensuite, grâce à leur système de traitement de signal adapté, Signal Extraction Signal, le signal respiratoire est séparé du bruit puis traité pour obtenir un signal continu en temps réel.
Figure 1.31 – Le système de surveillance respiratoire de Respiratory Motion [39].
Figure 1.32 – Le système de surveillance respiratoire de Masimo lors de l’utlisation [35].
1.3.4 Systèmes de surveillance cardiovasculaire et de pression artérielle
Apple offre quelques produits pour la surveillance cardiovasculaires grâce à la collaboration avec plusieurs entreprises comme le moniteur de pression artérielle sans fil de Withings ou la ceinture de Wahoo pour mesurer la fréquence cardiaque. Polar offre aussi une ceinture pour la surveillance cardiaque nommée H7 Heart Rate Sensor mais aussi des montres intelligentes qui peuvent récupérer la fréquence cardiaque. Qardio, une société de technologie américaine spécialisée dans les produits de surveillance de la santé cardiaque offrent des capteurs ECG sans fil ainsi qu’un système de surveillance de pression artérielle.
Figure 1.33 – La montre intelligente de
Polar [54]. Figure 1.34 – La ceinture de Polar pour
mesurer la fréquence cardiaque [54].
1.3.5 Capteurs de températures
Tempdrop est une entreprise qui propose un appareil miniature sans fil mesurant la tempéra-ture basale par voie axillaire. La températempéra-ture basale est la températempéra-ture la plus basse que le
Figure 1.35 – Moniteur de pression arté-rielle sans fil de Withings et conseillé par Apple [2].
Figure 1.36 – La ceinture de Wahoo pour mesurer la fréquence cardiaque, conseillé par Apple [2].
Figure 1.37 – Les capteurs ECG sans fil de Qardio [56].
Figure 1.38 – Le système de surveillance de pression artérielle de Qardio [56]. corps atteint au repos et est très utilisée pour identifier la date d’ovulation et de fertilisation. Leur produit est facilement placé sous le bras et devrait permettre un sommeil confortable. Raiing Medical Company présente un produit comparable au Tempdrop, mais propose aussi un capteur de température corporelle. Leurs produits sont portables et sans fil.
Figure 1.39 – Tempdrop, un dispositif portable de fertilité [71].
Figure 1.40 – iThermonitor, un ther-momètre portable pour une surveillance continue [71].
