| Analyse de la dynamique des séries temporelles multi-variées pour la prédiction d’une syncope lors d’un test d’inclinaison (Dynamical analysis of mutivariate time series for the early detection of syncope during Head-Up tilt test) Khodor, Nadine - (2014-12-22) / Université de Rennes 1, Université libanaise - Analyse de la dynamique des séries temporelles multi-variées pour la prédiction d’une syncope lors d’un test d’inclinaison
| |||
Langue : Anglais Directeur(s) de thèse: Carrault, Guy; Hernandez, Alfredo Discipline : Traitement du signal et télécommunications Laboratoire : Laboratoire de Traitement du Signal et de l'Image Ecole Doctorale : Mathématiques, informatique, signal, électronique et télécommunications Classification : Sciences de l'ingénieur Mots-clés : Syncope vaso-vagale, variabilité de la fréquence cardiaque, pression artérielle, analyse non-lineaire, cohérence temps-fréquence, espace de phase
| |||
Résumé : La syncope est une perte brusque de conscience. Bien qu'elle ne soit pas généralement mortelle, elle présente un impact économique sur le système de soins et sur la vie personnelle de personnes en souffrant. L'objet de la présente étude est de réduire la durée du test clinique (environ 1 heure) et d'éviter aux patients de développer une syncope en la prédisant. L'ensemble de travail s'inscrit dans une démarche de datamining associant l'extraction de paramètres, la sélection des variables et la classification. Trois approches complémentaires sont proposées, la première exploite des méthodes d'analyse non-linéaires de séries temporelles extraites de signaux acquises pendant le test, la seconde s'intéresse aux relations cardiovasculaires en proposant des indices dans le plan temps-fréquence et la troisième, plus originale, prendre en compte leurs dynamiques temporelles. Abstract : Syncope is a sudden loss of consciousness. Although it is not usually fatal, it has an economic impact on the health care system and the personal lives of people suffering. The purpose of this study is to reduce the duration of the clinical test (approximately 1 hour) and to avoid patients to develop syncope by early predicting the occurrence of syncope. The entire work fits into a data mining approach involving the feature extraction, feature selection and classification. 3 complementary approaches are proposed, the first one exploits nonlinear analysis methods of time series extracted from signals acquired during the test, the second one focuses on time- frequency (TF) relation between signals and suggests new indexes and the third one, the most original, takes into account their temporal dynamics. | |||