Université de Rennes 1 Fusion par lisseur de Kalman pour l’estimation de la fréquence respiratoire à partir de l’électrocardiogramme ou du photoplethysmogramme Kalman smoother data fusion for respiratory rate estimation from the electrocardiogram or photoplethysmogram indice de qualitémodulationLisseur de Kalmanfréquence respiratoire Kalman smootherModulationRespiratory rate Estimation, Théorie de l' Traitement du signal -- Techniques numériques Ce mémoire de thèse vise à proposer de nouvelles méthodes robustes pour l'estimation de la fréquence respiratoire (FR) à partir des signaux physiologiques souvent utilisés dans la clinique comme l'électrocardiogramme (ECG) ou le photoplethysmogramme (PPG), tout en évitant de porter des capteurs encombrants et inconfortables. En effet, la respiration influence les signaux ECG et/ou PPG. Plusieurs modulations qui décrivent la respiration sont extraites basée principalement sur l'amplitude, la fréquence et la ligne de base. Il est toutefois difficile de déterminer la combinaison optimale des modulations pour obtenir une estimation précise de la FR en raison du bruit, la spécificité de chaque patient et de l'activité. Après une revue de la littérature, il ressort que peu de travaux ont étudié la qualité de ces modulations. Nous proposons donc de quantifier la qualité des modulations à l'aide d'indices de qualité respiratoire (IQR), un nouvel indice basé sur une modulation sinusoïdale est introduit. Puis, deux méthodes sont proposées: la première sélectionne automatiquement la modulation avec l'IQR le plus élevé pour une estimation de la FR, la seconde combine les deux meilleurs modulations avec le lisseur de Kalman (LK). Une nouvelle approche de fusion de modulations basée sur un modèle multimodale est également explorée. Ces méthodes sont évaluées sur trois bases de données de différents contextes cliniques: la surveillance dans les soins postopératoires (où les patients sont immobiles), le suivi pendant les activités physiques quotidiennes et la surveillance néonatale. Les résultats expérimentaux montrent que les IQRs associés à un algorithme de fusion augmentent la précision de l'estimation de la FR à partir des modulations dérivées et montrent des résultats supérieurs aux travaux issus de la littérature. The presented work in this dissertation concerns the development of approaches to estimate the breathing rate (BR) accurately from the electrocardiogram (ECG) and photoplethysmogram (PPG), to avoid wearing cumbersome and uncomfortable sensors for direct measurements. In fact, the respiration influences ECG and PPG signals. Several modulations are extracted to describe breathing cycles based on amplitude, frequency and baseline. However, it is difficult to determine the optimal combination to estimate the BR due to the noise and patient-dependency. Since few works have studied the quality of these modulations, we propose to study the quality of modulations using respiratory quality indices (RQI). To do so, we present two methods: the first automatically selects the modulations with the highest RQI for BR estimation, the second tracks the respiration signal using Kalman smoother. The obtained results show superior performance comparing to the methods in the literature. In addition, an extension of fusion approach is presented based on a multi-mode model. These proposed methods are tested on several datasets with different clinical contexts: monitoring post-operative care (where patients are immobile), daily physical activities and neonatal monitoring. The experimental results show that the RQIs coupled with a fusion algorithm increase the accuracy of the BR estimation from the derived modulations. Electronic Thesis or DissertationText fr application/pdf1 : 5146 Kohttps://ged.univ-rennes1.fr/nuxeo/site/esupversions/2a6253f8-67d9-4668-9d9c-6092de617a74 Khreis Soumaya 1990-05-17 XX 241797764 soumaya.khreis@outlook.com 2019REN1S047 http://www.theses.fr/2019REN1S047 2019-06-27 Signal, image, vision Universite de Rennes 1thesis.degree.grantor_1 02778715X Doctorat non ouiCarraultGuyintervenant_1032156421GeDiintervenant_2241797829 MATHSTICecoleDoctorale_1 204770424 Universite Bretagne LoirepartenaireRecherche_1 191639044 Laboratoire de Traitement du Signal et de l'Image partenaireRecherche_2 177793767 ddc:620ddc:610 CarraultGuyGeDiUniversite de Rennes 1Sciences et technologie, medecine, pharmacie, odontologie, droit, economie, gestion, philosophieMATHSTICÉcole doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes)Universite Bretagne Loire Communaute des etablissements d enseignement superieur et de recherche (ComuE) Laboratoire de Traitement du Signal et de l'Image ASCII PDF 5269446