Université de Rennes 1 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 Syncope vaso-vagalevariabilité de la fréquence cardiaquepression artérielleanalyse non-lineairecohérence temps-fréquenceespace de phase vasovagal syncopeheart rate variabilitysignal pressurenon-linear analysistime-frequency coherencereconstructed phase space Syncope vagaleThèses et écrits académiques Fréquence cardiaqueThèses et écrits académiques Pression artérielleThèses et écrits académiques Analyse fonctionnelle non linéaireThèses et écrits académiques Séries chronologiquesThèses et écrits académiques 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. 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. Electronic Thesis or DissertationText en application/pdf1 : 4149 Kohttps://ecm.univ-rennes1.fr/nuxeo/site/esupversions/404b3111-42e0-487b-92fe-a6fe3b475174 Khodor Nadine 1987-11-12 LB 184958466 nadine.khodor@hotmail.com 2014REN1S123 http://www.theses.fr/2014REN1S123 2014-12-22 Traitement du signal et télécommunications Université de Rennes 1thesis.degree.grantor_1 02778715X Université libanaisethesis.degree.grantor_2 15252357X Doctorat non ouiCarraultGuyintervenant_1032156421HernandezAlfredointervenant_2127170790 Mathématiques, informatique, signal, électronique et télécommunicationsecoleDoctorale_1 139007164 Laboratoire de Traitement du Signal et de l'ImagepartenaireRecherche_1 177793767 Université européenne de BretagnepartenaireRecherche_2 139075119 ddc:620 CarraultGuyHernandezAlfredoUniversité de Rennes 1Sciences et technologie, médecine, pharmacie, odontologie, droit, économie, gestion, philosophieUniversité libanaiseMathématiques, informatique, signal, électronique et télécommunicationsÉcole doctorale Mathématiques, informatique, signal, électronique et télécommunications (Rennes)Laboratoire de Traitement du Signal et de l'ImageUniversité européenne de Bretagne ASCII PDF 4248097