Remote monitoring sound system for distress situations detection

Autor: Istrate, Dan, Vacher, Michel, Serignat, Jean-François, Besacier, Laurent, Castelli, Eric
Přispěvatelé: Equipe GEOD, Groupe d'étude sur l'oral et le dialogue (CLIPS-IMAG), Laboratoire d'Informatique de Grenoble (LIG), Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Institut National Polytechnique de Grenoble (INPG)-Centre National de la Recherche Scientifique (CNRS)-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Institut National Polytechnique de Grenoble (INPG)-Centre National de la Recherche Scientifique (CNRS)-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF), Multimédia, Informations, Communication et Applications (MICA), Université Joseph Fourier - Grenoble 1 (UJF)-École Nationale Supérieure de Physique de Grenoble (ENSPG)-HUT-Centre National de la Recherche Scientifique (CNRS)
Jazyk: francouzština
Rok vydání: 2006
Předmět:
Zdroj: ITBM-RBM, recherche et ingénierie biomédicale
ITBM-RBM, recherche et ingénierie biomédicale, 2006, 27 (2), pp.35-45
DOI: 10.1016/j.rbmret.2005.11.001
Popis: International audience; The telemedicine and medical remote monitoring in particular, today represents an effective solution to the health professional shortcomingsfacing to the increasing older population. In addition to the comfort of being at home, this system decreases the cost of long hospitalization. Theproposed system achieves the home medical telesurveillance by means of microphones and medical sensors to detect a distress situation. Thissystem is designed for elderly people at home or for the patient with chronic illness. The experimental apartment is equipped with medicalsensors (tensiometer, oxymeter, balance, etc.), infrared position sensors, and acoustic sensors (1 microphone/room). The originality of the systemcomes from the replacement of the video surveillance with a sound surveillance. The sound analysis system is divided in two stages: firstly, thedetection/extraction of the sounds is operated and secondly, a classification of these sounds in known classes takes place. A wavelet-basedalgorithm with good performance when applied in noisy environments is proposed. The acoustical classification step uses a Gaussian MixtureModels to classify the sounds according to the 7 predefined classes. The detection algorithm allows an equal error rate of 0% for the signal tonoise ratio superior or equal to 10 dB and 4% for the 0 dB. The proposed system coupled with a classical medical telesurveillance system willbring extra information needed for the reliability of the global system.; La télémédecine, et plus particulièrement la télésurveillance médicale, constitue aujourd’hui une solution pour pallier le manque de profes-sionnels de santé face au fort accroissement de la population âgée en Europe. De plus, elle apporte à la fois une réduction des coûts d’hospita-lisation et un meilleur confort au malade. Le système proposé, destiné à la surveillance de personnes âgées ou de malades chroniques à domicile,réalise la télésurveillance médicale à domicile à l’aide de capteurs sonores et médicaux en vue de la détection d’une situation de détresse.L’appartement d’expérimentation est équipé de capteurs médicaux (tensiomètre, oxymètre, balance, etc.), de capteurs de position à infrarougeet de microphones. L’originalité de ce système consiste à remplacer la surveillance vidéo, qui peut être mal perçue par les patients, par unesurveillance sonore. Une division en deux étapes du système d’analyse sonore a été réalisée : la première étape a pour but la détection et l’ex-traction des événements sonores, elle est suivie de l’étape chargée de la classification sonore. Pour la première étape nous proposons un algo-rithme, fondé sur la transformée en ondelettes, qui procure de bonnes performances en présence du bruit ambiant. L’étape suivante, la classifi-cation, utilise des modèles de mélange de distributions de Gauss pour classer l’événement sonore extrait parmi sept classes de sons prédéfinies.L’algorithme de détection permet d’obtenir un taux d’égale erreur de 0 % pour des rapports signal sur bruit supérieurs ou égaux à 10 dB et de4 % pour un rapport signal sur bruit inférieur à 10 dB. Le système d’analyse sonore proposé apportera des informations complémentaires ausystème classique de télésurveillance médicale auquel il sera couplé et contribuera à la fiabilité du système global.
Databáze: OpenAIRE