Analysis and Extraction of Complexity Parameters of Biomedical Signals

Autor: Zaylaa, Amira
Přispěvatelé: Equipe 5 : imagerie et ultrasons, Imagerie et cerveau (iBrain - Inserm U1253 - UNIV Tours ), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université de Tours (UT)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université de Tours (UT), National Council for Scientific Research in Lebanon (CNRS) and the Lebanese University, François-Rabelais University of Tours, Jean-Marc Girault, Jamal Charara, Zaylaa, Amira
Jazyk: angličtina
Rok vydání: 2014
Předmět:
Le graphe de Récurrence Nonbiaisés
Unbiased Recurrence Plots
[SDV.BIO]Life Sciences [q-bio]/Biotechnology
Diagnostiquer
[SDV.MHEP.GEO]Life Sciences [q-bio]/Human health and pathology/Gynecology and obstetrics
Entropy Quantification
Entropie Maximale
Transition Dynamique
Traitement Statistique du Signal
Suite Logistique
Analyse Multi-Fractale
[SDV.MHEP.CSC]Life Sciences [q-bio]/Human health and pathology/Cardiology and cardiovascular system
Diagnosis
Discrimination
Lorenz System
Coefficient de Corrélation
Correlation Sum
Recurrence Quantification Analysis
fractional Brownian Motion
Maximum Entropy
Doppler Ultrasound Fetal Heart Rates
Le graphe de Récurrence
[SDV.IB] Life Sciences [q-bio]/Bioengineering
[SDV.BIBS] Life Sciences [q-bio]/Quantitative Methods [q-bio.QM]
New Invariants
Logistic Map
Quantification d’entropie
Nouveaux Invariantes
Mouvements Brownienes Fractionnaires
N-Order Entropy
Rythme Cardiac Fœtal Doppler Ultrasonore
Statistical Signal Processing
[SDV.BIBS]Life Sciences [q-bio]/Quantitative Methods [q-bio.QM]
Analyse de Quantification de Récurrence
Multi-fractal Analysis
[SDV.MHEP.CSC] Life Sciences [q-bio]/Human health and pathology/Cardiology and cardiovascular system
[SDV.BIO] Life Sciences [q-bio]/Biotechnology
Recurrence Plots
Detection
[SDV.MHEP.GEO] Life Sciences [q-bio]/Human health and pathology/Gynecology and obstetrics
Complexity Analysis
Entropie d’Ordre-N
[SDV.IB]Life Sciences [q-bio]/Bioengineering
Système du Lorenz
Analyse de Complexité
Zdroj: Bioengineering. François-Rabelais University of Tours, 2014. English
Popis: The analysis of biomedical time series derived from nonlinear dynamic systems is challenging due to the chaotic nature of these time series. Only few classical parameters can be detected by clinicians to opt the state of patients and fetuses. Though there exist valuable complexity invariants such as multi-fractal parameters, entropies and recurrence plots, they were unsatisfactory in certain cases. To overcome this limitation, we propose in this dissertation new entropy invariants, we contributed to multi-fractal analysis and we developed signal-based (unbiased) recurrence plots and unbiased recurrence descriptors based on the dynamic transitions of time series.Principally, we aim to improve the discrimination between healthy and distressed biomedical systems, particularly fetuses by processing the time series using our techniques. These techniques were either validated on Lorenz systems, logistic maps or fractional Brownian motions which model chaotic and random time series. Then the techniques were applied to real fetus heart rate signals recorded from patients in the third trimester of pregnancy. Statistical measures comprising the relative error, standard deviation, sensitivity, specificity, precision and accuracy were employed to evaluate the performance of detection.Elevated discernment outcomes were realized by the high-order entropy invariants developed. Multi-fractal analysis using a structure function and coarse-graining enhanced the detection of the medical states of the fetuses. Unbiased cross-determinism invariant developed amended the discrimination process. The significance of our techniques lies behind their post-processing codes which could build up cutting-edge portable machines offering advanced discrimination and detection of Intrauterine Growth Restriction prior to fetal death. This work was devoted to Fetal Heart Rates but time series generated by alternative nonlinear dynamic systems should be further considered.
L′analyse de séries temporelles biomédicales chaotiques tirées de systèmes dynamiques non-linéaires est toujours un challenge difficile à reveler puisque dans certains cas bien spécifiques les techniques existantes basées sur les multi-fractales, les entropies et les graphes de récurrence échouent. Pour contourner les limitations des invariants précé- dents, de nouveaux descripteurs peuvent être proposés. Dans ce travail de recherche nos contributions ont porté à la fois sur l’amélioration d’indicateurs multi-fractals (basés sur une fonction de structure) et entropiques (approchées) mais aussi sur des indicateurs de récurrences (non biaisés).Ces différents indicateurs ont été développés avec pour objectif majeur d’améliorer la discrimination entre des signaux de complexité différente ou d’améliorer la détection de transitions ou de changements de régime du système étudié. Ces changements agissant directement sur l’irrégularité du signal, des mouvements browniens fractionnaires et des signaux tirés du système du Lorenz ont été testés. Ces nouveaux descripteurs ont aussi été validés pour discriminer des fœtus en souffrance de fœtus sains durant le troisième trimestre de grossesse. Des mesures statistiques telles que l’erreur relative, l’écart type, la spécificté, la sensibilité ou la précision on été utilisées pour évaluer les performances de la détection ou de la classification.Le fort potentiel de ces nouveaux invariants nous laisse penser qu’ils pourraient constituer une forte valeur ajoutée dans l’aide au diagnostic s’ils étaient implémentés dans des logiciels de post-traitement ou dans des dispositifs biomédicaux. Enfin, bien que ces différentes méthodes aient été validées exclusivement sur des signaux fœtaux, une future étude incluant des signaux tirés d’autres systèmes dynamiques non-linéaires sera réalisée pour confirmer leurs bonnes performances.
Databáze: OpenAIRE
Externí odkaz: