Logo de l'E.N.T. Alsace
Thèses électroniques Service Commun de la documentation
Logo de l'Université de Strasbourg
Thèses et Mémoire de l'Université de Strasbourg

Analyse temps/fréquence pour l'identification de signatures pulmonaires par modèles de Markov cachés

LE CAM, Steven (2009) Analyse temps/fréquence pour l'identification de signatures pulmonaires par modèles de Markov cachés. Thèses de doctorat, Université de Strasbourg.

Plein texte disponible en tant que :

PDF - Un observateur de PDF est nécessaire, comme par exemple GSview, Xpdf or Adobe Acrobat Reader
8986 Kb

Résumé

Les bruits respiratoires sont employés par le médecin comme des indicateurs de l’état physiologique du patient et lui permettent d’établir son diagnostic. Néanmoins, leur interprétation fait intervenir une grande part de subjectivité, liée à la perception du médecin. C’est pourquoi il est actuellement envisagée une analyse automatique de ces sons dans les buts d’assurer la formation des futurs médecins et d’identifier des pathologies pour l’aide au diagnostic. La structure du signal respiratoire se compose du bruit respiratoire normal sur lequel s’additionne éventuellement un son anormal qui peut être soit transitoire (un craquement, un crépitant), soit musical (un sibilant, un stridor) ou encore un mélange (squawk). Les méthodes développés dans ce travail de thèse concernent l’analyse multirésolution des signaux par des outils bayésiens dans le domaine des paquets d’ondelettes, associés à des modèles markoviens multivariés originaux adaptés au contexte difficile du traitement des sons pulmonaires. Nous proposons ainsi une méthodologie pour l’étude des signaux respiratoires, avec pour ambition la possibilité de traiter un large panel de cas pathologiques. Une méthode basée sur l’analyse multivariée du signal après recalage de portions d’intérêt du signal est présentée. Nous introduisons ensuite un nouveau graphe de Markov adapté à la décomposition en paquets d’ondelettes, dans le but d’une analyse multirésolution des signaux pulmonaires et d’une détection plus précise des caractéristiques statistiques de ces signaux particulièrement variables à la fois en temps et en fréquence.

Type d'EPrint:Thèse de doctorat
Discipline de la thèse / mémoire / rapport :Électronique, électrotechnique, automatique. Traitement du signal
Mots-clés libres:analyse de sons pulmonaires ; analyse de signaux multivariés ; théorie Bayésienne ; modèles de Markov cachés ; estimation statistique
Sujets:CL Classification > DDC Dewey Decimal Classification > 600 Technologie (sciences appliquées) > 610 Médecine et santé > 612 Physiologie humaine > 612.01 Biophysique et biochimie
Classification Thèses Unistra > Santé > Médecine et odontologie > 610 Médecine et santé > 612 Physiologie humaine > 612.01 Biophysique et biochimie

UNERA Classification UNERA > ACT Domaine d'activité UNERA > ACT-5 Santé, industrie du médicament, cosmétique
UNERA Classification UNERA > DISC Discipline UNERA > DISC-21 Ingénierie et technologies
CL Classification > DDC Dewey Decimal Classification > 600 Technologie (sciences appliquées) > 620 Sciences de l'ingénieur > 620.2 Son et vibrations connexes. Acoustique appliquée
Classification Thèses Unistra > Sciences, technologies > Sciences appliquées > 620 Sciences de l'ingénieur > 620.2 Son et vibrations connexes. Acoustique appliquée
Code ID:1943
Déposé le :12 Janvier 2011

Administrateurs de l'archive uniquement : éditer cet enregistrement