Carol HABIB : Acquisition, traitement et fusion de données issues des réseaux de capteurs corporels…

Travaux de thèse : «Acquisition, traitement et fusion de données issues des réseaux de capteurs corporels pour une surveillance médicale continue».

Résumé :

Plusieurs défis existent dans les réseaux de capteurs corporels sans fil tels que la collecte et la fusion de données physiologiques dans un environnement contraignant. En effet, les nœuds de capteurs sans fil ont des ressources limitées en énergie, traitement et mémoire. En outre, une grande quantité de données est collectée. Ces données sont hétérogènes, ambiguës et imprécises. Ajoutons que l'interprétation des données est influencée par plusieurs facteurs externes tels que les informations contextuelles fournies par la personne surveillée. En conséquence la prise de décisions et l'analyse des informations extraite sont influencées. Tout d'abord une technique de collecte de données est proposée. Celle-ci a pour intérêt de réduire la quantité de données collectée et la consommation d'énergie. Dans le modèle proposé, l'énergie consommée par les nœuds capteurs sans fil pour capter et pour transmettre les signes vitaux est particulièrement ciblée. Il s'agit à la fois d'un mécanisme temps-réel pour l'adaptation du taux d'échantillonnage et d'un système de détection local permettant aux nœuds de transmettre uniquement les données indiquant un changement dans l'état de santé de la personne. Deuxièmement, un modèle de fusion de données pour l'évaluation de l'état de santé de la personne surveillée est proposé. Les données fusionnées sont les signes vitaux de la personne qui proviennent de plusieurs capteurs. Ces données sont interprétées de manière humaine et sont caractérisées par l'ambiguïté et l'imprécision. Ainsi, nous proposons d'utiliser un système d'inférence floue. Ensuite, nous proposons d'évaluer l'état de santé de la personne surveillée tout en prenant en compte le contexte dans lequel elle se trouve. Étant donné que les signes vitaux de l'être humain ainsi que son contexte tels que : son activité physique, son dossier médical et ses informations personnelles sont fortement corrélés, l'interprétation des signes vitaux est largement influencée. Plus particulièrement, nous proposons d'utiliser les ensembles flous hésitants pour déterminer subjectivement l'intensité de l'activité physique de la personne. L'approche proposée prend en considération le profil de la personne ainsi que les caractéristiques de l'activité physique en cours. Finalement, une application médicale spécifique est ciblée. Nous proposons de détecter et d'évaluer le stress en temps réel tout en considérant la consommation d'énergie. Shimmer 3 GSR + est utilisé comme nœud capteur sans fil pour capter le signal Photoplethysmogram (PPG) et la conductance cutanée. Une application mobile Android est développée pour extraire du signal PPG les signes vitaux qui sont corrélés au stress tels que la fréquence cardiaque, la fréquence respiratoire et la pression artérielle.

Les membres du Jury sont:

Abderrahim BENSLIMANE, Professeur à l'Université d’Avignon et des Pays du Vaucluse, Rapporteur
André-Luc BEYLOT, Professeur à l'Université de Toulouse, Rapporteur
Stéphane CHRETIEN, Senior Research Scientist à National Physical Laboratory, Examinateur
Raphaël COUTURIER, Professeur à l'Université de Franche-Comté, Directeur de thèse
Abdallah MAKHOUL, Maître de conférence HDR à l'Université de Franche-Comté, Co-directeur de thèse
Rony DARAZI, Professeur Associé à l'Université Antonine, Co-directeur de thèse

Localisation : Amphithéâtre 3, Bâtiment A de l'IUT de Belfort-Montbéliard, 19 Avenue du Maréchal Juin, 90016 Belfort