WO2010116087A1 - Système et procédé de traitement de signaux pour la détection d'une activité fonctionnelle cyclique en temps réel - Google Patents

Système et procédé de traitement de signaux pour la détection d'une activité fonctionnelle cyclique en temps réel Download PDF

Info

Publication number
WO2010116087A1
WO2010116087A1 PCT/FR2010/050661 FR2010050661W WO2010116087A1 WO 2010116087 A1 WO2010116087 A1 WO 2010116087A1 FR 2010050661 W FR2010050661 W FR 2010050661W WO 2010116087 A1 WO2010116087 A1 WO 2010116087A1
Authority
WO
WIPO (PCT)
Prior art keywords
respiratory
signals
acquired
activity
signal
Prior art date
Application number
PCT/FR2010/050661
Other languages
English (en)
Inventor
Laurent Heyer
Pierre-Yves Gumery
Original Assignee
Assistance Publique - Hopitaux De Paris
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Assistance Publique - Hopitaux De Paris filed Critical Assistance Publique - Hopitaux De Paris
Priority to US13/263,180 priority Critical patent/US8897867B2/en
Priority to CA2758227A priority patent/CA2758227A1/fr
Priority to CN201080020557.1A priority patent/CN102438516B/zh
Priority to EP10723211A priority patent/EP2416704A1/fr
Publication of WO2010116087A1 publication Critical patent/WO2010116087A1/fr

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/389—Electromyography [EMG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4818—Sleep apnoea

Definitions

  • the present invention relates to a signal processing system and method for detecting periodic real-time functional activity, particularly respiratory muscle activity.
  • Devices for monitoring the respiratory activity of a patient comprising a single sensor for measuring respiratory muscle activity.
  • this measurement sensor is an electrode placed near the explored muscle to obtain a good signal-to-noise ratio.
  • AMR respiratory muscle activity
  • this solution is not suitable for measuring the activity of the respiratory muscles other than the diaphragm.
  • this measure is invasive.
  • Non-invasive devices which include a surface electrode whose measurement is not robust.
  • non-invasive devices that include a surface electrode whose signal is synchronized with a flow signal.
  • Optimized analysis of surface electromyograms of the scalenes during quiet breathing in humans, Respiratory Physiology & Neurobiology 2006, Hug F. et al.” These devices make it possible to obtain precisely and robustly the location of the activation of activity. inspiratory scalene muscles.
  • this measurement is long and assumes a certain stationarity of the respiratory activity, therefore it is not adapted to the detection of the respiratory activity in real time and can not therefore be used to control a fan.
  • the object of the present invention is therefore to solve these problems by proposing a system and a signal processing method for the detection of a periodic functional activity, in particular adapted to the detection of respiratory muscle activity in real time, such as non-invasive and robust allowing an exploration of respiratory muscle function or allowing the control of a respiratory assistance device.
  • the subject of the invention is a signal processing system for detecting a real-time cyclic functional activity, the processing system comprising:
  • a sensor network comprising at least two sensors
  • event combining identification means from the recordings of the acquired signals making it possible to perform a calibration, comprising:
  • Means for identifying a plurality of events in the acquired signals each acquired signal of an acquisition means including an identified event, means for defining a model of the functional activity, the model being a time order (chronogram) of the plurality of identified events and average delays between the identified events,
  • Means for defining a detection time window from the functional activity model are means for defining a detection time window from the functional activity model.
  • the treatment system comprises one or more of the following features:
  • the plurality of successive cycles of treatment comprises ten to twenty cycles
  • means for monitoring the functional activity for a last complete cycle comprising: means for calculating a sliding average of the delays between the signals acquired during a plurality of successive cycles of monitoring, the plurality of successive cycles of monitoring comprising the last complete cycle; and, means for displaying the rolling average of the delays,
  • the plurality of successive cycles of monitoring is less than the plurality of successive cycles of treatment
  • the monitoring means furthermore comprise: means for comparing the rolling average of the delays with the average of the delays calculated during the calibration step in order to detect an anomaly;
  • means for generating and transmitting an alarm signal in the event of an anomaly comprises signal acquisition means integrating the sensor network,
  • the means of acquisition of the signals are means of acquisition of cardiac muscle signals
  • the means of acquisition of the signals are means of acquisition of skeletal muscle signals
  • the signal acquisition means are means for acquiring respiratory muscle signals
  • the signal acquisition means are non-invasive acquisition means, it further comprises complementary processing means comprising:
  • a ventilatory request means for detecting in real time a ventilatory request, the ventilatory request being defined by an ordered succession of the ventilatory event and respiratory events identified thanks to the model of respiratory activity and detected in the acquired muscle signals, and means for generating and transmitting a control signal to a respiratory assistance device connected to a patient, and
  • complementary processing means comprising means for acquiring information relating to the state of the respiratory assistance apparatus and means for comparing this information relating to the respiratory assistance apparatus and the detection of the respiratory activity of the patient.
  • this system makes it possible in particular to improve the strategies and methods of monitoring and assisting the respiratory function in anesthesia and intensive care, using robust real-time detection of respiratory muscle activity.
  • This system concerns any information taken indirectly and / or constructed using a mathematical model (thus indirectly) which constitutes an image of a muscular contraction, such as respiratory contraction: muscular pressure (Pmus), mechanic gram, electromyogram.
  • a mathematical model which constitutes an image of a muscular contraction, such as respiratory contraction: muscular pressure (Pmus), mechanic gram, electromyogram.
  • This system is a means of combined analysis of muscle activity information. This information is extracted from indirect measurements such as EMG or MMG measurements or constructed by the model such as muscle pressure (this pressure corresponds to a first level of filtering of a flow signal).
  • This information is able to deliver events by level thresholding. In no case does the system measure activity, but detects events representative of muscle activity, such as respiratory activity.
  • the invention also relates to a signal processing method for detecting a real-time cyclic functional activity, intended to be implemented by a processing system of the aforementioned type, the treatment method comprising the following steps. simultaneous reception of the signals acquired by a sensor network comprising at least two sensors, and recording of the acquired signals during a plurality of successive cycles of processing; calibration from the recordings of the acquired signals, the calibration comprising the following steps:
  • Defining a model of the functional activity the model being a temporal order of the plurality of identified events and the average detection delays between the identified events
  • the treatment method comprises one or more of the following features:
  • a step of monitoring the functional activity for a last complete cycle comprising the following steps: calculating a sliding average of the delays between the signals acquired during a plurality of successive cycles tracking, the plurality of successive cycles of tracking comprising the last complete cycle; then,
  • the acquired signals are respiratory muscular signals and the model of functional activity is a model of respiratory activity
  • the inventors have found in a new way that it is possible to describe the respiratory muscle activity by a network of activity of different muscles, called the physiological network, and to be able to qualify this network by a limited number of sensors or acquisition means. a signal forming an "instrumental network".
  • FIG. 1 represents a block diagram illustrating the structure of a signal processing apparatus acquired by a sensor array for the detection of a real-time periodic functional activity according to the invention
  • FIG. 2 is a block diagram; illustrating the signal processing method acquired by a sensor network for detecting a real-time periodic functional activity according to the invention
  • FIG. 3 is a schematic representation of the signals acquired by a sensor array and the model obtained during the execution of the signal processing method as illustrated in FIG.
  • FIG. 4 represents a block diagram illustrating a respiratory assistance device controlled by a signal processing apparatus acquired by a sensor network for the detection of a periodic functional activity in real time
  • FIG. 5 is a block diagram. illustrating the signal processing method according to the invention and executed by the apparatus illustrated in FIG. 4.
  • the system 2 for detecting the respiratory muscle activity (AMR) of a patient 4 comprises at least two acquisition means 6 or signal sensors forming an instrumental network.
  • the signal acquisition means are means for acquiring respiratory muscle signals.
  • the signal acquisition means are non-invasive means, such as surface electrodes, electromyogram (EMG) or myomecanogram (MMG) sensors.
  • EMG electromyogram
  • MMG myomecanogram
  • each sensor invasive or not, explores only a particular muscle of the muscular respiratory system.
  • One of these acquisition means may be a flow measurement from which muscle pressure will be constructed by a method known to those skilled in the art.
  • the detection system 2 of the AMR further comprises means 8 for processing the muscular signals acquired by the acquisition means 6 according to a method for detecting the respiratory muscle activity described in detail hereinafter.
  • the acquisition means 6 are connected to the processing means 8 of the muscular signals.
  • the processing means 8 of the muscular signals comprise means for simultaneous reception of the signals acquired by the sensor array.
  • They furthermore comprise means for recording the muscle signals acquired during a plurality of successive cycles called “processing cycles” and instrumental network calibration means from the recordings of the acquired signals.
  • This calibration consisting in identifying a combination of events, the calibration means will also be called identification means of a combination of events.
  • the instrumental network calibration means comprise means for identifying a plurality of events in the acquired signals where each acquired signal of an acquisition means includes an identified event.
  • the calibration means further comprise means for defining a respiratory muscle activation model.
  • the model is a temporal order of the plurality of identified events and average two-by-two delays between the identified events.
  • the calibration means further comprise means for defining a time detection window based on the model of respiratory muscle activity.
  • means for validating the position of the sensors 6 are integrated in the signal processing means.
  • the means for validating the position of the sensors 6 include means for calculating a correlation score between two signals and means for comparing this correlation score with a value determined by an operator.
  • the respiratory muscle activity detection system 2 further comprises means for monitoring respiratory muscle activity and displaying it in real time.
  • the tracking means comprises means for calculating a sliding average of the delays between the signals acquired during a plurality of successive cycles called “tracking cycles”. This plurality of successive cycles of monitoring integrates the last complete cycle.
  • the monitoring means 10 further comprise means for displaying the rolling average of the delays.
  • the tracking means 10 may also comprise means for comparing the rolling average of the delays with the average of the delays calculated during the calibration step in order to detect an anomaly and means for generating and transmitting a signal. warning signal in case of anomaly.
  • the classical approach proposes to select a priori the signal of the most representative muscle of the physiological phenomenon studied, for example, the measurement of the main inspiratory muscle when the inspiratory function is studied. This is the case with the isolated measure of diaphragmatic activity which reduces the generation of an inspiratory flow to the activity of this single muscle.
  • the detection system integrating the network formed by the acquisition means is necessarily smaller than the physiological network. It is therefore essential to ensure the ability of the instrumental network to effectively describe the organization of the activity of different muscles or the existence of a physiological network. The existence of such an organization then makes it possible to define the inspiratory activity by a combination of different respiratory events and to ensure its robust detection.
  • the operator positions at least two acquisition means or sensors on respiratory muscles of the patient participating in the respiratory activity of the latter so that the acquisition means can detect distinct muscle signals. each other.
  • the sensors are positioned on different respiratory muscles. All the sensors thus arranged form the instrumental network.
  • a pre-treatment is carried out in line, in particular for filtering, in particular to eliminate disturbances of the 50 Hz type and of the ECG type. (electrocardiogram), and are recorded during a plurality of respiratory cycles of patient treatment.
  • the plurality of respiratory treatment cycles comprises 10 to 20 respiratory cycles.
  • the position of each acquisition means positioned on the patient is validated.
  • the analysis of the information shared by the signals from each sensor of the instrumental network over a long time scale characterizes the coupling between the activities of the various muscles explored and in particular their temporal relationship.
  • the information exchange measurement is described by Pompe B. et al. in the article entitled "Using Mutual Information to Measure Coupling in the Cardiorespiratory System.” IEEE Eng Med Biol., Mag 1998, 17: 32-39.
  • This information exchange measure takes into account the non-linearity of the mechanisms and is based on Shannon's entropy. For that, one makes an analysis on the envelopes of the signals obtained by straightening and integration and on sliding windows of parametrizable duration. Thus, we elaborate in a manner known per se as the average envelope of each muscular signal acquired over the plurality of respiratory cycles and a coherence score or coupling level is calculated between each pair of muscular signals. Finally, each calculated consistency score is compared to a threshold value, previously determined by the operator.
  • the two muscular signals are well correlated, which validates the position of the two acquisition means on the respiratory muscles of the patient.
  • the muscular signals are non-coherent, while the operator modifies the position of at least one acquisition means.
  • the operator can change the position of at least one acquisition means on the muscle where he was already positioned, or move it to another respiratory muscle or remove it.
  • the preceding steps are performed again until the relevant muscle signals are obtained, that is, all correlated with each other and participating in respiratory muscle activity of the patient.
  • the obtaining of relevant muscular signals validates the position of all the acquisition means used on the patient.
  • the validation of the position of the sensors is performed manually by the operator.
  • step 16 of validating the position of all the acquisition means one proceeds to the step 24 of calibration or qualification of the apparatus for detecting the respiratory muscle activity of the patient.
  • a respiratory muscle muscular activation model of the patient as equipped with the acquisition means 6 is defined.
  • the calculation of the correlation functions of the muscular signals defines a temporal order of activation of the different respiratory muscles.
  • the mean delay between two events identified in two signals is determined 26 for all the muscular signals.
  • the measurement of the average delays more specifically related to the beginning of the activities of the various signals representative of the organization of a respiratory event, such as the inspiratory request is obtained by the coherent accumulation method Respiratory Physiology & Neurobiology 2006, Hug F. et al. " To implement this method, an additional measure of flow is also used.
  • a standard criterion is used to determine the onset of muscle activation, namely: the timing of an activation event in a signal is determined by calculating the local derivative or slope of the signal. the signal envelope and compare its value to a reference value chosen by the operator.
  • FIG. 3 illustrates the intensity as a function of time of three acquired signals S A , S B and S c on different muscles A, B, C.
  • the order indicates the activation of muscle A before that of muscle C and finally that of muscle B at the respective instants t A , t B and t c .
  • the average delays are noted ⁇ t A B, ⁇ t A c and ⁇ t C B-
  • This method can also be implemented using as an event the end of the intensity of activation of the muscles or a variation of muscular pressure.
  • the set of average delays / delays and the temporal order of activation of the respiratory muscles defines a model of respiratory muscle activity (AMR) of the patient also called activation identification model and generally represented by a chronogram.
  • AMR respiratory muscle activity
  • a temporal detection window is defined based on these average delays / delays, for example the beginning of the time detection window coincides with the first identified event and its duration is the largest average delay, i.e. say between the first and the last identified activation event of the respiratory muscles.
  • the calibration step 24 of the apparatus for detecting the respiratory muscle activity of the patient is then completed.
  • This step 24 qualifies the capacity of the network of sensors 6 distributed on different muscles involved in the respiratory activity of the patient to demonstrate a model of activation of the respiratory muscles of the patient 1. It allows the choice of the most relevant routes for the qualification of the network and finally identifies the scale of analysis time necessary for the characterization of respiratory events, and in particular inspiratory events.
  • the system Once the system is qualified and calibrated, it can be used to monitor the patient's respiratory muscle activity in real time.
  • the time detection window is updated to monitor the respiratory muscle activity of the patient at each new respiratory cycle.
  • the average delays over the last M successive respiratory cycles between the acquired muscle signals are calculated by averaging over the last M values of the delays between each couple of muscle signals.
  • the number M is determined by the operator.
  • the number of cycles of follow-up is less than the number of cycles of treatment.
  • it is between 8 and 12 respiratory cycles and preferably M is equal to ten.
  • the values of these delays can be compared to the values calculated during the calibration step or to reference values determined by the operator to detect an anomaly, and in case of anomaly a signal can be detected. be emitted 38 in a sound and / or visual manner.
  • This monitoring of the respiratory muscle activity of the patient is useful to the anesthesiologist and provides information on the patient's condition.
  • the clinical information that can be extracted is, for example, disorganization of the respiratory function, respiratory discomfort or anesthetic state.
  • the device for detecting respiratory muscle activity is then an apparatus for exploring the respiratory functioning of the patient in real time.
  • the apparatus for detecting respiratory muscle activity also comprises complementary processing means comprising means 40 for acquiring a signal representing a ventilatory activity of the patient and means for receiving this ventilatory signal.
  • This signal includes a ventilatory event.
  • these ventilatory acquisition means comprise at least one air flow sensor installed at the level of the patient's mouth.
  • the additional processing means further comprise means for detecting in real time a ventilatory request.
  • the ventilatory demand is defined by an ordered succession of the ventilatory event and the respiratory events identified thanks to the model of respiratory activity and detected in the acquired muscular signals.
  • the additional processing means also comprise means for generating and transmitting a control signal to a respiratory assistance device 44 connected to a patient.
  • This apparatus implements the method illustrated in FIG. 5 and detailed below.
  • the preliminary steps to perform the calibration 24 of the device are identical to those described above.
  • Instrumental network calibration or qualification 24 provides a window adapted to the patient's behavior for the robust detection of a respiratory, preferably inspiratory, demand, such as the combination of unit respiratory events in a given detection window. This combination can correspond to a temporal sequence of unit activations and / or a logical combination of these different activations.
  • Calibration 24 of the apparatus makes it possible to define the respiratory muscle activation model of the patient as equipped with the acquisition means.
  • This model can be used to robustly detect a real-time respiratory event, preferably an inspiratory patient request, and thereby trigger air insufflation to the patient by a ventilatory assist device.
  • any detection of the inspiratory request must be performed in a time less than an electro-mechanical delay which will be defined for example, as the difference between the objective perception of the inspiratory activity through the sensor network and the passage through zero of the patient's airflow.
  • ventilatory acquisition means 40 installed on the patient 4, for example near his mouth.
  • This measurement of ventilatory activity 50 and the detection of respiratory muscle activity 52 are used to generate a control signal of the respiratory assistance apparatus 44. Indeed, when an inspiratory request is detected in a time less than the electromechanical delay, a control signal is emitted to the respiratory assistance device 44 to trigger the insufflation of air to the patient.
  • the measurement of the respiratory muscle activity and the detection of the respiratory event are used to detect an anomaly in the operation of the respiratory assistance device, for example a desynchronization between the previously programmed apparatus and the patient.
  • the accuracy of the detection of an inspiratory activity is lower than the electromechanical delay, it can be used to evaluate the quality of the adjustment between the inspiratory activity of a patient and his device. 'respiratory support.
  • an audible or visual warning signal is emitted to warn the patient. operator.
  • the system 2 comprises means for acquiring information relating to the state of the respiratory assistance apparatus and means for comparing this information relating to the respiratory assistance apparatus and the detection of the respiratory activity of the patient, such as an inspiratory request.
  • the method provides the detection of events in the time detection window from the functional activity model, which is a sliding window, and it will understand that the device comprises means for detecting events in the detection window.
  • a system and a method according to the invention make it possible to ensure a robust measurement of the respiratory muscle activity of a patient from non-invasive measurements on several muscles and in real time, in particular to control the triggering of a respiratory assistance device.
  • This solution has several advantages over previous methods. On the one hand, it provides robust detection of inspiratory demand from non-invasive sensors while retaining the temporal accuracy gained for detection on a single signal. And on the other hand, it represents an adaptive solution of the detection which takes into account the diversity and revolution of the mode of respiratory muscular activation of the patient and the instrumental capacity of the network of sensors developed for the functional exploration.
  • a device for detecting respiratory muscle activity can be used, for example, to provide a decision aid for weaning the respiratory assistance of patients with vigilance disorders. Indeed, in such patients, the lengthening of the activation delay is associated with a deterioration in the efficiency of the respiratory muscle activity and the need to maintain the mechanical respiratory assistance.
  • the device and the method according to the invention thus make it possible to help to take the right direction. decision.
  • the invention has been described in the context of detecting an inspiratory request from the patient. However, it obviously applies to the detection of any other respiratory event, for example an expiratory request from the patient.
  • the invention is applicable to other fields, for example in motor rehabilitation, pathology of aging and / or cardiology and, more generally, all areas where a "functional activity model" and its alteration in pathology can be identified.
  • the means for acquiring the signals include means for acquiring cardiac muscle signals or skeletal muscle signals.

Abstract

Système de traitement de signaux pour la détection en temps réel d'une activité fonctionnelle cyclique, comprenant des moyens de réception simultanée de signaux acquis par un réseau de capteurs comportant au moins deux capteurs; des moyens d'enregistrement et de prétraitement des signaux acquis pendant une pluralité de cycles successifs; des moyens d'identification de combinaison d'événements à partir des enregistrements des signaux acquis permettant d'effectuer une calibration comportant : des moyens d'identification d'une pluralité d'événements dans les signaux acquis,chaque signal incluant un événement identifié; des moyens de définition d'un modèle de l'activité fonctionnelle, constitué d'un ordre temporel d'événements et des retards moyens entre les événements et des moyens de définition d'une fenêtre temporelle de détection à partir du modèle de l'activité fonctionnelle.

Description

Système et procédé de traitement de signaux pour la détection d'une activité fonctionnelle cyclique en temps réel
La présente invention concerne un système et un procédé de traitement de signaux pour la détection d'une activité fonctionnelle périodique en temps réel, en particulier une activité musculaire respiratoire.
On connaît des dispositifs de surveillance de l'activité respiratoire d'un patient comprenant un unique capteur de mesure de l'activité musculaire respiratoire. Généralement, ce capteur de mesure est une électrode placée à proximité du muscle exploré pour obtenir un bon rapport signal sur bruit. D'après l'article "Neural control of mechanical ventilation in respiratory failure, Nature medicine 1999, Sinderby et al. ", la qualité du signal obtenue permet un contrôle en temps réel d'un appareil d'assistance respiratoire, tel qu'un ventilateur, par l'activité musculaire respiratoire (AMR) d'un seul muscle : le diaphragme. Cependant cette solution n'est pas adaptée pour la mesure de l'activité des muscles respiratoires autres que le diaphragme. De plus, bien qu'elle ne soit pas une mesure intramusculaire (à l'aiguille), cette mesure est invasive.
On connaît des dispositifs non invasifs qui comprennent une électrode de surface dont la mesure n'est pas robuste. Pour cela, il existe des dispositifs non invasifs qui comprennent une électrode de surface dont le signal est synchronisé avec un signal de débit. Selon l'article "Optimized analysis of surface electromyograms of the scalenes during quiet breathing in humans, Respiratory Physiology & Neurobiology 2006, Hug F. et al. ", ces dispositifs permettent d'obtenir avec précision et robustesse la localisation du déclenchement d'activité inspiratoire des muscles scalenes. Cependant cette mesure est longue et suppose une certaine stationnarité de l'activité respiratoire, par conséquent elle n'est pas adaptée à la détection de l'activité respiratoire en temps réel et ne peut donc être utilisée pour contrôler un ventilateur.
Le but de la présente invention est donc de résoudre ces problèmes en proposant un système et un procédé de traitement de signaux pour la détection d'une activité fonctionnelle périodique, notamment adapté à la détection de l'activité musculaire respiratoire en temps réel, de façon non invasive et robuste permettant ainsi une exploration de la fonction musculaire respiratoire ou autorisant le contrôle d'un appareil d'assistance respiratoire. A cet effet, l'invention a pour objet un système de traitement de signaux pour la détection d'une activité fonctionnelle cyclique en temps réel, le système de traitement comprenant :
- des moyens de réception simultanée et prétraitement et notamment de filtrage, des signaux acquis par un réseau de capteurs comportant au moins deux capteurs ;
- des moyens d'enregistrement des signaux acquis pendant une pluralité de cycles successifs de traitement ;
- des moyens de d'identification de combinaison d'événements à partir des enregistrements des signaux acquis permettant d'effectuer une calibration, comportant :
• des moyens d'identification d'une pluralité d'événements dans les signaux acquis, chaque signal acquis d'un moyen d'acquisition incluant un événement identifié, - des moyens de définition d'un modèle de l'activité fonctionnelle, le modèle étant un ordre temporel (chronogramme) de la pluralité d'événements identifiés et des retards moyens entre les événements identifiés,
• des moyens de définition d'une fenêtre temporelle de détection à partir du modèle de l'activité fonctionnelle.
Selon d'autres aspects de l'invention, le système de traitement comprend l'une ou plusieurs des caractéristiques suivantes :
- la pluralité de cycles successifs de traitement comporte dix à vingt cycles,
- il comprend en outre des moyens de validation du réseau de capteurs comportant :
- des moyens de calcul des scores de cohérence de chaque couple de signaux acquis, et
- des moyens de comparaison de chaque score de cohérence calculés de chaque couple de signaux acquis à une valeur seuil,
- il comprend en outre des moyens de suivi de l'activité fonctionnelle pour un dernier cycle complet, comportant : - des moyens de calcul d'une moyenne glissante des retards entre les signaux acquis pendant une pluralité de cycles successifs de suivi, la pluralité de cycles successifs de suivi comprenant le dernier cycle complet ; et, - des moyens d'affichage de la moyenne glissante des retards,
- la pluralité de cycles successifs de suivi est inférieure à la pluralité de cycles successifs de traitement,
- les moyens de suivi comprennent en outre : - des moyens de comparaison de la moyenne glissante des retards à la moyenne des retards calculée au cours de l'étape de calibration afin de détecter une anomalie ; et
- des moyens de génération et d'émission d'un signal d'alerte en cas d'anomalie, - il comprend des moyens d'acquisition des signaux intégrant le réseau de capteurs,
- les moyens d'acquisition des signaux sont des moyens d'acquisition de signaux musculaires cardiaques,
- les moyens d'acquisition des signaux sont des moyens d'acquisition de signaux musculaires squelettiques,
- les moyens d'acquisition des signaux sont des moyens d'acquisition de signaux musculaires respiratoires,
- les moyens d'acquisition des signaux sont des moyens d'acquisition non invasifs, - il comporte en outre des moyens complémentaires de traitement comportant :
- des moyens de réception d'un signal d'une activité ventilatoire d'un patient comprenant un événement ventilatoire ;
- des moyens de détection en temps réel d'une demande ventilatoire, la demande ventilatoire étant définie par une succession ordonnée de l'événement ventilatoire et des événements respiratoires identifiés grâce au modèle d'activité respiratoire et détectés dans les signaux musculaires acquis, et - des moyens de génération et de transmission d'un signal de commande à un appareil d'assistance respiratoire relié à un patient, et
- il comporte en outre des moyens complémentaires de traitement comportant des moyens d'acquisition d'informations relatives à l'état de l'appareil d'assistance respiratoire et des moyens de comparaison de ces informations relatives à l'appareil d'assistance respiratoire et la détection de l'activité respiratoire du patient.
Ainsi, ce système permet notamment d'améliorer les stratégies et les méthodes de surveillance et d'assistance de la fonction respiratoire en anesthésie et en réanimation, en utilisant une détection robuste en temps réel de l'activité musculaire respiratoire.
Ce système concerne toute information prélevée de façon indirecte et/ou construite à l'aide d'un modèle mathématique (donc de façon indirecte) qui constitue une image d'une contraction musculaire, telle que la contraction respiratoire : pression musculaire (Pmus), mécano gramme, électromyogramme.
Ce système est un moyen d'analyse conjuguée d'informations d'activité musculaire. Ces informations sont extraites de mesures indirectes telles que des mesures EMG ou MMG ou construite par le modèle comme la pression musculaire (cette pression correspond à un premier niveau de filtrage d'un signal de débit).
Ces informations sont à même de délivrer des événements par seuillage de niveau. En aucun cas, le système ne mesure l'activité, mais il détecte des événements représentatifs d'une activité musculaire, telle que l'activité respiratoire.
L'invention a également pour objet un procédé de traitement de signaux pour la détection d'une activité fonctionnelle cyclique en temps réel, destiné à être mis en oeuvre par un système de traitement du type précité, le procédé de traitement comprenant les étapes suivantes. - réception simultanée des signaux acquis par un réseau de capteurs comportant au moins deux capteurs, et enregistrement des signaux acquis pendant une pluralité de cycles successifs de traitement ; - calibration à partir des enregistrements des signaux acquis, la calibration comportant les étapes suivantes :
• d'identification d'une pluralité d'événements dans les signaux acquis, chaque signal acquis d'un moyen d'acquisition incluant un événement identifié,
• définition d'un modèle de l'activité fonctionnelle, le modèle étant un ordre temporel de la pluralité d'événements identifiés et des retards moyens de détection entre les événements identifiés,
• définition d'une fenêtre temporelle d'analyse à partir du modèle de l'activité fonctionnelle.
Selon d'autres aspects de l'invention, le procédé de traitement comprend l'une ou plusieurs des caractéristiques suivantes :
- il comprend, après l'étape de calibration, une étape de suivi de l'activité fonctionnelle pour un dernier cycle complet, comportant les étapes suivantes : - calcul d'une moyenne glissante des retards entre les signaux acquis pendant une pluralité de cycles successifs de suivi, la pluralité de cycles successifs de suivi comprenant le dernier cycle complet ; puis,
- affichage de la moyenne glissante des retards, - les signaux acquis sont des signaux musculaires respiratoires et le modèle d'activité fonctionnelle est un modèle d'activité respiratoire, et
- il comprend, après l'étape de calibration, les étapes suivantes :
- une étape de réception d'un signal d'une activité ventilatoire d'un patient comprenant un événement ventilatoire ; - une étape de détection en temps réel d'une demande ventilatoire, la demande ventilatoire étant définie par une succession ordonnée de l'événement ventilatoire et des événements respiratoires identifiés grâce au modèle d'activité respiratoire et détectés dans les signaux musculaires acquis, puis - une étape de génération d'un signal de commande d'un appareil d'assistance respiratoire relié à un patient. Les inventeurs ont constaté de façon nouvelle qu'il était possible de décrire l'activité musculaire respiratoire par un réseau d'activité de différents muscles, appelé réseau physiologique, et de pouvoir qualifier ce réseau par un nombre limité de capteurs ou moyens d'acquisition d'un signal formant un « réseau instrumental ».
En physiologie et en physiopathologie, on peut décrire l'activité respiratoire musculaire comme étant le résultat de collaborations entre différents groupes musculaires. Cette collaboration représente des interactions complexes fortement non-linéaires qui peuvent être analysées en termes de couplages entre oscillateurs non-linéaires. Cependant, ces couplages sont modifiés en fonction de l'état clinique du patient. Les caractéristiques du réseau physiologique d'activation des muscles respiratoires ne sont pas connues a priori et doivent être réévaluées pour chaque patient et au cours de son évolution clinique.
L'invention sera mieux comprise à l'aide de la description qui va suivre, donnée uniquement à titre d'exemple et faite en se référant aux dessins annexés, sur lesquels :
- la figure 1 représente un schéma synoptique illustrant la structure d'un appareil de traitement de signaux acquis par un réseau de capteurs pour la détection d'une activité fonctionnelle périodique en temps réel selon l'invention, - la figure 2 est un schéma bloc illustrant le procédé de traitement de signaux acquis par un réseau de capteurs pour la détection d'une activité fonctionnelle périodique en temps réel selon l'invention,
- la figure 3 est une représentation schématique des signaux acquis par un réseau de capteurs et du modèle obtenus lors de l'exécution du procédé de traitement de signaux tel qu'illustré que la figure 2,
- la figure 4 représente un schéma synoptique illustrant un appareil d'assistance respiratoire piloté par un appareil de traitement de signaux acquis par un réseau de capteurs pour la détection d'une activité fonctionnelle périodique en temps réel et - la figure 5 est un schéma bloc illustrant le procédé de traitement de signaux selon l'invention et exécuté par l'appareil illustré sur la figure 4.
En regard de la figure 1 , le système 2 de détection de l'activité musculaire respiratoire (AMR) d'un patient 4 comprend au moins deux moyens d'acquisition 6 ou capteurs de signaux formant un réseau instrumental. Les moyens d'acquisition des signaux sont des moyens d'acquisition de signaux musculaires respiratoires.
De préférence, les moyens d'acquisition des signaux sont des moyens non invasifs, tels que des électrodes de surface, des capteurs électromyogrammes (EMG) ou myomécanogrammes (MMG).
Avantageusement, chaque capteur, invasif ou non, n'explore qu'un muscle particulier de l'appareil respiratoire musculaire.
Un de ces moyens d'acquisition peut être une mesure de débit à partir de laquelle sera construite une pression musculaire par une méthode connue de l'homme du métier.
Le système 2 de détection de l'AMR comporte en outre des moyens de traitements 8 des signaux musculaires acquis par les moyens d'acquisition 6 selon un procédé de détection de l'activité musculaire respiratoire décrit en détail par la suite. Les moyens d'acquisition 6 sont connectés aux moyens de traitements 8 des signaux musculaires.
Les moyens de traitements 8 des signaux musculaires comprennent des moyens de réception simultanée des signaux acquis par le réseau de capteurs.
Ils comportent en outre des moyens d'enregistrement des signaux musculaires acquis pendant une pluralité de cycles successifs appelés « cycles de traitement » et des moyens de calibration du réseau instrumental à partir des enregistrements des signaux acquis. Ce calibration consistant à identifier une combinaison d'événements, les moyens de calibration seront également appelés moyens d'identification d'une combinaison d'événements.
Les moyens de calibration du réseau instrumental comprennent des moyens d'identification d'une pluralité d'événements dans les signaux acquis où chaque signal acquis d'un moyen d'acquisition inclue un événement identifié.
Les moyens de calibration comportent en outre des moyens de définition d'un modèle d'activation musculaire respiratoire. Le modèle est un ordre temporel de la pluralité d'événements identifiés et des retards moyens deux à deux entre les événements identifiés.
Les moyens de calibration comportent en outre des moyens de définition d'une fenêtre détection temporelle à partir du modèle de l'activité musculaire respiratoire. De plus, des moyens de validation de la position des capteurs 6 sont intégrés aux moyens de traitement des signaux.
Les moyens de validation de la position des capteurs 6 comportent des moyens de calcul d'un score de corrélation entre deux signaux et des moyens de comparaison de ce score de corrélation à une valeur déterminée par un opérateur.
Le système 2 de détection de l'activité musculaire respiratoire comporte en outre des moyens 10 de suivi de l'activité musculaire respiratoire et de son affichage en temps réel. Ainsi, pour un dernier cycle complet, les moyens 10 de suivi comportent des moyens de calcul d'une moyenne glissante des retards entre les signaux acquis pendant une pluralité de cycles successifs appelés « cycles de suivi ». Cette pluralité de cycles successifs de suivi intègre le dernier cycle complet. Les moyens 10 de suivi comportent en outre des moyens d'affichage de la moyenne glissante des retards.
Les moyens de suivi 10 peuvent également comporter des moyens de comparaison de la moyenne glissante des retards à la moyenne des retards calculée au cours de l'étape de calibration afin de détecter une anomalie et, des moyens de génération et d'émission d'un signal d'alerte en cas d'anomalie.
Lors d'une exploration de la fonction respiratoire, la démarche classique propose de sélectionner a priori le signal du muscle le plus représentatif du phénomène physiologique étudié, par exemple, la mesure du muscle inspiratoire principal lorsque c'est la fonction inspiratoire qui est étudiée. C'est le cas avec la mesure isolée de l'activité diaphragmatique qui réduit la génération d'un débit inspiratoire à l'activité de ce seul muscle.
Cependant, occulter par ce choix instrumental l'impact de la synergie entre le diaphragme et les autres muscles respiratoires sur l'efficacité de l'inspiration générée devient inadapté en clinique où la ventilation observée est dépendante d'une coopération optimale entre les différents muscles.
Néanmoins, pour explorer l'activité respiratoire musculaire d'un patient, il n'est pas non plus possible de mesurer l'activité de tous les muscles respiratoires qui interagissent. Ainsi, le système de détection intégrant le réseau formé par les moyens d'acquisition est nécessairement plus restreint que le réseau physiologique. Il est donc essentiel de s'assurer de la capacité du réseau instrumental à décrire efficacement l'organisation de l'activité de différents muscles ou l'existence d'un réseau physiologique. L'existence d'une telle organisation permet alors de définir l'activité inspiratoire par une combinaison de différents événements respiratoires et d'assurer sa détection robuste.
C'est le but du procédé de détection d'une activité musculaire respiratoire en temps réel d'un patient tel que représenté sur la figure 2.
Dans une étape préalable 12, l'opérateur positionne au moins deux moyens d'acquisition ou capteurs sur des muscles respiratoires du patient participant à l'activité respiratoire de celui-ci de sorte que les moyens d'acquisition puissent détecter des signaux musculaires distincts les uns des autres. De préférence, les capteurs sont positionnés sur des muscles respiratoires différents. L'ensemble des capteurs ainsi disposés forme le réseau instrumental.
Ensuite, au cours d'une étape de réception 14, on réceptionne simultanément les signaux musculaires détectés, par chaque moyen d'acquisition, on effectue un prétraitement en ligne notamment de filtrage, notamment pour éliminer des perturbations du type 50 Hz et du type ECG (électrocardiogramme), et on les enregistre pendant une pluralité de cycles respiratoires de traitement du patient.
De préférence, la pluralité de cycles respiratoires de traitement comporte 10 à 20 cycles respiratoires. Puis on valide 16 la position de chaque moyen d'acquisition positionné sur le patient. Pour cela, on analyse les couplages potentiels et la cohérence entre les voies du réseau instrumental considérées deux à deux, c'est-à-dire entre les signaux musculaires pris deux à deux. En effet, l'analyse des informations partagées par les signaux issus de chaque capteur du réseau instrumental sur une échelle de temps longue (plusieurs dizaines de cycles) caractérise les couplages entre les activités des différents muscles explorés et en particulier leur relation temporelle. De façon connue, la mesure d'échange d'informations est décrite par Pompe B. et al. dans l'article intitulé "Using mutual information to measure coupling in the cardiorespiratory System. IEEE Eng. Med. Biol. Mag 1998; 17: 32-39". Cette mesure d'échange d'informations prend en compte la non-linéarité des mécanismes et repose sur l'entropie de Shannon. Pour cela, on fait une analyse sur les enveloppes des signaux obtenus par redressement et intégration et sur des fenêtres glissantes de durée paramétrable. Ainsi, on élabore de façon connue comme en elle-même l'enveloppe moyenne de chaque signal musculaire acquis sur la pluralité de cycles respiratoires et, on calcule 18 un score de cohérence ou niveau de couplage entre chaque couple de signaux musculaires. Enfin, chaque score de cohérence calculé est comparé 20 à une valeur de seuil, préalablement déterminée par l'opérateur.
Si le score de cohérence est supérieur à la valeur de seuil, les deux signaux musculaires sont bien corrélés, ce qui valide la position des deux moyens d'acquisition sur les muscles respiratoires du patient. Dans le cas contraire, les signaux musculaires sont non cohérents, alors l'opérateur modifie 22 la position d'au moins un moyen d'acquisition. L'opérateur peut modifier la position d'au moins un moyen d'acquisition sur le muscle où il était déjà positionné, ou bien le déplacer sur un autre muscle respiratoire ou encore le supprimer. Après avoir modifié la position d'au moins un moyen d'acquisition, les étapes précédentes sont exécutées à nouveau jusqu'à l'obtention de signaux musculaires pertinents, c'est-à-dire, tous corrélés les uns entre eux et participant à l'activité musculaire respiratoire du patient. L'obtention de signaux musculaires pertinents valide la position de tous les moyens d'acquisition utilisés sur le patient.
Selon une variante, la validation 16 de la position des capteurs est réalisée manuellement par l'opérateur.
Après l'étape 16 de validation de la position de tous les moyens d'acquisition, on procède à l'étape 24 de calibration ou qualification de l'appareil de détection de l'activité musculaire respiratoire du patient.
Pour cela, à partir des enregistrements des signaux musculaires acquis, on définit 26 un modèle d'activation musculaire respiratoire du patient tel qu'équipé des moyens d'acquisition 6.
En effet, le calcul des fonctions de corrélation des signaux musculaires définit un ordre temporel d'activation des différents muscles respiratoires.
Pour cela, on identifie sur chaque signal musculaire le début d'un événement représentatif de cette activation.
Puis, on détermine 26, à partir des enveloppes des signaux musculaires, le retard moyen entre deux événements identifiés dans deux signaux et ce pour tous les signaux musculaires. De préférence, la mesure des retards moyens plus spécifiquement liés aux débuts des activités des différents signaux représentatifs de l'organisation d'un événement respiratoire, tel que la demande inspiratoire, est obtenue par la méthode d'accumulation cohérente Respiratory Physiology & Neurobiology 2006, Hug F. et al. "Pour mettre en œuvre cette méthode, on utilise en outre une mesure additionnelle de débit.
Par exemple, on utilise un critère standard pour déterminer le début de l'activation d'un muscle, à savoir : l'instant d'un événement d'activation dans un signal est déterminé par le calcul de la dérivée locale ou pente de l'enveloppe du signal et on compare sa valeur à une valeur de référence choisie par l'opérateur.
A titre d'exemple, la figure 3 illustre l'intensité en fonction du temps de trois signaux acquis SA, SB et Sc sur des muscles A, B, C différents. L'ordre indique l'activation du muscle A avant celle du muscle C et enfin celle du muscle B aux instants respectifs tA, tB et tc. Les retards moyens sont notés ΔtAB, ΔtAc et ΔtCB- Cette méthode peut également être mise en œuvre en utilisant comme événement la fin d'intensité d'activation des muscles ou une variation de pression musculaire.
L'ensemble des délais/retards moyens et l'ordre temporel d'activation des muscles respiratoires définit un modèle d'activité musculaire respiratoire (AMR) du patient également appelé modèle d'identification des activations et généralement représenté par un chronogramme.
Ces relations déterminent l'échelle de temps d'analyse de l'activité respiratoire, par exemple de l'activité inspiratoire du patient.
On définit 28 une fenêtre de détection temporelle à partir de ces retards/délais moyens, par exemple le début de la fenêtre de détection temporelle coïncide avec le premier événement identifié et sa durée est le retard moyen le plus grand, c'est-à-dire entre le premier et le dernier événement d'activation identifiés des muscles respiratoires.
L'étape de calibration 24 de l'appareil de détection de l'activité musculaire respiratoire du patient est alors terminée.
Cette étape 24 permet de qualifier la capacité du réseau de capteurs 6 distribués sur différents muscles impliqués dans l'activité respiratoire du patient à mettre en évidence un modèle d'activation des muscles respiratoires du patient 1. Elle permet le choix des voies les plus pertinentes pour la qualification du réseau et finalement identifie l'échelle de temps d'analyse nécessaire pour la caractérisation des événements respiratoires, et en particulier inspiratoires.
Une fois le système qualifié et calibré, on peut l'utiliser pour suivre en temps réel l'activité musculaire respiratoire du patient.
Pour cela, la fenêtre de détection temporelle est actualisée pour suivre 30 l'activité musculaire respiratoire du patient à chaque nouveau cycle respiratoire.
Ainsi, on calcule 32 les retards moyens sur les M derniers cycles respiratoires successifs entre les signaux musculaires acquis en réalisant une moyenne glissante sur les M dernières valeurs des retards entre chaque couple de signaux musculaires. Le nombre M est déterminé par l'opérateur. Le nombre de cycles de suivi est inférieur au nombre de cycles de traitement. De manière avantageuse, il est compris entre 8 et 12 cycles respiratoires et de préférence, M est égal à dix. Ensuite, les valeurs sont affichées 34 sur les moyens d'affichage 10 de l'appareil de détection d'activité musculaire.
Par la suite, les valeurs de ces retards peuvent être comparées 36 aux valeurs calculées au cours de l'étape de calibration ou à des valeurs de référence déterminées par l'opérateur afin de détecter une anomalie, et en cas d'anomalie un signal peut être émis 38 de manière sonore et/ou visuelle.
Ce suivi de l'activité musculaire respiratoire du patient est utile à l'anesthésiste et renseigne sur l'état du patient. A ce niveau, l'information clinique qui peut être extraite est par exemple une désorganisation de la fonction respiratoire, un inconfort respiratoire ou un état anesthésique. L'appareil de détection de l'activité musculaire respiratoire est alors un appareil d'exploration du fonctionnement respiratoire du patient en temps réel.
Selon un autre mode de réalisation représenté sur la figure 4, l'appareil de détection de l'activité musculaire respiratoire comprend en outre des moyens complémentaires de traitement comportant des moyens d'acquisition 40 d'un signal représentant une activité ventilatoire du patient et des moyens de réception de ce signal ventilatoire. Ce signal inclut un événement ventilatoire. De préférence, ces moyens d'acquisition ventilatoire comprennent au moins un capteur de débit d'air installé au niveau de la bouche du patient. Les moyens complémentaires de traitement comprennent en outre des moyens de détection en temps réel d'une demande ventilatoire. La demande ventilatoire est définie par une succession ordonnée de l'événement ventilatoire et des événements respiratoires identifiés grâce au modèle d'activité respiratoire et détectés dans les signaux musculaires acquis.
Les moyens complémentaires de traitement comprennent également des moyens de génération et de transmission d'un signal de commande à un appareil 44 d'assistance respiratoire relié à un patient.
Cet appareil met en oeuvre le procédé illustré sur la figure 5 et détaillé ci- dessous. Les étapes préalables pour réaliser la calibration 24 de l'appareil sont identiques à celles décrites précédemment.
La calibration 24 ou qualification du réseau instrumental fournit une fenêtre adaptée au comportement du patient pour la détection robuste d'une demande respiratoire, de préférence inspiratoire, comme la combinaison d'événements respiratoires unitaires dans une fenêtre de détection donnée. Cette combinaison peut correspondre à une séquence temporelle d'activations unitaires et/ou une combinaison logique de ces différentes activations.
La calibration 24 de l'appareil permet de définir 26 le modèle d'activation musculaire respiratoire du patient tel qu'équipé des moyens d'acquisition. Ce modèle peut être utilisé pour détecter de façon robuste un événement respiratoire en temps réel, de préférence une demande inspiratoire du patient et ainsi déclencher une insufflation d'air au patient par un appareil d'assistance ventilatoire.
Pour cela, toute détection de la demande inspiratoire doit être réalisée dans un temps inférieur à un délai électro-mécanique qui sera défini par exemple, comme la différence entre la perception objective de l'activité inspiratoire au travers du réseau de capteurs et le passage par zéro du débit d'air du patient.
C'est pourquoi, on mesure 50 une activité ventilatoire grâce à des moyens d'acquisition ventilatoire 40 installé sur le patient 4, par exemple près de sa bouche.
On exploite cette mesure d'activité ventilatoire 50 et la détection d'activité musculaire respiratoire 52 pour générer 54 un signal de commande de l'appareil 44 d'assistance respiratoire. En effet, lorsqu'une demande inspiratoire est détectée dans un temps inférieur au délai électro-mécanique, un signal de commande est émis vers l'appareil 44 d'assistance respiratoire pour déclencher l'insufflation d'air au patient.
Selon une variante, on exploite la mesure de l'activité musculaire respiratoire et la détection de l'événement respiratoire pour détecter une anomalie dans le fonctionnement de l'appareil d'assistance respiratoire, par exemple une désynchronisation entre l'appareil préalablement programmé et le patient. En effet, la précision de la détection d'une activité inspiratoire étant inférieure au délai électro-mécanique, celle-ci peut-être exploitée pour évaluer la qualité de l'ajustement entre l'activité inspiratoire d'un patient et de son appareil d'assistance respiratoire. Dans ce mode de fonctionnement, lorsqu'un défaut de qualité d'ajustement entre l'activité respiratoire du patient d'une part et son appareil d'assistance respiratoire est détectée, on émet un signal d'alerte sonore ou visuel pour avertir l'opérateur. Pour cela, le système 2 comprend des moyens d'acquisition d'informations relatives à l'état de l'appareil d'assistance respiratoire et des moyens de comparaison de ces informations relatives à l'appareil d'assistance respiratoire et la détection de l'activité respiratoire du patient, telle qu'une demande inspiratoire.
L'homme du métier comprendra que quelque soit le mode d'utilisation, le procédé prévoit la détection d'événements dans la fenêtre de détection temporelle à partir du modèle d'activité fonctionnelle, celle-ci étant une fenêtre glissante, et il comprendra que le dispositif comporte des moyens de détection d'événements dans la fenêtre de détection.
Ainsi, un système et un procédé selon l'invention permettent d'assurer une mesure robuste de l'activité musculaire respiratoire d'un patient à partir de mesures non invasives sur plusieurs muscles et en temps réel permettant notamment de piloter le déclenchement d'un appareil d'assistance respiratoire.
En effet, grâce à ce procédé et à cet appareil, on substitue à la détection d'un événement respiratoire à partir du signal d'un seul capteur, la détection d'une combinaison d'événements respiratoires d'un réseau de capteurs non-invasifs suffisant pour qualifier le modèle d'activation des muscles respiratoire du patient étudié. Cette approche par analyse conjointe d'événements permet une discrimination plus efficace entre l'activité respiratoire et les activités musculaires parasites (c'est-à-dire ne participant pas à la respiration).
Cette solution présente plusieurs avantages par rapport aux méthodes antérieures. D'une part, elle fournit une détection robuste de la demande inspiratoire à partir de capteurs non-invasifs tout en conservant la précision temporelle acquise pour la détection sur un signal unique. Et d'autre part, elle représente une solution adaptative de la détection qui prend en compte la diversité et révolution du mode d'activation musculaire respiratoire du patient et la capacité instrumentale du réseau de capteurs développé pour l'exploration fonctionnelle. Un tel appareil de détection d'une activité musculaire respiratoire peut être utilisé, par exemple, pour fournir une aide à la décision de sevrage de l'assistance respiratoire de patients ayant des troubles de vigilance. En effet, chez de tels patients, l'allongement du délai d'activation est associé à une dégradation de l'efficacité de l'activité musculaire respiratoire et à la nécessité de maintenir l'assistance respiratoire mécanique. En permettant de détecter de tels allongements du délai d'activation, en particulier le délai d'activation entre différents muscles inspiratoires répartis selon un gradient rostro-caudal, le dispositif et le procédé selon l'invention permettent donc d'aider à prendre la bonne décision. L'invention a été décrite dans le cadre de la détection d'une demande inspiratoire du patient. Cependant de manière évidente elle s'applique à la détection de tout autre événement respiratoire, par exemple une demande expiratoire du patient.
Egalement, l'invention est applicable à d'autres domaines par exemple en réhabilitation motrice, pathologie du vieillissement et/ou cardiologie et, plus généralement tous les domaines où un « modèle d'activité fonctionnelle » et son altération en pathologie peut être identifié. Pour cela, les moyens d'acquisition des signaux sont notamment des moyens d'acquisition de signaux musculaires cardiaques ou musculaire squelettique.

Claims

REVENDICATIONS
1.- Système de traitement de signaux pour la détection en temps réel d'une activité fonctionnelle cyclique, le système de traitement étant caractérisé en ce qu'il comprend : - des moyens de réception simultanée de signaux acquis par un réseau de capteurs comportant au moins deux capteurs ;
- des moyens d'enregistrement et de prétraitement des signaux acquis pendant une pluralité de cycles successifs de traitement ;
- des moyens d'identification de combinaison d'événements à partir des enregistrements des signaux acquis permettant d'effectuer une calibration, comportant :
• des moyens d'identification d'une pluralité d'événements dans les signaux acquis, chaque signal acquis d'un moyen d'acquisition incluant un événement identifié, - des moyens de définition d'un modèle de l'activité fonctionnelle, le modèle étant chronogramme constitué d'un ordre temporel de la pluralité d'événements identifiés et des retards moyens deux à deux entre les événements identifiés,
• des moyens de définition d'une fenêtre temporelle de détection à partir du modèle de l'activité fonctionnelle.
2.- Système de traitement la revendication 1 , caractérisé en ce que la pluralité de cycles successifs de traitement comporte dix à vingt cycles.
3.- Système de traitement selon l'une quelconque des revendications 1 à 2, caractérisé en ce qu'il comprend en outre des moyens de validation du réseau de capteurs comportant :
- des moyens de calcul des scores de cohérence de chaque couple de signaux acquis,
- des moyens de comparaison de chaque score de cohérence calculés de chaque couple de signaux acquis à une valeur seuil.
4.- Système de traitement selon l'une quelconque des revendications 1 à 3, caractérisé en ce qu'il comprend en outre des moyens de suivi de l'activité fonctionnelle pour un dernier cycle complet, comportant : - des moyens de calcul d'une moyenne glissante des retards entre les signaux acquis pendant une pluralité de cycles successifs de suivi, la pluralité de cycles successifs de suivi comprenant le dernier cycle complet ; et,
- des moyens d'affichage (10) de la moyenne glissante des retards.
5.- Système de traitement selon la revendication 4, caractérisé en ce que la pluralité de cycles successifs de suivi est inférieure à la pluralité de cycles successifs de traitement.
6.- Système de traitement selon l'une quelconque des revendications 4 à 5, caractérisé en ce que les moyens de suivi comprennent en outre : - des moyens de comparaison de la moyenne glissante des retards à la moyenne des retards calculée au cours de l'étape de calibration afin de détecter une anomalie ; et
- des moyens de génération et d'émission d'un signal d'alerte en cas d'anomalie.
7.- Système de traitement selon l'une quelconque des revendications 1 à 6, caractérisé en ce qu'il comprend des moyens d'acquisition des signaux intégrant le réseau de capteurs.
8.- Système de traitement selon la revendication 7, caractérisé en ce que les moyens d'acquisition des signaux sont des moyens d'acquisition de signaux musculaires cardiaques.
9.- Système de traitement selon la revendication 7, caractérisé en ce que les moyens d'acquisition des signaux sont des moyens d'acquisition de signaux musculaires squelettiques.
10.- Système de traitement selon la revendication 7, caractérisé en ce que les moyens d'acquisition des signaux sont des moyens d'acquisition de signaux musculaires respiratoires.
1 1.- Système de traitement selon l'une quelconque des revendications 7 à 10, caractérisé en ce que les moyens d'acquisition des signaux sont des moyens d'acquisition non invasifs.
12.- Système de traitement selon la revendication 10, caractérisé en ce qu'il comporte en outre des moyens complémentaires de traitement comportant :
- des moyens de réception d'un signal d'une activité ventilatoire d'un patient comprenant un événement ventilatoire ; - des moyens de détection en temps réel d'une demande ventilatoire, la demande ventilatoire étant définie par une succession ordonnée de l'événement ventilatoire et des événements respiratoires identifiés grâce au modèle d'activité respiratoire et détectés dans les signaux musculaires acquis, et - des moyens de génération et de transmission d'un signal de commande à un appareil (44) d'assistance respiratoire relié à un patient.
13.- Système de traitement selon la revendication 10, caractérisé en ce qu'il comporte en outre des moyens complémentaires de traitement comportant des moyens d'acquisition d'informations relatives à l'état de l'appareil d'assistance respiratoire et des moyens de comparaison de ces informations relatives à l'appareil d'assistance respiratoire et la détection de l'activité respiratoire du patient.
14.- Procédé de traitement de signaux pour la détection d'une activité fonctionnelle périodique en temps réel, destiné à être mis en oeuvre par un système de traitement de signaux selon l'une quelconque des revendications 1 à
12, le procédé de traitement étant caractérisé en ce qu'il comprend les étapes suivantes :
- réception (14) simultanée des signaux acquis par un réseau de capteurs comportant au moins deux capteurs, et enregistrement des signaux acquis pendant une pluralité de cycles successifs de traitement ;
- calibration (24) à partir des enregistrements des signaux acquis, la calibration comportant les étapes suivantes :
• d'identification d'une pluralité d'événements dans les signaux acquis, chaque signal acquis d'un moyen d'acquisition incluant un événement identifié,
• définition (26) d'un modèle de l'activité fonctionnelle, le modèle étant un ordre temporel de la pluralité d'événements identifiés et des retards moyens deux à deux entre les événements identifiés,
• définition (28) d'une fenêtre temporelle de détection à partir du modèle de l'activité fonctionnelle.
15.- Procédé de traitement selon la revendication 14, caractérisé en ce qu'il comprend, après l'étape de calibration (24), une étape de suivi (30) de l'activité fonctionnelle pour un dernier cycle complet, comportant les étapes suivantes : - calcul (32) d'une moyenne glissante des retards entre les signaux acquis pendant une pluralité de cycles successifs de suivi, la pluralité de cycles successifs de suivi comprenant le dernier cycle complet ; puis,
- une étape d'affichage (34) de la moyenne glissante des retards.
16.- Procédé de traitement selon l'une quelconque des revendications 14 à
15, caractérisé en ce que les signaux acquis sont des signaux musculaires respiratoires et en ce que le modèle d'activité fonctionnelle est un modèle d'activité respiratoire.
17.- Procédé de traitement selon la revendication 16, caractérisé en ce qu'il comprend, après l'étape de calibration (24), les étapes suivantes :
- une étape de réception (50) d'un signal d'une activité ventilatoire d'un patient comprenant un événement ventilatoire ;
- une étape de détection (52) en temps réel d'une demande ventilatoire, la demande ventilatoire étant définie par une succession ordonnée de l'événement ventilatoire et des événements respiratoires identifiés grâce au modèle d'activité respiratoire et détectés dans les signaux musculaires acquis, puis
- une étape (54) de génération d'un signal de commande d'un appareil (44) d'assistance respiratoire.
PCT/FR2010/050661 2009-04-07 2010-04-06 Système et procédé de traitement de signaux pour la détection d'une activité fonctionnelle cyclique en temps réel WO2010116087A1 (fr)

Priority Applications (4)

Application Number Priority Date Filing Date Title
US13/263,180 US8897867B2 (en) 2009-04-07 2010-04-06 System and method for processing signals for the real-time detection of a functional cyclic activity
CA2758227A CA2758227A1 (fr) 2009-04-07 2010-04-06 Systeme et procede de traitement de signaux pour la detection d'une activite fonctionnelle cyclique en temps reel
CN201080020557.1A CN102438516B (zh) 2009-04-07 2010-04-06 实时检测机能循环活动的信号的处理系统和方法
EP10723211A EP2416704A1 (fr) 2009-04-07 2010-04-06 Système et procédé de traitement de signaux pour la détection d'une activité fonctionnelle cyclique en temps réel

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR0952277A FR2943902B1 (fr) 2009-04-07 2009-04-07 Systeme et procede de traitement de signaux pour la detection d'une activite fonctionnelle cyclique en temps reel.
FR0952277 2009-04-07

Publications (1)

Publication Number Publication Date
WO2010116087A1 true WO2010116087A1 (fr) 2010-10-14

Family

ID=41124196

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/FR2010/050661 WO2010116087A1 (fr) 2009-04-07 2010-04-06 Système et procédé de traitement de signaux pour la détection d'une activité fonctionnelle cyclique en temps réel

Country Status (6)

Country Link
US (1) US8897867B2 (fr)
EP (1) EP2416704A1 (fr)
CN (1) CN102438516B (fr)
CA (1) CA2758227A1 (fr)
FR (1) FR2943902B1 (fr)
WO (1) WO2010116087A1 (fr)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6206912B2 (ja) * 2013-10-01 2017-10-04 公益財団法人ヒューマンサイエンス振興財団 興奮収縮連関の障害の判定装置の作動方法
WO2017025363A1 (fr) * 2015-08-11 2017-02-16 Koninklijke Philips N.V. Appareil et procédé de traitement de signaux d'électromyographie se rapportant à une activité respiratoire
DE102015015296A1 (de) * 2015-11-30 2017-06-01 Drägerwerk AG & Co. KGaA Vorrichtung und Verfahren zum Bereitstellen von Datensignalen indizierend Muskelaktivitäten, welche für inspiratorische sowie exspiratorische Atemanstrengungen eines Patienten relevant sind

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4960118A (en) * 1989-05-01 1990-10-02 Pennock Bernard E Method and apparatus for measuring respiratory flow
WO2003022149A2 (fr) * 2001-09-10 2003-03-20 Trustees Of Tufts College Systeme de mesure de la fonction respiratoire
US6840907B1 (en) * 1999-04-14 2005-01-11 Resmed Limited Detection and classification of breathing patterns
FR2921245A1 (fr) * 2007-09-25 2009-03-27 Univ Joseph Fourier Dispositif de diagnostic respiratoire

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5513631A (en) * 1995-07-21 1996-05-07 Infrasonics, Inc. Triggering of patient ventilator responsive to a precursor signal
US7841987B2 (en) * 2004-03-30 2010-11-30 Apneos Corporation System and method for visualizing sleep-related information
CN2617403Y (zh) * 2003-05-19 2004-05-26 陈家良 自动控制膈肌起搏装置
US7184817B2 (en) * 2003-12-19 2007-02-27 Cardiac Pacemakers, Inc. System and method for acquiring breathing pattern signals from intracardiac electrograms and its use for heart failure therapy decision making and disease monitoring
US8403865B2 (en) * 2004-02-05 2013-03-26 Earlysense Ltd. Prediction and monitoring of clinical episodes
US20070118054A1 (en) * 2005-11-01 2007-05-24 Earlysense Ltd. Methods and systems for monitoring patients for clinical episodes
CN100544670C (zh) * 2004-02-18 2009-09-30 马奎特紧急护理公司 使用肌电活动来优化病人的呼吸辅助的设备
US7457664B2 (en) * 2005-05-09 2008-11-25 Cardiac Pacemakers, Inc. Closed loop cardiac resynchronization therapy using cardiac activation sequence information
DE102005020162A1 (de) * 2005-04-29 2006-11-02 Map Medizin-Technologie Gmbh Erfassungseinrichtung
EP1956983A1 (fr) * 2005-11-25 2008-08-20 Deepbreeze Ltd. Méthode et système pour évaluer la physiologie pulmonaire régionale
US20070270671A1 (en) * 2006-04-10 2007-11-22 Vivometrics, Inc. Physiological signal processing devices and associated processing methods
US7840267B2 (en) * 2007-03-23 2010-11-23 Cardiac Pacemakers, Inc. Closed-loop resynchronization therapy for mechanical dyssynchrony
EP2142095A1 (fr) * 2007-05-02 2010-01-13 Earlysense Ltd. Suivi, prévision et traitement d'épisodes cliniques
CN100473334C (zh) * 2007-06-20 2009-04-01 罗远明 多功能呼吸信号检测导管

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4960118A (en) * 1989-05-01 1990-10-02 Pennock Bernard E Method and apparatus for measuring respiratory flow
US6840907B1 (en) * 1999-04-14 2005-01-11 Resmed Limited Detection and classification of breathing patterns
WO2003022149A2 (fr) * 2001-09-10 2003-03-20 Trustees Of Tufts College Systeme de mesure de la fonction respiratoire
FR2921245A1 (fr) * 2007-09-25 2009-03-27 Univ Joseph Fourier Dispositif de diagnostic respiratoire

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
"Using mutual information to measure coupling in the cardiorespiratory system", IEEE ENG. MED. BIOL. MAG, vol. 17, 1998, pages 32 - 39
HUG F., RESPIRATORY PHYSIOLOGY & NEUROBIOLOGY, 2006
HUG F.: "Optimized analysis of surface electromyograms of the scalenes during quiet breathing in humans", RESPIRATORY PHYSIOLOGY & NEUROBIOLOGY, 2006
See also references of EP2416704A1
SINDERBY: "Neural control of mechanical ventilation in respiratory failure", NATURE MEDICINE, 1999

Also Published As

Publication number Publication date
FR2943902A1 (fr) 2010-10-08
US8897867B2 (en) 2014-11-25
FR2943902B1 (fr) 2011-06-10
CN102438516A (zh) 2012-05-02
EP2416704A1 (fr) 2012-02-15
US20120095742A1 (en) 2012-04-19
CN102438516B (zh) 2015-01-14
CA2758227A1 (fr) 2010-10-14

Similar Documents

Publication Publication Date Title
EP0892618B1 (fr) Dispositif de determination de la profondeur d'anesthesie
EP3110321B1 (fr) Procédé, dispositif, système et programme informatique de filtrage d'une série rr obtenue a partir d'un signal cardiaque avec contrôle automatique de la qualité de la série rr
US7848795B2 (en) Determination of sleep depth
US7860561B1 (en) Method of quantifying a subject's wake or sleep state and system for measuring
EP1898783B1 (fr) Systeme et procede d'analyse electrophysiologique
CA2580758C (fr) Procede de traitement d'une serie rr et son application a l'analyse de la variabilite du rythme cardiaque, et en particulier a l'evaluation de la douleur ou du stress chez un etre vivant
CA2742199C (fr) Systeme de detection de l'activite musculaire respiratoire d'un patient sous assistance respiratoire
WO2010116087A1 (fr) Système et procédé de traitement de signaux pour la détection d'une activité fonctionnelle cyclique en temps réel
EP0681447B1 (fr) Dispositif de determination d'informations physiologiques, et utilisation correspondante
CA2742201C (fr) Systeme de quantification du desaccord entre un patient sous assistance respiratoire et un appareil d'assistance correspondant
WO2018178569A1 (fr) Systeme de determination d'un ensemble d'au moins un descripteur cardio-respiratoire d'un individu pendant son sommeil
EP3110322A1 (fr) Procede et dispositif de contrôle automatique de la qualite d'une serie rr obtenue a partir d'un signal cardiaque
Lay-Ekuakille et al. Extracting features from optical coherence tomography for measuring optical nerve thickness
EP2184011A1 (fr) Dispositif médical de type prothèse cardiaque implantable, intégrant des moyens spirométriques pour le diagnostic de pathologies pulmonaires
WO2021019027A1 (fr) Dispositif de determination d'une information portant sur un etat de decompensation cardiaque
EP4274477A1 (fr) Procédé pour une surveillance et une analyse de l'état cardiaque d'un individu
CA2797886A1 (fr) Procede et systeme d'analyse de l'activite respiratoire d'un patient et applications correspondantes
FR3113369A1 (fr) Procede et systeme de detection de la somnolence d’un individu
EP3030138A1 (fr) Solution intégrée de suivi et de surveillance en temps réel de l'état pathologique d'un patient cérébro-lésé

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 201080020557.1

Country of ref document: CN

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 10723211

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2010723211

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2758227

Country of ref document: CA

WWE Wipo information: entry into national phase

Ref document number: 13263180

Country of ref document: US