Développement d'un bracelet multi-capteur PPG et d'un modèle d'apprentissage pour la détection de problématiques cardiovasculaires

Abed, Mohamed Ali (2021). Développement d'un bracelet multi-capteur PPG et d'un modèle d'apprentissage pour la détection de problématiques cardiovasculaires. Mémoire. Rimouski, Université du Québec à Rimouski, Département de mathématiques, informatique et génie, 116 p.

Prévisualisation

PDF Télécharger (10MB) | Prévisualisation

Résumé

RÉSUMÉ : Ce mémoire étudie la faisabilité du développement d'un bracelet de surveillance cardiovasculaire utilisant trois capteurs cardiovasculaires Photoplethysmogram (PPG) afin de pouvoir détecter les anomalies liées à des maladies cardiovasculaires et éviter des complications. Plusieurs chercheurs ont traité ce sujet avec des dispositifs contenant un seul capteur PPG, d'autres ont utilisé des capteurs électrocardiogrammes (ECG). L'idée exclusive de cette recherche consiste à utiliser trois capteurs PPG pour améliorer la fiabilité des bracelets intelligents. L'approche proposée est structurée en plusieurs étapes en commençant par le développement d'un bracelet intelligent qui intègre trois capteurs PPG. Par la suite, un algorithme choisit les données du meilleur capteur. Étant donné la non-disponibilité de jeux de données publiques pour les capteurs PPG, un algorithme d'apprentissage automatique a été développé pour approximer le signal ECG à partir d'un signal ECG dont des jeux de données de tests sont publiquement disponibles. Afin de détecter les problèmes cardiovasculaires, un algorithme d'apprentissage automatique a été développé. Finalement, une application mobile qui permet à l'utilisateur d'interagir avec le bracelet intelligent a été développée.Les expérimentations réalisées sur ce bracelet ont été encourageantes pour la prédiction avec une précision d'entrainement de 98,46 % et de validation de 97,019 %. -- Mot(s) clé(s) en français : Bracelet intelligent ; Multicapteur PPG; Apprentissage automatique ; Modèle prédictif. --
ABSTRACT : This thesis investigates the feasibility of developing a cardiovascular monitoring bracelet using three cardiovascular Photoplethysmogram (PPG) sensors to detect abnormalities related to cardiovascular disease and avoid complications. Several researchers have addressed this topic with devices containing a single PPG sensor, others have used electrocardiogram (ECG) sensors. The unique idea of this research is to use three PPG sensors to improve the reliability of smart wristbands. The proposed approach is structured in several steps starting with the development of a smart bracelet that incorporates three PPG sensors. Subsequently, an algorithm selects the data from the best sensor. Given the unavailability of public datasets for PPG sensors, a machine learning algorithm was developed to approximate the ECG signal from an ECG signal with publicly available test datasets. To detect cardiovascular problems, a machine learning algorithm was developed. Finally, a mobile application that allows the user to interact with the smart bracelet was developed. -- Mot(s) clé(s) en anglais : Smart bracelet; PPG multisensor; Machine learning; Predictive model.

Type de document :	Thèse ou mémoire de l'UQAR (Mémoire)
Directeur(trice) de mémoire/thèse :	Adda, Mehdi
Co-directeur(s) ou co-directrice(s) de mémoire/thèse :	Moutacalli, Tarik Mohamed et Mcheick, Hamid
Information complémentaire :	par Mohamed Ali Abed. Mémoire présenté dans le cadre du programme de maîtrise en informatique en vue de l'obtention du grade de maître ès sciences (M. Sc.) Comprend des références bibliographiques (feuillets 83-98). Academic Dissertation Academic theses. Thèses et écrits académiques.
Mots-clés :	Coeur ; Malformations ; Diagnostic ; Appareil cardiovasculaire ; Maladies ; Bracelets ; Intelligent ; Transducteurs biomédicaux ; Biocapteurs ; Apprentissage automatique ; Surveillance ; Détection ; Capteurs.
Départements et unités départementales :	Département de mathématiques, informatique et génie > Informatique
Déposé par :	DIUQAR UQAR
Date de dépôt :	27 juin 2022 15:21
Dernière modification :	27 juin 2022 15:21
URI :	https://semaphore.uqar.ca/id/eprint/2000

Actions (administrateurs uniquement)

Éditer la notice