Université de Rennes 1 Analysis of thoracic and intra-gastric cardiac vibration signals for the monitoring of heart failure Analyse des signaux de vibrations cardiaques thoraciques et intra-gastriques pour le suivi de l’insuffisance cardiaque Signaux de vibrations cardiaquesMécanocardiogramme (MCG)Dispositifs implantablesInsuffisance cardiaqueApprentissage automatiqueTraitement des signaux biomédicaux Cardiac vibration signalsMechanocardiogram (MCG)Implantable devicesHeart failureMachine learningBiomedical signal processing Traitement du signal -- Techniques numériques Insuffisance cardiaque Apprentissage automatique Le développement d'un système de surveillance des vibrations cardiaques offrant une gestion intégrée des paramètres multimodaux avec un dispositif peu invasif est actuellement nécessaire dans le domaine des maladies cardiovasculaires chroniques, afin de déclencher une attention médicale précoce et adéquate contre les événements de décompensation et de réduire les hospitalisations. L'objectif principal de cette thèse est de proposer des méthodes d'acquisition et de traitement du signal afin d'utiliser au mieux les unités inertielles dans le suivi des patients atteints d'insuffisance cardiaque (HF), en exploitant efficacement les informations multimodales des signaux de vibration cardiaque (CVS). Deux nouvelles approches sont proposées dans ce contexte : 1) l'évaluation de la faisabilité de l'acquisition des CVS longitudinaux en utilisant un implant intra-gastrique dans une configuration d'expérimentation animale préclinique, et 2) le développement d'un système d'acquisition de signaux cardiaques afin d'évaluer de manière préliminaire la faisabilité de la détection automatique d'événements cardiorespiratoires on-the-edge à l'aide d'un capteur MEMS avec un noyau d'apprentissage automatique intégré (MLC). Les résultats obtenus montrent les premières preuves précliniques de la faisabilité d'une surveillance cardiovasculaire chronique à partir d'un dispositif cardiaque implantable peu invasif placé dans le fond de l'estomac, ainsi que la faisabilité préliminaire de l'utilisation d'un MLC intégré dans un capteur MEMS pour la détection on-the-edge de plusieurs événements cardiorespiratoires liés à des variations hémodynamiques, comme l'apnée et la manœuvre de Valsalva. La nature transversale de l'ensemble du contenu de cette thèse ouvre de nouvelles perspectives dans l'utilisation des CVS pour le développement de méthodes et d'outils pouvant être utilisés dans la surveillance cardiovasculaire à long terme de patients diagnostiqués avec une maladie cardiaque chronique telle que l'HF. The development of a remote cardiac vibrations monitoring system offering integrated management of multimodal parameters with a minimally invasive device is currently needed in the chronic cardiovascular diseases domain, aiming to trigger early and adequate medical attention against the decompensation events and to reduce hospitalization. The main objective of this thesis is to propose signal acquisition and processing methods to make the best use of inertial units in the monitoring of patients with heart failure (HF), by efficiently exploiting multimodal information from cardiac vibration signals (CVS). Two novel approaches are proposed in this context: 1) the evaluation of the feasibility of acquiring longitudinal CVS using an intra-gastric implant in a preclinical animal experimentation setup, and 2) the development of a cardiac signal acquisition system to preliminarily assess the feasibility of automatically detecting cardiorespiratory events on-the-edge using a MEMS sensor with an embedded machine learning core (MLC). The obtained results show initial preclinical evidence on the feasibility of chronic cardiovascular monitoring from a minimally invasive implantable cardiac device placed in the gastric fundus, and preliminary feasibility for using a MLC embedded in a MEM sensor for on-the-edge detection of multiple cardiorespiratory events related to hemodynamic variations, such as apnea and Valsalva maneuver. The cross-cutting nature of the entire content of this thesis opens up new perspectives in the use of CVS for the development of methods and tools that can be used in the long-term cardiovascular monitoring of patients diagnosed with chronic heart disease such as HF. Electronic Thesis or DissertationText en application/pdf1 : 13444 Kohttps://ged.univ-rennes1.fr/nuxeo/site/esupversions/70902f7b-add0-4034-b8b2-e32bd1f91ea7 Areiza Laverde Henry Jhoán 1993-04-02 CO 271519991 henryareiza2493@gmail.com 2023URENS006 http://www.theses.fr/2023URENS006 2023-03-10 Signal, image, vision Université de Rennesthesis.degree.grantor_1 26693823X Doctorat non ouiHernándezAlfredointervenant_1127170790SenhadjiLotfiintervenant_2110173740MailhesCorinneintervenant_5070149267CinquinPhilippeintervenant_3BoudaoudSofianeintervenant_4122248600 MATISSEecoleDoctorale_1 267602553 Laboratoire de Traitement du Signal et de l'Image partenaireRecherche_1 177793767 ddc:620 ddc:610 HernándezAlfredoSenhadjiLotfiCinquinPhilippeBoudaoudSofianeMailhesCorinneUniversité de RennesMATISSE Laboratoire de Traitement du Signal et de l'Image ASCII PDF 13766368