Segmentation multi-voies des EHGs pour identification automatique des contractions et des artéfacts de mouvements

Dans cette étude, nous avons mis l’accent sur la segmentation automatique des évènements dans le signal EMG utérin et l’identification ensuite des contractions parmi ces évènements en se référant aux données de l’expert. Notre base de données comprend des signaux EMG utérins de différentes semaines de gestation acquis grâce à une matrice de 4x4 électrodes. Par conséquent, notre travail a compris tout d’abord une application de la méthode de somme cumulé dynamique (DCS) en approche monodimensionnelle sur les signaux monopolaires afin d’obtenir une grande résolution spatiale des données. Suite aux résultats obtenus, notre étude a porté sur les signaux bipolaires afin d'augmenter le rapport signal/bruit (SNR) des EMG utérin. En fait, la méthode DCS a continué en y associant une série des techniques d’éliminations des fausses ruptures détectées, soit basée sur Fisher, soit sur le SNR d’une part, et en développant des méthodes de fusion de ces ruptures d’autre part : l’une automatique tandis que l’autre est basée sur le système de vote à la majorité pondérée où chaque canal est pondéré par un facteur lors de la fusion des instants de ruptures détectés. De plus, la méthode DCS est appliquée en approche multidimensionnelle, tout d’abord sur ces signaux bipolaires, ensuite sur leurs détails après décomposition en ondelettes. En fait, nous sommes intéressés à la sélection dynamique de ces détails dans les deux approches en utilisant une technique basée sur la distance Kullback Leibler. Enfin et dans le but d’identifier les contractions et de réduire le nombre des autres évènements détectés, un essai d’extraction des paramètres de ces évènements obtenus est présenté et validé.In this study , we have focused on the automatic segmentation of events in the uterine EMG signal and then on the identification of contractions among these events by referring to the expert's knowledge. Our database includes uterine EMG signals of different weeks of gestation acquired through a matrix of 4x4 electrodes. Therefore, our work has first included an application of the dynamic cumulative sum (DCS) method in a monodimensional approach on monopolar signals in order to obtain a high spatial resolution of the data. Based on the obtained results, our study has then focused on bipolar signals in order to increase the signal-to-noise ratio (SNR) of uterine EMGs. In fact, the DCS method has continued by associating first a series of techniques for the elimination of false detected ruptures either based on Fisher or on the SNR and by developing secondly two fusion methods of these ruptures : the firts one is automatic while the other one is based on the weighted majority voting system, where each channel is weighted by a factor when merging the instants of detected ruptures. In addition, the DCS method is applied in a multidimensional approach, first on the bipolar signals, then on their details after wavelet decomposition. Infact, we were interested in the dynamic selection of these details in both approaches by using a technique based on the Kullback Leibler ditance. Finally, in order to indentify the contractions and reduce the number of other detected events, an assay of parameters extraction of these obtained events has been presented and validated