Unobtrusive sleep monitoring using bed-sheet pressure sensors

Résumé

Au moins 50% de la population mondiale des personnes âgées, dont le pourcentage est en croissance rapide, souffre d’un sommeil perturbé. Les études du sommeil sont une approche servant d’outil de diagnostic aux professionnels de la santé. Actuellement, la méthode conventionnelle d’étude du sommeil est la polysomnographie (PSG) enregistrée dans un laboratoire du sommeil. Cependant, la PSG est intrusive, nécessite des techniciens qualifiés, et nécessite une grande allocation des ressources matérielles et professionnelles. Avec l’introduction de technologies commerciales dans le domaine médical, des méthodes alternatives ont été conçues pour essayer de donner une estimation fiable des stades et de la qualité du sommeil. Cependant le manque de validation ou d’un consensus scientifique concernant la fiabilité de ces appareils demeure un défi pour les chercheurs et l’industrie. Ces outils peuvent désormais être utilisés à domicile plusieurs nuits. Les activités cardio-respiratoires et physiques sont les mesures physiologiques les plus prometteuses pour détecter les stades du sommeil sans PSG complète. Les impacts et les budgets liés aux troubles du sommeil sont phénoménaux, ce qui met l’accent sur le fait que le domaine nécessite davantage de recherche. Cette thèse vise à fournir au lecteur une perspective de recherche multidimensionnelle sur les études du sommeil et la surveillance des paramètres physiologiques pendant le sommeil à l’aide de techniques et d’appareils d’acquisition des données non intrusifs d’acquisition de données. Dans cette optique, nous présentons une revue exhaustive de la littérature de recherche sur les développements en matière d’évaluation non-intrusive du sommeil. En outre, une catégorisation des approches actuelles est présentée en fonction de considérations méthodologiques, allant des protocoles d’acquisition de données et des mesures physiologiques au traitement de l’information. Nous examinons trois fonctions physiologiques principales qui pourraient potentiellement être explorées pour faire avancer les études du sommeil non intrusives basées sur des fonctions du système nerveux autonomes, principalement l’activité cardiaque, la respiratoire et le mouvement. Cette dernière revue nous a aidé à réaliser nos trois contributions. Premièrement, nous proposons une méthode autonome pour classifier les quatre postures du sommeil chez des adultes en bonne santé: dorsal, abdominal, latéral gauche et droit, sans capteurs ou câbles attachés sur le corps ni aucune contrainte imposée au sujet, en utilisant un matelas à capteur de pression. Contrairement à la majorité des travaux similaires antérieurs, les postures dorsale et ventrale ont été séparées avec succès dans la classification. Nous avons constaté que l’utilisation de l’information sur la répartition du poids corporel ainsi que sur la forme et les contours du corps contribue à une meilleure classification et, par conséquent, aide à séparer les postures dorsale et ventrale. Les résultats sont prometteurs pour une surveillance discrète de la posture de manière satisfaisante. La méthode peut être utilisée dans les études du sommeil, les procédures post-chirurgicales ou les applications nécessitant une identification de la posture sur le lit. Deuxièmement, nous tirons parti des résultats de la classification de la posture fiables pour mettre au point une surveillance non-intrusive de la fréquence respiratoire au lit adaptive à la posture à l’aide de capteurs de pression. Tout au long de cette contribution, nous avons démontré qu’avec un traitement de signal approprié, le matelas à capteurs de pression pourrait être utilisé de manière interchangeable avec les ceintures respiratoires agréées pour l’usage médical par l’association Américaine de la médecine du sommeil (AASM), offrant ainsi une solution plus pratique et nécessitant moins de ressources pour les sujets et les professionnels de la santé. Et troisièmement, nous proposons et validons cliniquement une méthode de classification basée sur l’apprentissage machine profond pour identifier non-intrusivement les stades du sommeil pendant la nuit en utilisant un matelas à capteurs de pression. Bien que les résultats présentés ne donnent pas encore satisfaction pour prétendre l’adoption éventuelle de capteurs de pression de drap de lit en clinique du sommeil, nous estimons que le potentiel d’une telle application mérite d’être largement reconnu et approfondi. Nous soutenons que la méthode proposée pourrait constituer une étape vers des études du sommeil non-intrusives nécessitant moins de ressources. Par la suite, nous formulons des recommandations et des mesures pratiques pour les projets futurs cherchant à contribuer à des études non-intrusives de sommeil en utilisant des matelas à capteur de pression. Nous discutons des limites et des défis auxquels sont confrontées les solutions actuelles, et nous mettons en évidence des domaines de recherche ouverts, qui, nous l’espérons, ouvriraient la voie à de futurs efforts de recherche sur la question: comment évaluer les stades et la qualité du sommeil de manière moins intrusive et fiable?

Date	8 sept. 2020
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	Jean-Marc Lina (Directeur(-trice)) & Georges Kaddoum (Codirecteur(-trice))