Système Embarqué Communicant pour la Surveillance Médicale
Transcription
Système Embarqué Communicant pour la Surveillance Médicale
وزارة اﻟﺗﻌﻠﯾم اﻟﻌﺎﻟﻲ و اﻟﺑﺣث اﻟﻌﻠﻣﻲ ﺟﺎﻣﻌﺔ ﺑﺎﺟﻲ ﻣﺧﺗﺎر – ﻋﻧــﺎﺑــــــــــــﺔ UNIVERSITE BADJI MOKHTAR-ANNABA FACULTE DES SCIENCES DE L’INGENIEUR ﻛﻠﯾﺔ ﻋﻠــــــــــــوم اﻟﮭﻧدﺳـــــــــﺔ DEPARTEMENT D’INFORMATIQUE ﻗﺳم اﻹﻋــــــــــــــﻼم اﻵﻟــــــــــــــﻲ Mémoire Présenté en vue de l’obtention du diplôme de MAGISTER en informatique Système Embarqué Communicant pour la Surveillance Médicale des Personnes à Domicile Option : Informatique embarquée Filière : Informatique Par DIAF Radja Directeur de mémoire: Prof Mohamed Tahar KIMOUR Devant le Jury Président: Noureddine Guersi, Prof, Université Badji Mokhtar - Annaba Examinateur: Salim Ghanemi, MCA, Université Badji Mokhtar- Annaba Examinateur: Rachid Boudour,MCA, Université Badji Mokhtar - Annaba Année: 2013-2014 ﻣﻠﺨــــﺺ ﻓــﻲ ھــﺬه اﻷﯾـﺎم أﻧﻈﻤـﺔ اﻟﺮﻋــﺎﯾﺔ اﻟﺼﺤﯿـــﺔ ﺗــﺪﻣــﺞ اﻟﺘﻄـــﻮرات اﻟﺤـﺪﯾﺜـــﺔ ﻓــﻲ ﺗﻜﻨـــﻮﻟــﻮﺟﯿــﺎ اﻻﺗﺼــﺎﻻت اﻟﻤﺘﻨـﻘـﻠـــﺔ و اﻟﺸﺒـﻜــﺎت اﻟـﻼﺳﻠﻜﯿـــﺔ ﻟﺘـﺤﺴﯿـــﻦ اﻟﺘــﻮاﺻــﻞ ﺑﯿــﻦ اﻟﻤــﺮﺿــﻰ واﻷطﺒـــﺎء و وﻏﯿــﺮھـــﻢ ﻣــﻦ اﻟﻤــﻮظﻔﯿــﻦ ﺷﺒـــﮫ اﻟﻄﺒﯿﯿـــﻦ اﻵﺧـــﺮﯾـــﻦ .ﻛﻤــﺎ أﺻﺒﺤــﺖ اﻷﺟﮭـــﺰة اﻟﻤﺤﻤــﻮﻟـــﺔ ﺟــﺰءا ﻻ ﯾﺘﺠــﺰأ ﻣـــﻦ ﺣﯿــﺎﺗﻨـــﺎ ،ﻓـﺈﻧـﮭـــﺎ ﯾﻤﻜـــﻦ أن ﺗـــﺪﻣــﺞ اﻟــﺮﻋــﺎﯾـــﺔ اﻟﺼﺤﯿـــﺔ ﺑﺴﮭـــﻮﻟــﺔ أﻛﺜــﺮ ﻓــﻲ ﺣﯿــﺎﺗﻨــﺎ اﻟﯿــﻮﻣﯿـــﺔ. ھـــﺬه اﻟــﺮﺳـﺎﻟـــﺔ ﺗﻌـــﺮض ﻧـﻈـــﺎم ﻣﺤﻤـــﻮل ﻟـﻤـﺮاﻗﺒـــﺔ اﻟﻤــﺮﺿـــﻰ ﻓــﻲ اﻟﻤﻨـــﺰل )،(SMSP ﻣﻔﯿــﺪة ﺑﺸﻜـــﻞ ﺧـــﺎص ﻟﻜﺒــﺎر اﻟﺴــﻦ أو اﻷﺷﺨـــﺎص اﻟـﺬﯾـــﻦ ﯾﻌـــﺎﻧـــﻮن ﻣــﻦ أﻣـﺮاض ﻣــﺰﻣﻨـــﺔ .ﺣــﯿـﺚ أﻧــﮫ ﯾــﺪﻣــﺞ اﻷﺟﮭـــﺰة اﻟﻨﻘـــﺎﻟــﺔ اﻟﺘــﻲ ﺗﺴﻤـــﺢ ﺑﺘﻘـــﺪﯾـــﻢ اﻟﻤﻌﻠـــﻮﻣــﺎت اﻟﻄﺒﯿـــﺔ ﺑــﺎﺳﺘﻤــﺮار ،ﻓـــﻲ أي وﻗــﺖ ،ﻓـــﻲ أي ﻣﻜـــﺎن وﺑــﺎﺳﺘﺨـــﺪام أي ﻧـــﻮع ﻣــﻦ وﺳـﺎﺋـــﻞ اﻹﻋـــﻼم SMSP.ﯾـﺠـﻤــﻊ ﺑﺸﻜـــﻞ دوري اﻟﻤﻌﻠــﻮﻣــﺎت ﺣـــﻮل اﻟﻌــﻼﻣـــﺎت اﻟﺤﯿـــﻮﯾـــﺔ ﻟﻠﺸﺨــﺺ اﻟﻤــﺮاﻗــﺐ .ھــﺬه اﻟﻤﻌـﻠـــﻮﻣــﺎت ﯾﺘـــﻢ إرﺳﺎﻟﮭــﺎ إﻟــﻰ ﻛﻤﺒﯿــﻮﺗـﺮ ﺑﻌﯿــﺪ ،ﻟﻜــﻲ ﯾﻤﻜــﻦ ﻣﻌــﺎﻟﺠﺘـﮭــﺎ ﻣــﻦ ﻗﺒــﻞ اﻟﻄﺒﯿــﺐ .ھـــﺬا اﻟﻨـﻈــﺎم ﻓـﺈﻧـــﮫ ﯾﺴﻤـــﺢ ﺑﺸـﻜـــﻞ رﺋﯿﺴـــﻲ ﻓــﻲ اﻟﻜـﺸــﻒ ﻋـــﻦ اﺗـﺠــﺎھـــﺎت ھـــﺬه اﻟﻌــﻼﻣــﺎت اﻟﺤﯿـــﻮﯾـــﺔ اﻟﺘـﻲ ﻣــﻦ اﻟﻤﺤـﺘﻤــﻞ أن ﺗـﺨــﺮج ﻋــﻦ اﻟﺴـﻠــﻮك اﻟﻌــﺎدي. ﺑﺎﻹﺿــﺎﻓـﺔ إﻟــﻰ ذﻟـﻚ ،ﻓـﺈﻧــﮫ ﯾﺘﻀﻤــﻦ وﺣــﺪة اﺳﺘـﺨــﺮاج اﻟﺒﯿـﺎﻧــﺎت ﻟﺘـﺸـﺨﯿــﺺ ﻣــﺮض اﻟﺴــﻜـــﺮي. ﻛﻠﻤــﺎت ﻣﻔـﺎﺗﯿــﺢ:اﻟﺣوﺳﺑـﺔ اﻟﻣﺣﻣـوﻟـﺔ ،اﻷﻧظﻣـﺔ اﻟﻣﺷﺣــوﻧـﺔ ،اﺳﺗﺧـراج اﻟﺑﯾـﺎﻧـﺎت ،اﻟﻣـراﻗﺑـﺔ i اﻟطﺑﯾــﺔ. Abstract Today, healthcare systems incorporate recent advances in mobile technology and wireless networks to improve communication between patients, doctors and other paramedical staff. As mobile devices have become an integral part of our life, it can integrate health care more transparent in our daily life. This paper presents a mobile system for monitoring patients at home (SMSP), particularly beneficial for elderly persons or suffering from chronic diseases people. It integrates mobile devices, enabling delivery of continuously medical information anytime, anywhere, using any type of media. SMSP periodically collects information about the vital signs of the monitored person. This information is transmitted to a remote server, accessible by the contractor physician. It is mainly used to detect trends in these signs that may deviate from their normal behavior. In addition, it includes a component of data mining for the diagnosis of diabetes. Keywords: mobile computing, embedded systems, data mining, health monitoring. ii Résumé De nos jours, les systèmes de santé intègrent les progrès récents dans la technologie mobile et les réseaux sans fil pour améliorer la communication entre les patients, les médecins et autre personnel paramédical. Comme les appareils mobiles sont devenus une partie intégrante de notre vie, ils peuvent intégrer les soins de santé de façon plus transparente à notre vie quotidienne. Ce mémoire présente un système mobile de surveillance de patients à domicile (SMSP), particulièrement profitable aux personnes âgées ou souffrantes de maladies chroniques. Il intègre des périphériques mobiles, permettant la livraison de façon continue de l'information médicale, n'importe quand, n'importe où et à l'aide de tout type de média. SMSP collecte périodiquement les informations sur les signes vitaux de la personne surveillée. Ces informations sont transmises à un serveur distant, accessible par le médecin contractant. Il permet principalement de détecter les tendances de ces signes qui dévient éventuellement de leur comportement normal. De plus, il intègre un composant de Data-Mining permettant le diagnostic de diabète. Mots-clés: informatique mobile, systèmes embarqués, Data-Mining, surveillance médicale ; iii Dédicace A mon père et ma mère En témoignage de mon immense affection et ma grande gratitude Ni mes dédicaces, ni mes remerciements ne pourront égaler vos sacrifices Votre amour et sollicitude que vous m´avez toujours réservés J´espère que vous trouvez en moi votre source de fierté et de bonheur Que Dieu vous prête longue vie et bonne santé et qu´il garde notre solidarité et notre indéfectible attachement familial. A mon frère « Radouane » A mes chères sœurs « Soraya, Sana, Ilham » A mon beau-frère « Adel » A ma belle-famille, surtout mon beau-père et ma belle-mère Que Dieu vous gardeINCHA ALLAH A mes oncles et tantes, cousins et cousines A tous mes amis Finalement je ne peux pas terminer ce dédicace sans citer mon mari ;RAMI, tu as éclairé et donner un autre sens à ma vie, tu étais toujours présent pour me soutenir, et me donner le courage pour continuer jusqu’au bout, Dieu te protège pour moi INCHA ALLAH. iv Remerciement Je voudrais, tout d'abord, exprimer ma profonde gratitude envers Dieu, le tout puissant qui, grâce à son aide, j’ai pu finir ce travail. Après Dieu, je tiens à exprimer toute ma reconnaissance et mon profonde gratitude à mon encadreur Professeur Mohamed Tahar KIMOUR d’avoir accepté de diriger mon travail, de Leur aide précieuse, leurs conseils bienveillants, et leur direction. Je tiens à exprimer ma haute gratitude et mes remerciements aux membres de jury : Professeur Noureddine GUERSI Professeur à l’universitéd’Annaba pour l’honneur qu’il me fait de présider les jurys de ce mémoire. Je veux également exprimer toute ma gratitude à Monsieur Salim GHANEMI et Monsieur Rachid BOUDOUR maîtres de conférences à l’université d’Annaba qui ont eu la grande gentillesse de mettre leur savoir au service de mon travail en acceptant la tâche d'examinateurs. Je réserve mes derniers remerciements à toute ma famille, particulièrement à mes parents, pour leur dévouement et leurs sacrifices, pour leur encouragement durant ma période de scolarité, les deux que je ne pourrais jamais assez remercier, à mon mari pour son soutien indéfectible, j'espère être là pour vous comme vous l'avez été pour moi. Merci à tous ceux qui m’ont aidé v Table des Figures Figure Titre Page Figure 1 Exemple d’un système embarqué de surveillance de paramètres biologiques 06 Figure 2 13 Figure 3 Techniques de surveillance des systèmes Schéma d'un système de surveillance de l'état de santé de personnes à domicile Figure 4 Diagramme de contexte de système mobile de surveillance de Patient (SMSP) 22 Figure 5 Diagramme des cas d’utilisation générale 23 Figure 6 Diagramme de séquence "Authentification" 24 Figure 7 Diagramme de séquence "Profil du patient" 24 Figure 8 Diagramme de séquence de "Collecte courante des paramètres physiologiques " 25 Figure 9 Saisie manuel et analyse des paramètres physiologiques 26 Figure 10 Consultation état de santé par patient 27 Figure 11 Diagramme de séquence suivi état de santé 27 Figure 12 Vue externe du système SMSP 28 Figure 13 Flot de traitement fonctionnel du SMSP 31 Figure 14 Différentes fonctions de LabView 39 Figure 15 La face avant et son diagramme 40 Figure 16 Environnement Weka 43 Figure 17 Fichier diabete.arff 45 Figure 18 Diagramme de classes 46 Figure 19 Fenêtre d'accueil de l'application SMSP 47 Figure 20 Fenêtre d'authentification 47 Figure 21 48 Figure 22 Menu principal de l'application Saisie profil de patient Figure 23 Interface collecte courante des paramètres physiologiques 49 Figure 24 Diagramme de collecte courante des paramètres physiologiques 49 Figure 25 Interface saisie manuel des paramètres physiologiques 50 Figure 26 Diagramme de saisie manuel des paramètres 50 Figure 27 Interface consultation état de santé 51 Figure 28 Diagramme de consultation état de santé 51 Figure 29 Interface suivi état de santé 52 16 48 vi Figure 30 53 Figure 31 Chargement des données dans Weka Choix de l’algorithme de classification Figure 32 La sortie dumodèle de classificationdeWEKA 54 Figure 33 L'arbre de décision 55 . vii 53 Table des matières ﻣﻠــــﺧص............................................................................................... i RESUME ......................................................................................... ii ABSTRACT ..................................................................................... iii DEDICACE ..................................................................................... iv REMERCIEMENT ............................................................................. v Table des Figures .......................................................................... vi Table des Matières ...................................................................... viii Chapitre 1 Introduction Générale ............................................... 1 Chapitre 2 Systèmes embarqués communicant : Application au domaine médical 1. Introduction ............................................................................ 4 2. Caractéristiques et exigences des systèmesembarqués ............... 5 3. Système embarqué mobile ....................................................... 8 3.1. Infrastructure pour la mobilité ........................................... 9 3.2. Services importants........................................................ 10 4. La technologie de communication sans fil ................................. 11 4.1. Le réseau local sans fil (WLAN) ............................................. 11 4.2. Le réseau personnel sans fil (WPAN) .................................... 12 4.3. Les réseaux cellulaires ....................................................... 12 5. Concepts de base pour la surveillance de processus ................... 12 5.1. Extraction d’information .................................................. 13 5.2. Détection d’évènements.................................................. 14 5.3. Fusion des informations .................................................. 14 5.4. Modèle de connaissances ................................................ 14 5.5.Systèmes de surveillance médicale de patients à domicile ..... 15 6. Discussion ............................................................................ 17 7. Conclusion ............................................................................ 18 viii Chapitre 3 Système Mobile de Surveillance de patient: Conception Architecturale 1. Introduction ............................................................................................................. 20 2. Spécification des besoins....................................................... 21 2.1.Le diagramme des cas d’utilisation ..................................... 23 3. Architecture du système ....................................................... 28 3.1.Réseau local sans fil (RLSF)............................................... 29 3.2.Serveur local à domicile (SLD) ........................................... 29 3.3.Serveur médical distant (SMD) .......................................... 30 4. Détection de diabète : approche par Data Mining ..................... 32 4.1.Introduction .................................................................... 32 4.2.Data Mining..................................................................... 33 4.2.1.Les arbres de décision........................................................................ 34 5. Conclusion .......................................................................... 36 Chapitre 4 Conception détaillée et implémentation 1. Introduction ................................................................................................................. 37 2. Environnement de travail et outil de développement ............................. 37 2.1. Développement sur Labview ............................................ 37 2.1.1. Caractéristique de LabView ........................................ 41 2.2. Présentation d’un SGBD « ORACLE »................................. 41 2.3. Présentation de Weka ..................................................... 43 2.3.1. Diagnostic de diabète par arbre de décision de Weka .... 44 3. Le diagramme de classes ......................................................... 46 4. Conception des maquettes ....................................................... 46 5. Conclusion ............................................................................. 56 Conclusion et Perspectives .......................................................... 57 Références Bibliographiques........................................................ 58 ix Chapitre 1 Introduction générale Selon des rapports de statistiques récemment publiés par les Nations Unies, l'âge moyen de la population devrait croître rapidement dans les pays développés dans la prochaine décennie. Ce qui entraine une augmentation très importante du coût des soins de santé. Cependant, les dernières innovations technologiques dans les différents domaines viennent à point nommé pour la mise en place de nouvelles approches plus efficaces et à coût abordable de prise en charge sanitaire des personnes [7]. Les soins de santé constituent un élément essentiel de la vie humaine. Chacun de nous a besoin d'un suivi périodique des paramètres vitaux et traitements adéquats sur la base de ses données médicaux et son état de santé. Ces processus deviennent encore plus vitaux quand les gens atteignent un certain âge et ne sont pas en mesure de suivre leur état de santé correctement sans un personnel médical spéciale ou des équipements sophistiqués pour la surveillance. Plus une personne vieillit, plus large sera l’éventail des maladies possibles qu’il faut surveiller de prés. Les situations d'urgence imprévues peuvent se produire à tout moment. Dans cette situation, le malade doit être transporté d’urgence à l'hôpital, observé par un personnel médical et traité à temps si certains paramètres sont anormaux. Dans de nombreux cas, même un court délai du trajet pourrait conduire à des conséquences dangereuses y compris le décès du patient. De nos jours, différents dispositifs et systèmes de surveillance de patients ont été proposés et mis en place [8] [9] [7]. Ils possèdent un certain nombre de capacités diverses et peut aider le personnel à l'hôpital pour travailler avec des personnes âgées ou handicapées. Toutefois, 1 Références Bibliographiques normalement, ces paramètres de santé de base sont surveillés et mesurés par le personnel médical seulement à des intervalles discrets. Cette approche commune peut parfois conduire à la perte de données cruciales (par exemple pendant la nuit). Par conséquent, un intérêt particulier doit être porté sur les techniques de surveillance continue. Ce type de surveillance doit être capable de fournir une information fiable et de façon continue sur le patient, et permettre d'enregistrer les situations d'urgence et réagir de manière appropriée à tout changement important dans les conditions de santé de la personne en temps réel [5]. Basé sur les éléments précédents, nous pouvons formuler l'objectif principal de notre travail, qui consiste en la combinaison des derniers développements dans le marché de la téléphonie mobile et des dispositifs de détection et de capture de signaux physiologiques de patients. Le but est de créer un système de surveillance continue et efficace. Notre approche est basée sur l’utilisation de Smartphone, avec des dispositifs capteurs (température, oxymétrie, rythme cardiaque, etc) comme périphériques supplémentaires. Ainsi, l'architecture principale de notre travail est décomposée en deux parties: dans la première partie, nous établissons une connexion fiable entre l'appareil mobile et un capteur pour recueillir des données continues de patients. Dans la deuxième partie, nous procédons à recueillir des données en utilisant différentes sortes de techniques de data mining d'aide à la décision. La mobilité du patient est aussi un aspect important à considérer, nous voulons suivre l’état de santé du patient même en situation de mobilité à domicile. En somme, nous pouvons cibler une liste de mesures souhaitées: • connexion fiable • maintenir la mobilité des patients à domicile • la collecte de données • L'analyse de données et la prise de décision. Le mémoire est organisé comme suit: 2 Références Bibliographiques Le chapitre 2 présente l’état de l’art sur les systèmes embarqués communicants et mobiles ainsi que sur leurs applications à la surveillance de l'état de santé des personnes. Le chapitre 3 présente notre architecture technique de système de surveillance de patients. Ce chapitre décrit aussi une technique d’analyse des données médicaux par le data mining que nous avons utilisée, de nature à déceler éventuellement les tendances à risques des valeurs des paramètres physiologiques. Le chapitre 4 développe la conception détaillée et l’implémentation de notre outil support. Enfin, nous terminons le manuscrit par une conclusion synthétisant les résultats obtenus, suivie de la description de quelques perspectives de développement futur de ce travail. 3 Chapitre 2 Systèmes embarqués communicants: Applications au domaine médical 1. Introduction Dans ce chapitre nous nous intéressons en premier lieu aux systèmes embarqués d’une manière générale (caractéristiques, complexité, criticité, fiabilité). Suite à quoi, nous présentons les systèmes embarqués mobiles, tout en mettant l’accent sur les dispositifs médicaux de surveillance des paramètres physiologiques des patients, qu’ils soient mobiles ou fixes. Un système embarqué est un système complexe qui intègre du logiciel et du matériel conçus ensembles afin de fournir des fonctionnalités données [5]. Pour satisfaire les besoins accrus des utilisateurs en terme de mobilité, le domaine des communications mobiles a suscité un intérêt particulier en termes de recherche et de développement technologique ces dernières années. Les domaines dans lesquels on trouve des systèmes embarqués sont de plus en plus nombreux. Le système embarqué était à l’origine très présent dans les transports automatique ou avec l’assistance des au applications freinage telles (ABS) que le pilotage dans l’aviation ou l’industrie automobile. Dans le domaine de la santé avec la conception des technologies innovantes pour construire des systèmes de soin pour détecter des comportements anormaux, comme les comportements inattendus qui peuvent être liés à un problème de santé[30]. Il a depuis beaucoup évolué et a désormais pris place dans les objets de notre vie quotidienne, notamment via l’électroménager. Enfin, il a servi de base à la téléphonie mobile et plus généralement à l’informatique mobile. En effet, l'informatique mobile connaît depuis la fin des années 1990 un essor important. Deux aspects principaux contribuent à cet essor. 4 Chapitre 2 Systèmes embarqués communicants: Applications au domaine médical D'une part le développement des calculateurs mobiles : ordinateurs portables, assistants numériques, téléphones mobiles, outils de navigation GPS sont autant de formes des calculateurs qui peuvent être embarqués par un utilisateur aujourd'hui. D'autre part les infrastructures de communication pour terminaux mobiles sont également en plein essor, en particulier les réseaux téléphoniques cellulaires. En outre, on observe depuis quelques années, grâce à la démocratisation d’internet puis des appareils mobiles de type Smartphones, à une multiplication des outils connectés de suivi à distance des paramètres physiologiques de personnes à des situations mobiles ou fixes. La technologie des systèmes embarqués pour la santé contribue de façon significative aux progrès médicaux. Multidisciplinaires, elle couvre une très grande variété d'applications (outils informatiques, diagnostic, outils et réactifs de recherche, imagerie, automatisme, robotique, micro et nanotechnologies appliquées à la médecine, chirurgie, etc.) et représentent une des voies majeures de progrès dans les domaines du diagnostic, de la thérapeutique, de l’information en médecine, de la chirurgie et de la médecine supplétive.[31] Grâce aux nouvelles technologies de l'information et de la communication, particulièrement les systèmes embarqués communicants et facilitant la mobilité, la télémédecine prend de plus en plus d'importance. A l'aide de capteurs disséminés dans la maison ou embarqués sur la personne suivie, relever un ensemble de données, qui sont traitées et analysées localement par un système d'informations [32]. Ces données sont ensuite relayées par un centre de télésurveillance, grâce à Internet par exemple où elles sont redistribuées aux personnes ressources. 2. Caractéristiques et exigences des systèmes embarqués Les systèmes embarqués sont désormais utilisés dans des applications diverses telles que le transport (avionique, espace, 5 Chapitre 2 Systèmes embarqués communicants: Applications au domaine médical automobile, ferroviaire), dans les appareils électriques et électroniques (appareils photo, postes de télévision, électroménager, systèmes audio, téléphones portables), dans la distribution d’énergie, dans l’automatisation, etc. (Figure 1). L’attrait principal des systèmes embarqués vient du fait qu’ils permettent d’implémenter à faible coût des fonctions complexes dont la réalisation était inimaginable il y a quelques années seulement. [35] Généralement, un système embarqué contient un ou plusieurs microprocesseurs destinés à exécuter un ensemble de programmes définis lors de la conception et stockés dans des mémoires. Le système matériel et l’application (logiciel) sont intimement liés et immergés dans le matériel et ne sont pas aussi facilement discernables comme dans un environnement de travail classique de type ordinateur de bureau PC (Personal Computer). [33] Le logiciel a une fonctionnalité fixe à exécuter qui est spécifique à une application. L'utilisateur n'a pas la possibilité de modifier les programmes. Bien souvent, il n'a pas conscience d'utiliser un système à base des microprocesseurs. Figure 1- Exemple d’un système embarqué de surveillance de paramètres biologiques Figure 1- Exemple d’un système embarqué de surveillance de paramètres biologiques 6 Chapitre 2 Systèmes embarqués communicants: Applications au domaine médical Les systèmes embarqués fonctionnent généralement en Temps Réel (TR): les opérations de calcul sont alors faites en réponse à un événement extérieur (interruption matérielle). La validité et la pertinence d’un résultat dépendent du moment où il est délivré. Une échéance manquée induit une erreur de fonctionnement qui peut entraîner soit une panne du système (plantage), soit une dégradation non dramatique de ses performances.[36] Dans les systèmes embarqués autonomes, la consommation d’énergie est un point critique pour le coût. En effet, une consommation excessive augmente le prix de revient du système embarqué, car il faut alors des batteries de forte capacité. Les systèmes embarqués requièrent souvent un faible encombrement (faible poids) tels que pour les systèmes de PDA(Personal Digital Assistant), de tablette, de téléphone mobile, etc... Leur technologie fait alors appel à une électronique et à des applications portables où l’on doit minimiser aussi bien l’encombrement que la consommation électrique.[34] En même temps que s’accroît leur sophistication, leur portabilité et la mobilité des produits dans lesquels ils sont incorporés, les systèmes embarqués sont utilisés dans des applications de plus en plus critiques dans lesquels leur dysfonctionnement peut générer des pertes économiques ou des conséquences inacceptables pouvant aller jusqu’à la perte de vies humaines [37]. C'est le cas, par exemple, des applications médicales ou celles de transports pour lesquelles une défaillance peut avoir un impact direct sur la vie d'êtres humains. Ce type de systèmes doit garantir une très haute fiabilité et sécurité des informations privées. Il doit pouvoir réagir en cas de panne de l'un de ses composants. 7 Chapitre 2 3. Systèmes embarqués communicants: Applications au domaine médical Systèmes embarqués mobiles D’une manière générale, les systèmes informatiques mobiles incluent des dispositifs tels que des assistants personnels numériques (PDA), des ordinateurs portables, des voitures intelligentes, etc. qui se déplacent tout en étant connectés aux réseaux au moyen de liens sans fil. L'informatique mobile connaît depuis le début des années 1990 un essor important. Elle implique une capacité importante à pouvoir se déplacer pour les dispositifs [17]. Les technologies mobiles et leur large adoption par les nouvelles générations, sont appelées à transformer notre mode de vie par l'invention de nouveaux services adaptables au contexte utilisateur, facilement accessibles en mobilité, et très pratiques pour une utilisation courante dans la vie quotidienne moderne. L’arrivée des téléphones intelligents (en anglais Smartphones) sur le marché de la téléphonie mobile a ouvert de nouvelles perspectives à leurs utilisateurs. En effet, ces Smartphones doivent leur succès aux nombreuses applications qu’ils proposent. A l’origine réservées au seul iPhone, elles sont aujourd’hui accessibles sur l’ensemble de ces terminaux mobiles via des places de marché. Pour toucher un plus large public, l’application développée doit être disponible au plus tôt pour un maximum de Smartphones, quelque soit leur système d’exploitation (iPhone, Android, Windows Phone7 ou autre). [2] Les appareils mobiles combinent la technologie informatique et la technologie mobile. Depuis quelques années, les équipements mobiles sont de plus en plus complexes et robustes [3]. Ils peuvent même remplacer l’ordinateur portable. C’est pourquoi, les systèmes d'exploitation pour les mobiles (SE) sont de plus en plus importants, particulièrement pour les fournisseurs, les développeurs et les éditeurs d’application pour mobiles. 8 Chapitre 2 Systèmes embarqués communicants: Applications au domaine médical En fait, un système d'exploitation mobile est conçu pour fonctionner sur un appareil mobile. Il se focalise sur la gestion de la connectivité sans fil et celle des différents types d'interfaces. [37] Le Smartphone par exemple, est un téléphone intelligent ou ordi-phone, ce terme est utilisé pour désigner les téléphones évolués, qui possèdent des fonctions proches à un ordinateur personnel grâce à un système d’exploitation (OS) évolué permettant de gérer l’ensemble des fonctionnalités bureautiques citons les fonctionnalités suivantes: l’Agenda, le calendrier, la navigation web, l’email, la messagerie instantanée et aussi le GPS et multimédia notamment le traitement des Photos, la Musique, les Vidéos, et les Jeux. Par ailleurs, un Smartphone est basé sur un système d’exploitation ouvert tel que l’iPhone OS, l’Android, le Windows Phone, etc. [1]. Ces types de système d’exploitation donnent la liberté aux développeurs d'écrire des applications pour Smartphone qui les utilisent comme plateformes pour fournir des services aux applications qui ne cessent d'enregistrer une croissance de plus en plus importante, et les demandes des clients le confirment. [2] [1] 3.1 Infrastructures pour la mobilité a) Les dispositifs mobiles: Un dispositif mobile est un dispositif de poche (ou porté) disposant d'une certaine forme de connectivité (Bluetooth, wifi, Wimax, GSM etc.). Plusieurs types de dispositifs mobiles existent actuellement: Le PDA, Le Smartphone, le tablet PC. Plusieurs propriétés des dispositifs mobiles favorisent leur utilisation dans le domaine de la santé, parmi lesquelles nous citons les suivantes:[38] Portabilité: le dispositif mobile peut être utilisé dans plusieurs emplacements et en mouvement. Interactivité: le dispositif mobile permet d’échanger des données et collaborer avec d’autres utilisateurs en temps réel. 9 Chapitre 2 Systèmes embarqués communicants: Applications au domaine médical Connectivité : les dispositifs mobiles sont tous munis d’une ou plusieurs formes de connectivité (infrarouge, Bluetooth, wifi, GSM, 3G…) permettant de les relier à d’autres dispositifs mobiles, à un réseau ou à des dispositifs de collecte de données (capteurs de températures, de tension, etc). 3.2 Services importants La nécessité de partage des connaissances médicales et des données individuelles entre les acteurs du système de santé est évidente. Ce partage est d'autant plus facile par la disponibilité des nouvelles technologies de l'informatique mobile [15]. De nouveaux services peuvent alors être envisagés : La consultation mobile à distance, vise à réduire la distance entre le patient, le médecin traitant [39]. Ainsi, un médecin en service au sein de son établissement, muni de son dispositif mobile, et bénéficiant de la couverture d'un réseau local sans fil, peut accéder à tout moment et à différents emplacements au dossier médical informatisé de son patient pour faire des consultations ou des mises à jour directement validées sur la base de données du système d'information global. Le patient de son côté, s'il est doté d'un dispositif mobile, peut avoir accès en consultation à ses propres informations médicale. La consultation mobile peut également proposer des éléments d'éducation pour la santé, le patient peut ainsi bénéficier une autoformation médicale lorsqu'il se trouve dans les salles d'attente par exemple. La surveillance mobile à distance, vise à faciliter la surveillance à domicile de nombreuses maladies chroniques offrant les conditions d'une alternative à l'hospitalisation [15]. Ainsi, un hypertendu muni d'un tensiomètre connecté par Bluetooth à son dispositif mobile, peut faire des prises de tensions et avoir des bilans sous forme de courbes automatiquement transférables sur l'ordinateur du praticien à travers les réseaux de téléphonie mobile. 10 Chapitre 2 4. Systèmes embarqués communicants: Applications au domaine médical La technologie de communication sans fil La technologie de communication sans fil repose sur les réseaux sans fil. Un réseau sans fil (en anglais Wireless Network) est un réseau dans lequel au moins deux terminaux peuvent communiquer sans liaison filaire. Les réseaux sans fil sont basés sur une liaison utilisant des ondes radio-électriques. L'installation de tels réseaux ne demande pas de lourds aménagements des infrastructures existantes.[43] 4.1 Le réseau local sans fil (WLAN) Le réseau local sans fil (noté WLAN pour Wireless Local Area Network) est un réseau permettant de couvrir l’équivalent d’un réseau local d’entreprise, soit une portée d’environ une centaine de mètres. Il permet de relier entre eux les terminaux présents dans la zone de couverture [40]. Il existe plusieurs technologies concurrentes : Le Wifi (ou IEEE 802.11), soutenu par l’alliance WECA (Wireless Ethernet Compatibility Alliance) offre des débits allant jusqu’à 54Mbps sur une distance de plusieurs centaines de mètres. Wi-Fi [16] est un système de courte portée (quelques centaines de mètres) avec un taux de données variant de 6 à 54 Mbps et utilise un spectre sans licence pour un accès réseau. Les avantages de la technologie Wi-Fi sont les suivants [16]: – Rapide et facile à installer avec un coût réduit de câblage. – Extensible : peut être facilement étendu. – Flexible : les utilisateurs peuvent travailler depuis n’importe quel endroit dès qu’un signal Wi-Fi est accessible. 4.2. Le réseau personnel sans fil (WPAN) Le réseau WPAN pour Wireless Personal Area Network, concerne les réseaux sans fil d'une faible portée (de l'ordre de quelques dizaines de mètres). Ce type de réseau sert principalement à relier des périphériques (imprimante, appareils domestiques, téléphone portable, ou un assistant personnel, etc) à un ordinateur sans liaison filaire. Plusieurs technologies sont utilisées pour les WPAN dont la principale est la technologie 11 Chapitre 2 Systèmes embarqués communicants: Applications au domaine médical Bluetooth, lancée par Ericsson en 1994 et proposant un débit théorique de 1 Mbps pour une portée maximale d'une trentaine de mètres. Bluetooth, connue aussi sous le nom IEEE 802.15.1, possède l'avantage d'être très peu gourmande en énergie, ce qui la rend particulièrement adaptée à une utilisation au sein de petits périphériques. [42] 4.3 Les réseaux cellulaires: Les réseaux cellulaires par exemple GSM (Global System for Mobile Communications), GPRS (General Packet Radio Service) et UMTS (Universal Mobile Telecommunications System) [20], sont conçus pour l’échange de données vocales. Du fait du temps critique supporté, ils ont une faible latence au détriment d’une fiabilité réduite. Les réseaux cellulaires ont plusieurs caractéristiques appropriées, comme l’utilisation à grande échelle, et la communication à longue portée. Mais cette technologie a pour des inconvénients de limiter son utilisation pour certaines applications, elles sont résumées ci-dessous [41]: – Ils ne sont pas adaptés pour la broadcast et ont besoin d’un numéro de téléphone unique pour la destination. – L’utilisation de la technologie cellulaire nécessite pour son fonctionnement un accord avec un opérateur et engendre des frais. 5. Concepts de base pour la surveillance de processus Les méthodologies de surveillance peuvent être divisées en deux groupes. Les méthodes dites avec modèle utilisent un modèle formel du système afin de générer des symptômes : écarts entre la prédiction par le modèle et les mesures effectuées sur le patient, valeurs des paramètres physiologiques du modèle identifiés en ligne. Les autres méthodes, dites sans modèle, n’utilisent que les observations de ces paramètres [10]. D’une manière générale, les méthodes de surveillance sans modèle formel peuvent se schématiser de la manière suivante : 12 Chapitre 2 Systèmes embarqués communicants: Applications au domaine médical Figure 2- Techniques de surveillance des systèmes Les signaux enregistres sur le patient à l’aide de capteurs sont dans un premier temps traités pour extraire en ligne les informations pertinentes pour la détection d’une anomalie et/ou pour son diagnostic (Figure 1). Celles-ci sont ensuite fusionnées à l’aide de modèles pour fournir une décision (détection, diagnostic). Les différences entre les méthodes de surveillance sans modèles formels proviennent de la nature des informations extraites (et donc des techniques d’extraction) et de la manière dont elles sont fusionnées. 5.1 Extraction d’information Les informations extraites des signaux peuvent être : - des valeurs binaires caractérisant la présence ou l’absence d’un événement particulier dans le signal - des valeurs numériques (éventuellement converties en valeurs symboliques) caractérisant le signal (appelées caractéristiques) - des informations permettant la description du signal sous un autre formalisme, plus propice a la reconnaissance d’anomalies. 5.2 Détection d’évènements Un événement est l’apparition d’un changement sur le signal, transitoire ou non. Ce peut être la modification d’une caractéristique du signal (moyenne, variance, modification d’énergie dans une bande fréquentielle, …) ou encore l’apparition d’une forme temporelle particulière, une dérive, etc. [12]. 13 Chapitre 2 Systèmes embarqués communicants: Applications au domaine médical Certaines techniques de diagnostic sans modèle consistent dans un premier temps à détecter la présence (ou l’absence) d’un événement dans le signal, caractéristique d’une anomalie. [10] L’information extraite du signal est donc une information binaire, ou graduée entre 0 et 1 si l’on utilise des techniques de détection intégrant un indice de confiance dans la détection. 5.3 Fusion des informations Les informations collectées à partir des capteurs seront fusionnées afin de réaliser une décision. Le module de décision est une fonction d’un espace de dimension n (n est le nombre d’information à fusionner) vers un espace de dimension d. d est le nombre de décisions. Dans le cas d’un problème de détection, d vaut 2 (2 décisions sont possibles : anomalie, pas d’anomalie). Dans le cas d’un problème de diagnostic, d est le nombre d’anomalies à diagnostiquer. Le module de décision s’appuie sur un modèle de décision, dont l’élaboration dépend de la connaissance a priori que l’on a du système. Le modèle peut être élabore à partir de la connaissance d’un expert ou a partir des données, ou encore par méthode de classification. [13] 5.4 Modèle de connaissances Un modèle de connaissance est constitue d’un ensemble de règles dont les prémisses sont les informations extraites des signaux et les conclusions sont les anomalies à détecter. Il décrit explicitement la signature d’une anomalie. Les entrées de ces modèles peuvent être de nature différente, binaires, numériques et/ou symboliques, après transformation numérique/symbolique des caractéristiques des signaux ou après un changement de représentation. Le modèle de connaissance peut être une règle (quand l’entrée du modèle est la présence d’un événement détecté sur le signal et que la présence de l’événement correspond à la signature de l’anomalie), un 14 Chapitre 2 Systèmes embarqués communicants: Applications au domaine médical arbre de décisions ou encore un ensemble de chroniques (après transformation numérique/symbolique du signal en une suite d’événements), permettant de prendre le temps en compte de manière explicite. [11] Le modèle peut être appris a partir des données quand celles-ci sont en nombre suffisant et que les anomalies à diagnostiquer sont bien représentées dans la base de données d’apprentissage. 6. Systèmes de surveillance médicale de patients à domicile La nécessité de faire communiquer en temps réel des professionnels de la santé à distance, de gérer des urgences à distance sont toutes des situations parmi plusieurs pour lesquelles L'informatique mobile commence à mettre sa technologie au service de la santé. [15] Grâce aux nouvelles technologies de l'information et de la communication, la Surveillance médicale de patients à domicile prend de plus en plus d'importance (Figure 3). Capteurs et système d'information permettent une surveillance médicale des patients à leur domicile. Favoriser le maintien ou le retour au domicile des personnes fragiles (personnes âgées, patients atteints de maladies chroniques…) est l'un des objectifs de ce type de systèmes de surveillance. La collecte des informations est généralement assurée de façon continue par des capteurs et biocapteurs. Les récents progrès technologiques réalisés dans ce domaine, permettent d'imaginer une nouvelle gamme de capteurs utilisables dans les processus biologiques dont les applications courantes se situent dans les domaines de la médecine. 15 Chapitre 2 Systèmes embarqués communicants: Applications au domaine médical Figure 3- Schéma d'un système de surveillance de l'état de santé de personnes à domicile D'une manière générale, un Biocapteur est constitué d'un détecteur d'origine biologique: enzyme, anticorps, récepteur... et d'un transducteur chargé de convertir le signal biologique (qui est par exemple sera la fixation de l'antigène à détecter sur l'anticorps) en un signal aisément exploitable (généralement électrique ou lumineux). L’architecture typique d’un système de surveillance de l'état de santé de personnes à domicile s’articule autour de capteurs disséminés dans la maison ou embarqués sur la personne suivie [8] [9] [7]. Ils permettent de relever un ensemble de données, qui sont traitées et analysées localement par un système d'informations. Ces données sont ensuite relayées par un centre de télésurveillance, grâce à Internet par exemple où elles sont redistribuées aux personnes ressources. 16 Chapitre 2 Systèmes embarqués communicants: Applications au domaine médical Il peut s'agir du médecin hospitalier, du médecin traitant, des services infirmiers, de la sécurité sociale, ou encore de la famille et des proches. Les informations collectées sont de plusieurs ordres, telles que les informations physiologiques, comme le poids, les fréquences cardiaque et respiratoire, le taux d'oxygène dans le sang ou encore la glycémie [18][22]. Enfin, l'environnement est également surveillé avec des mesures de températures, d'hygrométrie, de niveau sonore, de taux de CO2. Pour détecter l'activité. La collecte des informations, physiologiques ou comportementales permet, après traitement des signaux, d'établir une tendance comportementale du patient. En cas de déviation majeure par ou de détection d'une chute par exemple, l'alerte est donnée au centre de télésurveillance. En outre, l'intérêt de ce genre de systèmes est aussi d'évaluer l'entrée en état de dépendance de la personne surveillée, et de se préparer au mieux à la nouvelle situation, soit en réservant une place dans une maison médicalisée, soit en organisant l'accueil dans la famille. 7. Discussion Dans le domaine de la surveillance à domicile des personnes, différents systèmes ont été conçus et mis en place. Les principales lignes directrices: L’identification des indicateurs pertinents nécessaires dans le cadre du maintien à domicile (analyse comportementale, qualité de l’équilibre, détection de chute, informations physiologiques spécifiques selon prescription médicale, …). Les capteurs les plus appropriés compte tenu des contraintes liées au maintien à domicile (non intrusion, modifications minimales, acceptabilité, coût résiduel pour la personne). 17 Chapitre 2 Systèmes embarqués communicants: Applications au domaine médical La construction de l’information (synthèse et fusion multi-capteurs) et le processus décisionnel La transmission des informations de vigilance et l’élaboration des différents niveaux d’alerte. Les différents niveaux organisationnels en réseau autour de la personne à domicile. Les systèmes de surveillance étudiés[8] [9] [7] utilisent des techniques de franchissement de seuil, très sensibles aux artéfacts : une alarme se déclenche dés que la variable mesurée sort de bornes fixées au préalable par le personnel soignant. Malgré une évidente nécessité, les systèmes étudiés souffrent du manque de mécanismes d’aide à l’interprétation du flot de données recueillis sur le patient, afin d’aider le personnel dans sa tâche d’analyse et de diagnostic, pas plus qu’un système d’alarmes utilisant un autre principe que le franchissement de seuils. 8. Conclusion L’intérêt de la surveillance à domicile de l’état de santé des personnes n’est plus à démontrer. Particulièrement, le maintien à domicile des personnes âgées ou à maladies chroniques, doit assurer à la personne une garantie de sûreté et un environnement adapté dans le respect le plus strict de son intimité, et avec le souci constant de l’acceptabilité psychologique et sociale. Il y a une prise de conscience générale de l’intérêt du maintien des personnes âgées dans leur lieu habituel de vie en y ajoutant les éléments de sûreté indispensables, et en organisant autour d’elles un environnement adapté, éventuellement apportées à son environnement usuel. Des solutions de nature à prendre en charge ces aspects sont plus ou moins disponibles. Toutefois, Elles gagneraient à être améliorées de façon à intégrer des outils d'analyse des informations médicales permettant un 18 Chapitre 2 Systèmes embarqués communicants: Applications au domaine médical meilleur suivi et prise de décision dans le cas de situation risqués de l'état de santé des personnes surveillées. 19 Chapitre 3: Système Mobile de Surveillance de Patient: Conception architecturale 1. Introduction La surveillance à domicile prend une importance de plus en plus d'effectuer le diagnostic et la thérapie et réduit les coûts d'hospitalisation. Un système de surveillance agissant comme un superviseur, capable de détecter des comportements anormaux et de les signaler. [29] Les personnes à surveiller à distance de jour sont les personnes âgées, à mobilité réduite et les personnes malades qui ont des maladies chroniques, elles sont capables d’utiliser ses membres supérieurs pour saisir et manipuler des objets de différentes tailles et formes. Elle dispose aussi de suffisamment de facultés intellectuelles pour communiquer avec le monde extérieur. L’application de surveillance à réaliser devrait tenir compte d’un certain nombre d’objectifs. Les objectifs suivants devraient, normalement, être retenus : - surveiller à tout moment l’état de santé de la personne (rythme cardiaque, pression artérielle, température,…). - Avoir des interfaces simples et claires afin d’améliorer les délais d'intervention. - prélever des mesures répartis dans le système à surveiller. - Respecter la contrainte temps réel lors de l’affichage de la valeur mesurée; - collecter les données correspondantes dans une base de données dans laquelle peuvent être associé des algorithmes de traitement et de diagnostic. - générer éventuellement des alarmes ou initier des interventions. 20 Chapitre 3: Système Mobile de Surveillance de Patient: Conception architecturale Ce chapitre est composé de trois parties. La première partie présente la spécification des besoins et les exigences auxquelles notre application devra répondre et les objectifs à atteindre. La deuxième partie décrit l'architecture technique du système SMSP, à travers la définition d'un ensemble de matériels et logiciels qui s’appuyant sur la technologie des réseaux sans fil et de l’informatique mobile. Nous présentons cette architecture sous les deux aspects: structurel et dynamique. La troisième partie présente une approche de détection de diabète par Data Mining. Rappelons que le principal but de notre système SMSP est de fournir des services de surveillance de santé, à toute personne et à tout moment, surmontant les contraintes de l'endroit, du temps et de l’espace. Par ailleurs, les performances de notre système de surveillance de signes physiologiques de patient doivent se mesurer par : - La capacité à reconnaitre la présence d’une anomalie - La capacité à reconnaitre l’absence d’une anomalie - La rapidité de détection. 2. Spécification des besoins La définition des services offerts nous permet de déterminer les cas d'utilisation. Le moyen le plus populaire et réussi pour la spécification des besoins d’un système informatique est le concept de cas d’utilisation. Ce concept sera par la suite raffiné de façon à aboutir à la conception de l’architecture. Un cas d’utilisation regroupe un ensemble de scénarios cohérents définis par rapport à un résultat observable par l’utilisateur. Un scénario décrit un ensemble de séquences d’action réalisées par le système [44]. Il produit un résultat observable pour les utilisateurs de l’application, une vue plus détaillée sur le scénario et une suite spécifique d’interaction entre les utilisateurs et le système de l’application. 21 Chapitre 3: Système Mobile de Surveillance de Patient: Conception architecturale Contexte de la solution: Il est très important de comprendre la porté de l’ensemble du système. On modélise le contexte du système à l’aide d’un diagramme de contexte qui est un diagramme de classes UML avec des stéréotypes. On montre explicitement les interactions externes entre le système (matériel et logiciel), modélisé comme une boîte noire, et l'environnement. A cette étape, on identifie les interactions avec les acteurs qui sont en dehors du système. Un diagramme de contexte de système (Figure4) présente explicitement la limite entre le système et le milieu extérieur. Figure 4- Diagramme de contexte de Système Mobile de Surveillance de Patient (SMSP) Il ressort du contexte de l’application les cas d’utilisation suivants : Cas 1: Authentification pour l’accès à l’application Cas 2: Profil du Patient Cas 3: Collecte courante des paramètres physiologiques Cas 4: Saisie manuel des paramètres physiologiques Cas 5: Analyse des paramètres collectés ou saisies Cas 6: Consultation état de santé par patient Cas 7: Suivi état de santé par médecin «Diagnostic par Data-Mining» 22 Chapitre 3: 2.1 Système Mobile de Surveillance de Patient: Conception architecturale Le diagramme des cas d’utilisation Un cas d’utilisation est donc l’abstraction d’une fonction typique du système à modéliser (Figure 5). Figure 5- diagramme des cas d’utilisation générale Cas d’utilisation 1: Authentification D’après ce scénario les utilisateurs de tous les appareils sont invités à saisir leurs identifiants suivis de leurs mots de passe pour pouvoir accéder à l’application d’une façon très sécurisée. Cette étape ne sera réussie que si et seulement si le couple, mot de passe et identifiant, soit valide. La réalisation de ce scénario est dans le but de forcer la sécurisation de l’application et d’améliorer sa performance. 23 Chapitre 3: Système Mobile de Surveillance de Patient: Conception architecturale Figure 6- Diagramme de séquence "Authentification" Cas d’utilisation 2: Profil du patient Dans une première étape, le patient doit saisir des informations sur son profil. Il s’agit de son nom, le prénom, le sexe, la date de naissance, le groupe sanguin, son adresse, son numéro de téléphone et son email. Bien entendu, ce cas d’utilisation s’exécute une seule fois. Figure 7- Figure 1- Diagramme de séquence "Profil du patient" 24 Chapitre 3: Système Mobile de Surveillance de Patient: Conception architecturale Cas d’utilisation 3: Collecte courante des paramètres physiologiques Ce cas d’utilisation est déclenché par un temporisateur (toutes les T unités de temps). Dans cette forme, les capteurs de température, glycémie, et rythme cardiaque envoient les signaux des paramètres physiologiques vers le téléphone portable du patient. Figure 8-Diagramme de séquence de "Collecte courante des paramètres physiologiques" Cas d’utilisation 4: Saisie manuel des paramètres physiologiques Ce cas d’utilisation est exécuté lorsque les capteurs ne sont pas fonctionnels. Toutes les T unités de temps, le patient saisit les mesures physiologiques suivantes: (taux de glycémie, température, rythme cardiaque, etc.). Les paramètres physiologique tels que la température, le niveau de glycémie, le rythme cardiaque, seront envoyés, par liaison internet au serveur médical distant pour les stocker dans la base de données. Dans le cas d’une situation critique indiquée par ces paramètres, une alerte est envoyée au médecin. 25 Chapitre 3: Système Mobile de Surveillance de Patient: Conception architecturale Cas d’utilisation 5: Analyse des paramètres physiologiques Le SLD (Smartphone) reçoit et collecte les données sur les paramètres physiologiques transmises par les biocapteurs (dans le cas de paramétrage automatique). Le système fait des calculs et traitements pour déterminer la situation critiques. Si une situation critique détectée, il alerte le patient et aussi le médecin au serveur distant (SMD), Le système (Smartphone) transmis les données des paramètres physiologiques via internet au serveur médical. Figure 9- Saisie manuel et analyse des paramètres physiologiques Cas d’utilisation 6: Consultation état de santé par patient Après avoir accéder à l’application (cas d’utilisation «authentification »), ce cas d’utilisation permet à un patient de consulter le développement de son état de santé. Des courbes et autres formes de résultats peuvent être affichées à la demande du patient. 26 Chapitre 3: Système Mobile de Surveillance de Patient: Conception architecturale Figure 10- consultation état de santé par patient Cas d’utilisation 7: Suivi état de santé par médecin « diagnostic par Data-Mining » Après avoir accéder à l’application médicale (cas d’utilisation «Authentification»). Ce cas d’utilisation permet à un médecin de suivi l’état de santé du patient par l’affichage du tableau de l’historique des valeurs mesurées, puis applique la technique de Data-mining pour le diagnostic et la prise de décision, le médecin rédige un rapport de diagnostic et l’envoyer vers le SLD pour une éventuelle consultation par le patient. Figure 11- Diagramme de séquence suivi état de santé 27 Chapitre 3: Système Mobile de Surveillance de Patient: Conception architecturale 2. Architecture du système Notre système mobile de surveillance de Patient (SMSP) rassemble les données physiologiques du patient par les capteurs/biocapteurs. Les données sont acheminées au PC ou à la cellule phone/PDA d'un patient. Après une analyse de situation critiques et détermination possible d’alerte, ces dispositifs transmettent ces données au serveur pour l'analyse complète. Après que les données soient analysées, le serveur médical fournit les résultats au PC ou à la cellule phone/PDA du patient. Les patients peuvent prendre des mesures nécessaires selon ces résultats. Sur le plan structurel, notre SMSP est constitué de trois composants essentiels (Figure 12): 1. Réseau local sans fil (RLSF) 2. Serveur local à domicile (SLD) accessible par le patient, son assistant ou un membre de sa famille. 3. Serveur médical distant (SMD) accessible par le médecin ou tout autre autorisé. Côté patient Serveur distant capteurs traitement communication Côté Médecin Figure 12-Vue externe du système SMSP 28 Chapitre 3: Système Mobile de Surveillance de Patient: Conception architecturale Sur le plan dynamique, nous présenterons un schéma de flux d'activités synthétisant les traitements fonctionnels de notre système (Figure 13). 3.1 Réseau local sans fil (RLSF) Le réseau local sans fil permet la communication entre les appareils de mesure des paramètres physiologiques du patient et la cellule locale (Smartphone, PDA, tablette, ou PC). La technologie réseaux Bluetooth est utilisée pour des raisons de disponibilité, de faible coût, d’efficacité et de simplicité. 3.2 Serveur local à domicile (SLD) Le serveur local à domicile(SLD) du patient peut être un PC ou des périphériques mobiles tels que Smartphone ou PDA. Nous proposons des périphériques mobiles parce qu'il sera plus approprié que les utilisateurs utilisent à cet effet leurs périphériques mobiles avec lesquelles ils se sont familiarisés. Les capteurs permettent de collecter de façon continue des données physiologiques du patient. Ils sont dotés de technologie de communication sans fil (Bluetooth), permettant d’acheminer l’information au Smartphone. Ce dernier analyse ces données, détermine les éléments pertinents. Les patients participeront au processus de soins de santé par leurs périphériques mobiles et peuvent accéder ainsi à leur information de santé de n'importe où n'importe quand. Le SLD collecte des informations et les analyse. Dans le cas de situations déclarées anormales, il alerte le patient et aussi le médecin au serveur distant (SMD). Ils intègrent les règles et logiques de traitement de façon à déterminer les situations et états du patient selon la tendance obtenue. 29 Chapitre 3: Système Mobile de Surveillance de Patient: Conception architecturale 3.3 Serveur médical distant (SMD) Du côté du médecin, un serveur est installé (au niveau du cabinet ou clinique). C’est un serveur médical distant (SMD) auquel les dispositifs mobiles (tablette, Smartphone, et même PC) du patient sont connectés par moyen de communication sans fil. A ce niveau, un grand nombre de données médicales sont traitées. Les résultats d’analyse sont exploités, des suggestions peuvent être formulées aux médecins. De plus, l'information fournie par les spécialistes dans les scénarios critiques peut alimenter le serveur. Le serveur médical distant (SMD) reçoit des données de tous les patients enregistrés, en provenance des SLDs. C'est l'épine dorsale de cette architecture entière. Il est capable de déterminer les seuils spécifiques des paramètres physiologiques des patients. A chaque fois qu'un médecin examine un patient, les résultats de l'examen et les informations sur les traitements éventuels sont stockés dans la base de données du SMD. Les résultats de ces traitements sont à exploiter par le médecin mais aussi ils peuvent être envoyés au SLD pour une éventuelle consultation par le patient. Le SMD garde l’historique des patients. Il peut intégrer n'importe quelle tendance de maladies pour le patient, localité de famille aussi. Il peut faire apparaître les variations de l’état santé dues aux changements saisonniers, les épidémies, etc. Ces tendances sont exploitées et commandées et surveillées principalement par les médecins spécialisés. Dans ce sous système SMD, nous avons définis un module de DataMining permettant d'aider à déterminer le diagnostic précis de patient sur la base des informations historiques collectées. 30 Chapitre 3: Système Mobile de Surveillance de Patient: Conception architecturale RLSF (Biocapteur) Collecter les données physiologiques périodiquement SLD (SmartPhone) Réception des données des capteurs Transmission de données via Internet Analyser les données reçues Transmission des données via Bluetooth Non Identification d’une situation critique Affichage de rapport au patient SMD Réception et stockage des données dans la BDD Réception de l’alerte sur téléphone Extraction de l’historique de patient Application technique Data Mining Oui Génération d’un message d’alerte Transmission de l’alerte vers le médecin via GSM Non Réception de rapport diagnostic Transmission de rapport diagnostic Indication de diabète Oui Consultation spécialiste Transmission de rapport diagnostic 31 Chapitre 3 Système Mobile de Surveillance de Patient: Conception architecturale Sécurité Dans le but de protéger les informations privées des patients, nous avons introduit des mécanismes de sécurité de nature à prendre en charge les exigences suivantes: Les données doivent être transmises sous la forme chiffrée. Authentification basée session. Application exigeant le login: Vérification de l’information sur la session Autorisation basée sur le contenu Les utilisateurs autorisés peuvent accéder aux enregistrements de données des patients Autorisation requise pour tout accès aux données des patients 4. Détection de diabète : approche par data mining 4.1 Introduction Le diabète est aujourd'hui considéré comme l'un des plus grands dangers pour la santé. Il est devenu une maladie sociale, associée à l'évolution de la civilisation qui a été affligeant de plus en plus des gens. Il a besoin de surveillance intensive et des soins médicaux. Le diabète est un trouble métabolique grave marquée par l’augmentation de niveau de glucose dans le sang, une miction excessive et soif persistante, causées par le manque d'actions de l'insuline. [28] L’insuline est une hormone qui régule la concentration de sucre dans le sang. L’hyperglycémie, ou concentration sanguine élevée de sucre, est un effet fréquent du diabète non contrôlé qui conduit avec le temps à des atteints graves de nombreux systèmes organiques et plus particulièrement les nerfs et les vaisseaux sanguins. [55] 32 Chapitre 3 Système Mobile de Surveillance de Patient: Conception architecturale Ces derniers temps, les différents équipements médicaux intègrent de plus en plus des modules (logiciels ou matériels) informatiques contrôlant leur fonctionnement (échographe, radio IRM, biocapteurs, etc.). Les systèmes chargés de la surveillance des patients doivent interpréter rapidement un flot de données important et sont ainsi soumis à une surcharge cognitive de plus en plus forte [45]. Ces systèmes de surveillance doivent plus ou moins réaliser des objectifs suivants : - faciliter l’interprétation du flot de données provenant des différents capteurs d’un Système - détecter les anomalies survenant sur le système et alerter les operateurs (fonction de détection) - fournir une aide à la décision en proposant un diagnostic pour le problème rencontre (fonction de localisation du défaut et d’identification) Dans le but de répondre à ces préoccupations, nous avons introduit dans notre architecture de surveillance de patient un module informatique de détection qui consiste à reconnaitre et indiquer en temps réel (le plus tôt possible) les anomalies de comportement des signes physiologiques du patient. Lorsque le système de surveillance détecte que ces signes ne se présentent plus correctement, il doit générer une alarme pour alerter soit le patient lui-même, soit son médecin, soit les deux en même temps. En outre, nous avons définis un module de diagnostic qui doit aller plus loin dans l’analyse de la situation de façon à déterminer avec précision un diagnostic particulier, à savoir le diagnostic de diabète. 4.2 Data-Mining Le Data Mining ou fouille de données est la recherche d’informations pertinentes (des “pépites” d’information) pour l’aide à la décision et la prévision. Elle met en œuvre des techniques statistiques et d’apprentissage machine qui permettent de transformer les données en 33 Chapitre 3 Système Mobile de Surveillance de Patient: Conception architecturale connaissances en tenant compte de la spécificité de grandes à très grandes dimensions (big data) des données. [21] Le Data Mining est un processus qui fait intervenir des méthodes et des outils issus de différents domaines de l’informatique, de la statistique ou de l’intelligence artificielle en vue de découvrir des connaissances utiles. Le Data Mining, dans sa définition restreinte, opère sur des tables bidimensionnelles, appelées data marts, et fait appel à trois grandes familles de méthodes issues de la statistique, de l’analyse des données, de la reconnaissance de formes ou de l’apprentissage automatique. [23] L’objectif ultime de Data Mining est de créer un modèle, un modèle qui peut améliorer la façon dont vous lisez et interprétez vos données existantes et vos données futures. Comme il existe nombreuse techniques avec Data Mining, l'étape importante de la création d'un bon modèle est de déterminer quel type de technique à utiliser. [19] 4.2.1 Les arbres de décision Les arbres de décision sont des méthodes symboliques de l’apprentissage inductif très utilisées dans le domaine de classification reconnue par leur propriété d’intelligibilité, l’efficacité des algorithmes qu’elles présentent et l’exactitude et la précision des résultats fournis. [46] Un arbre de décision est un outil d'aide à la décision et à l'exploration de données. Il permet de modéliser simplement, graphiquement et rapidement un phénomène mesuré plus ou moins complexe. Sa lisibilité, sa rapidité d'exécution et le peu d'hypothèses nécessaires à priori expliquent sa popularité actuelle. Ils sont utilisés comme systèmes d'aide à la décision (SIAD) dans de nombreux domaines, en particulier en médecine, pour le scoring bancaire, et dans de nombreux problèmes de discrimination. [26] 34 Chapitre 3 Système Mobile de Surveillance de Patient: Conception architecturale Les arbres de décision permettent de produire des procédures de classification compréhensibles par l'utilisateur. C'est en particulier le cas pour l'aide au diagnostic médical où le médecin doit pouvoir interpréter les raisons du diagnostic. Car les arbres de décision représentent graphiquement un ensemble de règles et sont aisément interprétables. Pour les arbres de grande taille, la procédure globale peut être difficile à appréhender, cependant, la classification d'un élément particulier est toujours compréhensible [47]. Les algorithmes d'apprentissage par arbres de décision sont efficaces, disponibles dans la plupart des environnements de fouille de données. Un arbre est constitué : de noeuds qui testent les attributs de branches qui représentent chacune une valeur de l'attribut testé dans le nœud dont elles sont issues de feuilles (ce sont les nœuds terminaux de l'arbre) qui indiquent la classe résultante. La technique de l’arbre de décision est employée en classement pour détecter des critères permettant de répartir les individus d’une population en n classes prédéfinies (n= 2 dans notre cas). On commence par choisir la variable qui, par ses modalités, sépare le mieux les individus de chaque classe, de façon à avoir des sous-populations, que l’on appelle nœuds, contenant chacune le plus possible d’individus d’une seule classe, puis on réitère la même opération sur chaque nouveau nœud obtenu jusqu’à la séparation des individus ne soit plus possibles ou plus souhaitable. Les nœuds terminaux sont tous majoritairement constitués d’individus d’une seule classe. Un individu est affecté à une seule feuille, donc à une certaine classe avec une assez forte probabilité, quand il satisfait l’ensemble des règles permettant d’arriver à cette feuille. [27] Pour parcourir un arbre de décision et trouver une solution il faut partir de la racine. Chaque nœud est une décision atomique. Chaque réponse 35 Chapitre 3 Système Mobile de Surveillance de Patient: Conception architecturale possible est prise en compte et permet de se diriger vers un des fils du nœud. De proche en proche, on descend dans l’arbre jusqu’à tomber sur une feuille. La feuille représente la réponse qu’apporte l’arbre au cas que l’on vient de tester. 5. Conclusion Par rapport aux objectifs assignés à notre travail, nous avons proposé une architecture du système SMSP. Elle est composée essentiellement d'activités de collecte périodiques d'information sur les signes physiologiques et le traitement de ces informations afin de détecter d'éventuelle déviation par rapport au comportement normal. En outre, nous avons développés un moyen d'aide au diagnostic de diabète utilisant une technique de data mining. 36 Chapitre 4 : Conception détaillée et implémentation 1. Introduction Après avoir détaillé dans le chapitre précédent l'approche de mise en œuvre pour les parties du système ainsi que la démarche de modélisation conceptuelle de notre système, nous développons dans ce chapitre la phase de conception détaillée et d’implémentation. Etant donné que la conception détaillée tient compte de la plateforme de réalisation, nous commençons dans la première partie, par préciser l’environnement et les technologies utilisés dans le développement. Suite à quoi, nous présentons le diagramme de classes de notre système. Enfin, nous nous intéressons à présenter quelques parties de code et des interfaces des principaux modules développés. 2. Environnement de travail et outil de développement Notre but étant l’implémentation d’une application de surveillance médicale des personnes à domiciles que nous appelons un système mobile de surveillance de Patient (SMSP). Cette section présente les environnements de développement de systèmes embarqués mobiles que nous avons utilisés, à savoir: le langage de programmation LabView (Laboratory Virtual Instrument Engineering Workbench) et le gestionnaire de base de données Oracle, ainsi que l’outil Weka que nous avons utilisé pour le diagnostic de diabète par Data mining. 2.1 Développement sur LabView LabVIEW est un environnement de développement spécialisé en informatique industrielle et scientifique [6]. Sa particularité est qu'il s'appuie sur le langage G, créé par National Instruments, qui est entièrement graphique. Il permet de créer des logiciels complexes tout en 37 Chapitre 4: Conception détaillée et implémentation facilitant la programmation et donc de diminuer les délais de développement. Grâce à ses librairies de fonctions dédiées à l'acquisition de données, l'instrumentation, à l'analyse mathématique des mesures, mais également grâce à la création rapide d'interfaces graphiques de qualité et le codage simplifié, le développeur a plus de temps pour se concentrer sur les fonctions métiers de l'instrumentation et du traitement des mesures.[48] LabVIEW est particulièrement recommandé pour développer des systèmes de contrôle, supervision et les bancs de test et mesure. Pour la conception de systèmes embarqués, une application de mesure et de contrôle est développée en NI LabVIEW en utilisant des icônes graphiques par glisser-déposer au lieu d'écrire des lignes de texte séquentielles. Ces programmes peuvent être terminés en quelques mois de développement dans les langages traditionnels ou en quelques semaines seulement grâce à LabVIEW, en raison de la représentation intuitive du code par des diagrammes faciles à développer, à maintenir et à comprendre. LabVIEW offre également traitement, tels que le modèle des modèles complémentaires de de simulation, les mathématiques textuelles, le C ANSI, l'intégration du code HDL et les diagrammes d'états. En associant les options de programmation flexibles à la programmation graphique intrinsèquement parallèle, les applications peuvent être prototypées plus rapidement qu'avec les outils traditionnels.[49] Avec LabVIEW, la programmation est effectuée à l'aide d'icônes, représentant des fonctions, reliées entre eux par des câbles qui représentent les flux de données (un peu à la manière d'une carte électronique avec ses composants et circuits intégrés). Cette représentation très imagée du code source est proche de la conception telle qu'on peut la faire: avec des schémas; ceci, on le comprend, car il facilite beaucoup le travail que nécessite le codage du concept dans le programme. Le développeur faisant l’abstraction du langage Graphique ne nécessite pas d'être un expert en programmation 38 Chapitre 4: Conception détaillée et implémentation pour développer des applications simples. De même, pour des applications plus complexes, un développeur profane en programmation mais expert métier, pourra lire et saisir l'idée et ainsi mieux guider le programmeur, expert technique. LabVIEW intègre l’acquisition, l’analyse, le traitement et la présentation des données. Pour l’acquisition de données et le contrôle d’instruments, LabVIEW supporte les standards RS-232/422, USB, IEEE 488 (GPIB) et VXI/PXI, ainsi que les cartes d’acquisition de données. [52] Pour l’analyse et le traitement des données, la bibliothèque d’analyse étendue contient les fonctions pour la génération et le traitement de signaux, les filtres, les fenêtres, les statistiques, la régression, l’algèbre linéaire et l’arithmétique matricielle. LabVIEW intègre un grand nombre d’éléments de présentation tels que les graphes déroulants, des graphes XY, des abaques de Smith, jauges, cadrans à aiguille. Figure 14- différentes fonctions de LabView Les possibilités de connecter LabVIEW au monde extérieur n'ont cessé de s'améliorer. LabVIEW intègre un serveur Web qui permet de publier les fronts panels à l'aide d'un simple clic, ces fonctionnalités pouvant être étendues à l'aide de l'Internet toolkit. [7] 39 Chapitre 4: Conception détaillée et implémentation Des protocoles de communication sont également disponibles dans LabVIEW. Le protocole Data socket permet notamment de transmettre de manière très simple des données. Alors que le serveur Web transmet une image du front panel, le protocole Data socket transmet des données structurées. [51] La connexion par Data socket s'établit en sélectionnant Data socket connexion. Un dialogue permet de spécifier la machine à laquelle on se connecte, le type de connexion souhaitée ainsi que le protocole à employer. Les programmes LabVIEW s’appellent des Instruments Virtuels (VIs). Ces VIs ont trois parties principales : la Face Avant, le Diagramme et l’Icône/Connecteur. Le rôle d'un VI est d'acquérir des données issues par exemple de fichiers, du clavier ou encore de cartes électroniques d'Entrée/Sorties », de les analyser, et de les présenter au travers d'interfaces hommesmachines graphiques (encore appelées « face avant » par analogie avec la face avant permettant de piloter un appareil électronique). Dans LabVIEW, ce qu'on appelle la « face avant » est donc l'interface utilisateur permettant d'exploiter, de piloter, le programme [24]. Figure 15- La face avant et son diagramme 40 Chapitre 4: Conception détaillée et implémentation 2.1.1 Caractéristique de LabView Trois caractéristiques soulignent l’originalité de LabVIEW: Simplicité, rapidité et convivialité de la programmation [50]: LabVIEW permet d’échanger les données avec des tableurs comme Excel à travers les fichiers ou par liaison dynamique (DDE dynamic data exchange). Il permet de communiquer (échange de données et de commandes) avec des ordinateurs distants, des machines et des instruments de mesure à travers les ports séries et parallèles et les cartes d’extension. Aussi, il peut intégrer du code natif provenant de différentes plateformes telles que Java pour la programmation web ou réseaux, des composants Weka pour le data mining, etc. La librairie de LabVIEW est riche en fonctions d’acquisition, d’analyse et de traitement de données. On y trouve : Des fonctions mathématiques qu’on peut trouver dans plusieurs logiciels mathématiques. Des fonctions de traitement de signal et de contrôle de machines spécifiques à des applications industrielles. 2.2 Présentation d’un SGBD « ORACLE » De nombreux SGBD sont disponible sur le marché, partant des SGBD gratuits jusqu’aux SGBD destinés spécialement aux professionnels, comportant des plus nombreuses fonctionnalités, mais plus couteux. Parmi les différents systèmes de gestion de base de données nous optons pour un SGBD « ORACLE 10g » vu ses avantages, ses inconvénients qui disposent. Oracle est un SGBD (système de gestion de bases de données) édité par la société du même nom (Oracle Corporation), leader mondial des bases de données. Il est un puissant Système de Gestion de Bases de Donnés Relationnelles proposant, en plus du moteur de la base, de nombreux outils à l’utilisateur, au développeur et à l’administrateur. [53] 41 Chapitre 4: Conception détaillée et implémentation Ces outils ont un langage commun : le SQL. On choisit ORACLE sur les quatre critères suivant : - La gestion de la haute disponibilité. - L’évolutivité (montée en charge). - Le coût. - La sécurité. Oracle est un SGBD permettant d’assurer différentes fonctionnalités qui dont [54]: La définition et la manipulation des données La cohérence des données La confidentialité des données L'intégrité des données La sauvegarde et la restauration des données La gestion des accès concurrents Avantages: Richesse fonctionnelle. Fonction d’audit évolué. Gestion centralisée de plusieurs instances. Concept unique de retour arrière (Flashback). Pérennité de l’éditeur : avec plus de 40% de part de marché, ce n’est pas demain qu’oracle disparaitra Compression des données et des sauvegardes. Inconvénients: Prix élevé, tant au point de vue des licences que des composants matériels (RAM, CPU) à fournir pour de bonnes performances. Administration complexe liée à la richesse fonctionnelle. Fort demandeur de ressources, ce qui n’arrange rien au point précité. Oracle est bien plus gourmand en ressource mémoire que ses concurrents, ce qui implique un investissement matériel non négligeable. 42 Chapitre 4: 2.3 Conception détaillée et implémentation Présentation de Weka Weka(Waikato Environment for Knowledge Analysis) est un environnement de fouille de données développé par le groupe de recherche "machine learning" du département d’informatique de l’université de Waikato en Nouvelle-Zélande. Il est utilisé dans le domaine de la recherche, de l’éducation et de l’industrie. Il est écrit dans le langage Java et testé sur plusieurs plateformes tels que Linux et Windows. Cet environnement est un logiciel "open source" et est disponible sur le site du groupe de recherche "machine learning" du département d’informatique de l’université de Waikato.[25] Le format des données utilisées par les tâches de fouille de données est "arff". Weka possède plusieurs composants à savoir [25]: - Explorer: ce module regroupe tous les packages importants de Weka à savoir le prétraitement, les algorithmes d’apprentissage, le groupement (clustering), les associations, la sélection des attributs et la visualisation. - Experimenter: permet d’exécuter plusieurs algorithmes d’apprentissage en mode lot (batch) et de comparer leurs résultats. - Knowledge Flow Environment: fournit les mêmes fonctionnalités que le composant "Explorer". Ces fonctionnalités sont représentées sous forme graphique et sont utilisées pour construire un schéma de flux de connaissances via une interface drag-and-drop. Figure 16- Environnement Weka 43 Chapitre 4: Conception détaillée et implémentation 2.3.1 Diagnostic de diabète par arbre de décision de Weka Il s’agit de fournir au médecin un moyen d’aide au diagnostic basé sur une technique de data mining, en l’occurrence l’arbre de décision (cf. chapitre 3) qui apporté ses preuves dans la pratique. Pour cela nous utilisons la base de données au niveau serveur qui contient l’historique sur l’état de santé des patients. En appliquant le package J48 de weka sur cette base de donnée, nous obtenons un arbre de décision. Ce dernier sera utilisé par le médecin lors de l’établissement de diagnostic de diabète pour un malade donné. A des fins d’expérimentation, nous avons utilisé dans ce mémoire la base Pima Indian Diabetes (PID)[56] sous forme d’un fichier (diabete.arff). Cette base est une collection de rapports de diagnostic médicaux de768 patientes indiennes âgées d'au moins 21 ans, dont 268 cas sont diabétiques et 500 cas non diabétiques. Les 8 attributs représentent des facteurs de risque « tested_negative »et et le 9eme représente « tested_positive », le la classe tableau-1 du patient présente une description de ces attributs: Nom d’attribut Description attribut Type Min/Max Moyenne Ngross Glu Pres Peau Insu Masse Pedi Age Nombre de grossesses Concentration du glucose plasmatique Pression artérielle diastolique (mm Hg) Epaisseur de la peau au niveau de triceps (mm) Dose d’insuline au bout de 2 heures (mu U/ ml) Index de masse corporelle (poids en Kg/(taille m)2) Fonction de pedigree de diabète (l’hérédité) Age(Année) réel réel réel réel réel réel réel réel 0 / 17 0 / 199 0 / 122 0 / 99 0 / 846 0 / 67.1 0.078 / 2.42 21 / 81 3.845 120.895 69.105 20.536 79.799 31.993 0.472 33.241 Tableau 1- Informations sur les descripteurs de la base 44 Chapitre 4: Conception détaillée et implémentation Figure 17-Fichier diabete.arff Avec Weka nous avons utilisé J48, qui est une implantation de l'algorithme C4.5. (notez que l’algorithme C4.5 est implémenté dans WEKA par la classe de classifieur: weka.classifiers.trees.J48). En effet, le but de cet algorithme étant de trouver un arbre de décision qui se base sur les valeurs des champs non « cible »pour déterminer la valeur du champ « cible ». En règle générale, le champ « cible » est booléen et ne prend que les valeurs {vrai, faux}, ou {succès, échec}, ou quelque chose d'équivalent. 3. Le diagramme de classes Le diagramme de classes représente, de manière statique, les classes qui composent le système, ainsi que les relations existant entre elles. 45 Chapitre 4: Conception détaillée et implémentation Le but est de décrire : la structure statique interne précise de chacune des classes (attributs et méthodes). les relations entre les classes mises en œuvre. Le diagramme de classes, se construit en parties à l’aide des informations issues des différents diagrammes de séquences. Il permet d’obtenir, à l’aide d’un outil logiciel approprié. Il s’agit donc de la dernière étape d’analyse juste avant le codage proprement dit. Par conséquent, il fait partie de la conception détaillée du système. Figure 18- Diagramme de classes 4. Conception des maquettes L'IHM (Interface Homme Machine) représente un élément clé dans l'utilisation de tout système embarqué et conditionne pour une large part son succès. En théorie, une interface homme machine doit être ergonomique aussi bien que efficace. De plus, ces interfaces doivent être faciles à utiliser et compréhensibles par les utilisateurs pour garantir un bondegré de fiabilité lors des interactions ainsi qu’un temps d’apprentissage réduit. 46 Chapitre 4: Conception détaillée et implémentation De plus, elles doivent avoir un certain niveau d’intelligence et de standardisation pour finir par présenter les fonctionnalités de l’application avec une manière plus conviviale. Dans cette partie nous décrivons les maquettes de l’application; c’est une étape très intéressante pour notre projet; la réalisation des maquettes est un loisir qui permet de comprendre le produit avant qu'il n'existe physiquement et de bien faciliter l’utilisation des interfaces de l’application. Nous commençons par la première maquette qui représente l’interface d’accueil : Figure 19- Fenêtre d'accueil de l'application SMSP Figure 19- Fenêtre d'accueil de l'application SMSP Si le patient veut accéder à l’application une fenêtre d’authentification est ouverte (Figure 20). Figure 20- Fenêtre d'authentification Figure 30- Fenêtre d'authentification 47 Chapitre 4: Conception détaillée et implémentation Si le nom d’utilisateur et le mot de passe sont valides nous accédons en appuyant sur le bouton «OK» au menu principal de l’application (Figure 21). Figure 21-Menu principal de l'application Figure 21-Menu principal de l'application Après le choix de sous menu «profil de patient», le système affiche une maquette qui contient toutes les données du patient, il doit saisir les informations demandées puis il clique sur «Enregistrer» pour sauvegarder son profil dans la base de données. Cette interface permet à l’utilisateur de modifier ou supprimer un profil. Figure 22- Saisie profil de patient Figure 22- Saisie profil de patient 48 Chapitre 4: Le Conception détaillée et implémentation système de surveillance SMSP acquiert les données physiologiques transmis par les biocapteurs, la figure suivante (figure 23) présente une interface de collecte courante et l’analyse des trois paramètres physiologiques (température, rythme cardiaque, et taux de glucose), ainsi la (Figure 24) présente le diagramme de réalisation de cette interface. Après la saisie de l’identifiant, l’utilisateur clique sur les trois boutons d’acquisition et d’analyse, le système génère des valeurs aléatoires des paramètres physiologiques, puis il analyse ces valeurs et affiche sur les indicateurs s’elles sont dans les normes ou pas. Figure 23- interface collecte courante des paramètres physiologiques Figure 23- interface collecte courante des paramètres physiologiques Figure 24-Diagramme de collecte courante des paramètres physiologiques 49 Chapitre 4: Conception détaillée et implémentation Lorsque les capteurs ne sont pas fonctionnels, le patient saisit les mesures physiologiques et choisit dans ce cas le sous système «saisie manuel des paramètres physiologiques» (Figure 25). Le patient doit saisir les données affichées sur l’interface, puis il clique sur « confirmer » pour les enregistrer dans la base de données, pour savoir si ces valeurs des paramètres est dans les normes ou pas, le patient doit cliquer sur « Analyser » et le système allume les indicateurs soit en vert pour cas normal, soit en rouge pour cas anormal. Figure 25-Interface saisie manuel des paramètres physiologiques Figure 26-Diagramme de saisie manuel des paramètres physiologiques 50 Chapitre 4: Conception détaillée et implémentation L’interface suivante permet à un patient de consulter le développement de son état de santé par la saisie de son identifiant ainsi il précise l’intervalle des dates, puis il clique sur « Consulter » pour afficher le tableau historique des paramètres (Figure 27). Figure 27- Interface "Consultation Etat de Santé" Figure 28- Diagramme "Consultation Etat de Santé" 51 Chapitre 4: Conception détaillée et implémentation Le médecin peut accéder à l’application périodiquement, et après avoir passé par la fenêtre d’authentification une interface est affichée (Figure 29), qui permet le suivi de l’état de santé de patient. Le médecin saisit l’identifiant du patient ainsi que les dates des prélèvements pour afficher l'historique des paramètres physiologiques : Figure 29- Interface "suivi état de santé" Dans le cas où le médecin a un doute dans les résultats obtenus, il contacte le patient pour lui envoyer des informations supplémentaires; ces informations concernant des autres facteurs de santé, pour les utiliser dans le diagnostic par arbre de décision. Le médecin choisit « Diagnostic par Data mining » après la consultation de l’historique des paramètres physiologiques, ce qui fait l’appel à l’outil Weka pour l’affichage de l’arbre de décision. Dans ce qui suit, nous présentons le flot d’utilisation de l’environnement Weka pour le diagnostic de diabète. Weka sera installé au niveau du serveur central de notre architecture proposée. 52 Chapitre 4: Conception détaillée et implémentation Etape 1 : Nous commençons par charger les données dans WEKA, comme vu sur la Figure 30: Figure 30- chargement des données dans Weka Etape 2: Choix de la méthode: Pour choisir la méthode d’apprentissage, nous accédons à l’onglet CLASSIFY. Nous choisissons dans le bloc TREES la méthode J48. Nous utilisons les paramètres par défaut. (Figures 31) Figure 31- Choix de l’algorithme de classification 53 Chapitre 4: Conception détaillée et implémentation Etape 3: Nous cliquons maintenant sur "Start" pour générer le modèle (Figure 32) Figure 32- La sortie du modèle de classification de WEKA Dans la partie Classifier output nous avons des statistiques sur le fichier exploité, à savoir le nombre d'instances Total Number of Instances de votre fichier, classifiées ‘Correctly le Classified nombre d'instances Instances’ et correctement incorrectement classifiées ‘Incorrectly Classified Instances’ et autres statistiques à découvrir. Sur le même écran nous avons aussi la matrice de confusion ‘Confusion Matrix’ de cette analyse. WEKA nous fournit aussi une visualisation graphique de l’arbre de décision de classification. Cela peut être obtenu en cliquant avec le bouton droit dans la partie Result list et en sélectionnant "Visualisation de l’arbre (Visualize tree)". L'arbre de décision s'affiche ressemblant à ceci (Figure 33): 54 Chapitre 4: Conception détaillée et implémentation Figure 33- L'arbre de décision L'arbre de décision obtenu nous permettra de classifier les patients s'ils sont des diabétiques ou non. Cette classification est faite à partir d'autres attributs qu'on appelle des attributs prédicteurs. Après l’affichage de cet arbre de décision, le système demande le chargement des informations demandées sur les attributs prédicteurs. Pour classer le patient, il suffit de l’injecter dans l’arbre, et de lui associer la conclusion attachée à la feuille dans laquelle il aboutit, soit le test est négatif, soit le test positif puis il prend la décision concernant l’état de santé de patient. 55 Chapitre 4: Conception détaillée et implémentation 5. Conclusion Tout au long de ce chapitre, nous avons décrit les différentes étapes qui ont contribué à la réalisation de notre application. Nous avons commencé par la description et la mise en place des environnements de développement. Ensuite, nous avons présentés une implémentation des principales fonctionnalités et interfaces conçues. Enfin, nous avons montrés sous forme d’enchainement d’étapes comment utiliser Weka pour le diagnostic de Diabète. 56 Conclusion et perspectives Ces dernières années, le progrès technologique réalisé dans le domaine des sciences de l'information et de la communication a permis une grande avancée technologique dans le domaine médical. L’évolution des niveaux de vie des populations, le développement des industries, et autres facteurs ont introduit de nouveaux besoins de santé. Particulièrement, il est devenu nécessaire de suivre de façon continue les tendances des signes vitaux de personnes de différentes catégories. Ce mémoire présente une architecture informatique mobile de surveillance de l’état de santé des personnes à domicile. Il constitue l’une des applications les plus prometteuses qui intègre la technologie de l’informatique mobile, les réseaux sans fils et l’internet. Il intègre des biocapteurs permettant la livraison de façon continue en temps réel de l'information médicale. Le système proposé est composé de deux sous systèmes, le premier est un sous système local contient des biocapteurs communiquent par Bluetooth, et la cellule de calcul (PC, PDA, ou Smartphone), le deuxième sous système distant pour le suivi des patients à distance appartient à un cabinet médical ou clinique. Un tel système offre des avantages certains, particulièrement: • Diminution des coûts d'hospitalisation, • Augmentation du degré d'accessibilité à l'aide de réseaux de communications mobiles et d'Internet; • Réduction des coûts des soins; Nous formulons quelques perspectives à notre travail qui pourraient se développer dans au moins deux directions : la première portera sur l’intégration de modèle de prédiction basée sur les séries temporelles. La deuxième concerne l’intégration de l’application sur Android. 57 Références Bibliographiques [1] Google. (2012, Jul.) “ Anatomy of an Android application ”, http://code.google.com/android/intro/anatomy.html. [2] Kraemer F. A., “Engineering Android applications based on UML activities”, Proceedings of the 14th international conference on Model driven engineering languages and systems (MODELS’11), Springer-Verlag, Berlin, Heidelberg, pp. 183–197, 2011. [3] Holla S., Katti M.M., “Android based mobile application development and its security”,international journal of computer trends and technology, volume3, issue3, 2012. [4] Murphy M., “ L'art du développement Android”, Pearson, 2011. [5] FabriceK., Jérôme H., Agusti C., Alain D., “Modélisation et analyse de systèmes embarqués”, Hermes 2012. [6] Jamal R., Pichlik H., “LabVIEW Applications and Solutions”, 2012. [7] ArchanaWasule MS., Panse M.S., “A Telemedicine Monitor Based On LabVIEW Web Services”, International Journal of Engineering Research and Applications (IJERA), Vol. 3, Issue 1, pp.1051- 1053,January- February 2013. [8] Anta R., El-Wahab S., Giuffrida A., “Mobile Health: The potential of Mobile Telephony to Bring Health Care to the Majority”, IDB Publications, pp.4-34, 2009. [9] LeijdekkersP., GayV., LawrenceE., “Smart Homecare System for Health Tele-monitoring”, Proceedings of the IEEE First International Conference on the Digital Society (ICDS'07), 2007. [10] CharbonnierS., “Surveillance de systèmes continus à l’aide de méthodes n’utilisant pas de modèles formels: Application aux systèmes médicaux”, Soutenance le 13 Novembre 2006, polytechde Grenoble, France. [11] Cordier MO.,Dousson C., ”Alarm driven monitoring based on chronicles”, Fault Detection, Supervision and Safety for Technical Processes SAFEPROCESS 2000. Budapest, Hungary, 14-16 June 2000. [12] Kahaei M.H., Torbatian M., Poshtan J., “Detection of bearing faults using Haar wavelets”, IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences, E89A(3), pp. 757- 63, 2006. 58 Références Bibliographiques [13] Lamrini B., Le Lann M.V., Benhammou A., Lakhal E.K., “Detection of functional statesby the `LAMDA' classification technique: application to a coagulation process in drinking watertreatmen”,ComptesRendus de Academie des Sciences en Physique. vol. 6, n° 10, pp. 1161-8, 2005. [14] Witten I., et Frank E., “Data Mining”, éditions Morgan Kaufmann, 2005. [15] Begdouri A., Berraho M., AjhounR.,“L'informatique mobile au service des applications médicales”, Séminaire SIM’07, FMP de Fès, le 02 juin 2007. [16] Ieee802.11 : Wireless LANmedium access control (mac) andphysical layer specifications. [17] Minh D.N., “ Méthodologie de test de systèmes mobiles : une approche basée sur les scénarios”, Thèse de Doctorat, université de Toulouse, 2009. [18] Shahriyar R., Faizul Bari Md., Kundu G., Ahamed S.I., and Akbar Md.M.,“IntelligentMobile Health Monitoring System (IMHMS)”, International Journal of Control and Automation, Vol.2, No.3, September 2009. [19] Abernethy M., “Data mining with WEKA, Part 1: Introduction and regression”, 2010. [20] WewetzerC., Caliskan M., Meier K., and Luebke A., “Experimental evaluation of umts and wireless LAN for inter-vehicle communication”,In TelecommunicationsITST’07, 7th International Conference on ITS, 2007. [21] Besse P., Laurent B.,“Apprentissage Statistique: prévision et data mining”, 2013. [22] Mehta B., Rengarajan D., Prasad A., “Real Time Patient Telemonitoring System Using LabVIEW”,International Journal of Scientific &Engineering Research, Volume 3, Issue 4, April-2012. [23] Zighed D., Rakotomalala R., “Extraction des Connaissances à partir des Données (ECD) ”, 2002. [24] Libes M.,“LABVIEW”, 2005. [25] Lechevallier Y., “WEKA, un logiciel libre d’apprentissage et de data mining”, INRIA-Rocquencourt. [26] Alvarez I., Lacondemine D., Stermann F.,“ Expliquer à l'utilisateur le résultat d'un arbre de décision ”,Conférence RFIA, Toulouse, 28-30 janvier 2004. 59 Références Bibliographiques [27] TUFFERY S., “Data Mining et statistique décisionnel ”, Paris, Technip, 366 p, 2007. [28] Kavitha K., Sarojamma R.M., “ Monitoring of Diabetes with Data Mining via CART Method ”, International Journal of Emerging Technology and Advanced Engineering Website, Volume 2, Issue 11, November 2012. [29] Mileo A., MericoD., and Bisiani R., “Support for context-aware monitoring in home healthcare”, Journal of Ambient Intelligence and Smart Environments 2 (2010) 49–66 49, IOS Press. [30] Marwedel P.,“Embedded System Design”, Kluwer Academic, 2003. [31] GuptaP., Kulkarni A., Sarda A., “An Embedded Health Care Supervisory Systems”, International Journal of Latest Trends in Engineering and Technology (IJLTET), Vol.3, Issue.1, September 2013. [32] Krejcar O., Janckulik D., Motalova L., “ Complex Biomedical System with Mobile Clients”,In The World Congress on Medical Physics and Biomedical Engineering Munich, Germany, IFMBE Proceedings, Vol.25/5, Springer, Heidelberg, 2009. [33] Wolf W., “Computers as Components : Principles of Embedded Computing Systems Design”, (The Morgan Kaufmann Series in Computer Architecture and Design), ACADEMIC PRESS, 2001. [34] Lee E.A., Seshia S. A., “Introduction to Embedded Systems, A Cyber Physical Systems Approach”, http://LeeSeshia.org, 2010. [35] Marwedel Foundations P., “Embedded System Design: Embedded Systems of Cyber-Physical Systems”, Springer Verlag, 2010. [36] KopetzH.,“Real-Time Systems: Design Principles for Distributed Embedded Applications”, Springer New York Dordrecht Heidelberg London. [37] KRIEF F., “les systèmes embarqués communicants : mobilité, sécurité, autonomie”, hermès, 2008. [38] Naismith L., Lonsdale P., Vavoula G., Sharples M., “ literature Review in Mobile Technologies and Learning”, Futurelab series, 2004. [39] BeuscartR., Grave C., BricoteauD., et Purro N., “Les étapes de définition d'un système d'information hospitalier: la place des utilisateurs”, Informatique et santé, Vol.6, PP. 79-88, 1993. 60 Références Bibliographiques [40] Srovnal V. Jr., Machacek Z., Srovnal V., “ Wireless Communication for Mobile Robotics and Industrial Embedded Devices”, Eighth International Conference on Networks ICN, Gosier, France, 2009. [41] MoulyM., and Pautet Communications", 1992. M.B., "The GSM System for Mobile [42] SalvadorC.H., CarrascoM.P., deMingoM.A.G., CarreroA.M., MontesJ.M., MartinL.S.,Cavero, LozanoI.F., MonteagudoJ.L.,"Bluetooth Telemedicine Processor forMultichannel BiomedicalSignal Transmission Via Mobile Cellular Networks", IEEE Trans, Biomedicine,vol.9, Mar 2005. [43] Jovanov E.,“Wireless Technology and System Integration in Body Area Networks for m- Health Applications”, IEEE Engineering in Medicine and Biology 27th Annual Conference, 2005. [44] Mammeri Z., “Modélisation de comportements de système en UML”. [45] VarshneyU., “Pervasive healthcare and wireless health monitoring”, Journal on Mobile Networks and Applications (Special Issue on Pervasive Healthcare), Springer, June 2007. [46] Rakotomalala R., “Arbres de Décision”,Revue MODULAD, 2005. [47] Kohavi R., Quinlan J., “ Decision-tree Discovery”, in Handbook of Data Mining and Knowledge Discovery, Klösgen and Zytkow Editors, 2002. [48] Sanjay G., John J., “Virtual instrumentation using LabVIEW”, Electrical Engineering Series, second edition India,2006. [49] Frey D., Degryse P.A., Amalbertu J.L., “ le langage de programmation Labview ”, université Grenoble, 2008. [50] Decourt R., Dordor P., « Introduction à LabVIEW » Edition 2003-2004. [51] National Instruments Corporation “LabVIEW communications reference manual and web services reference manual”, 2010. VI [52] Archana Wasule, Panse M.S., “Configuring Labview for Remote Communication Using Web Architecture”, International Journal of engineering Science and Innovative Technology (IJESIT) Volume.2, Issue2, March 2013. [53] Gabillaud J., “ Oracle 10g ‘SQL, PL/SQL, SQL*Plus ”, ENI Editions. [54] Marchi F.D., Petit J.M., “ administration des bases de données sous Oracle 10g ”, Université de Lyon, 2007. 61 Références Bibliographiques [55] Organisation mondiale de la santé, “Aide-mémoire n 312”, Technical report, septembre, 2011. [56] Frank A., Asuncion A.,« Pima », Pima Indians Diabetes Data Set, UCI Machine Learning Repository, University of California, Irvine, School of Information and Computer Sciences, [http://archive.ics.uci.edu/ml], 2010. 62