Système Embarqué Communicant pour la Surveillance Médicale

Transcription

‫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 mávez toujours réservés
Jéspère que vous trouvez en moi votre source de fierté et de bonheur
Que Dieu vous prête longue vie et bonne santé et quíl 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
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
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
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
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 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
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
 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.
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
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
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
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
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
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
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

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
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:
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
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:
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:
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:
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:
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:
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:
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:
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
 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
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
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
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
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 :
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:
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:
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:
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:
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:
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
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:
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:
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:
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:
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:
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
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:
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:
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:
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:
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:
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:
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:
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
[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
[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
[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
[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
[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

Système Embarqué Communicant pour la Surveillance Médicale

Transcription

Documents pareils

Conception et Commande des Systèmes Electriques Embarqués.

Licence Professionnelle CCSEE

Intitulé du cours : - Faculté des Sciences du Sport

INGENIEURS SYSTEMES EMBARQUES Contexte

Le logiciel TABLEUR-GRAPHEUR Pour réaliser un diagramme :

MASTER recherche SISEA

Gestion de soi

Internet mobile

Intitulé du stage : « Techniques d`apprentissage statistique

Installation LABVIEW