S'abonner

Dynalets: A new method for modelling and compressing biological signals. Applications to physiological and molecular signals - 26/10/14

Doi : 10.1016/j.crvi.2014.08.005 
Jacques Demongeot a, , Olivier Hansen a, Ali Hamie a, Céline Franco a, Brian Sutton b, Élie-Paul Cohen a, b
a Université Joseph-Fourier, Grenoble, AGIM CNRS FRE 3405, Faculté de médecine, 38700 La Tronche, France 
b King's College, Strand, London WC2R 2LS, United Kingdom 

Corresponding author.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

pages 16
Iconographies 16
Vidéos 0
Autres 0

Abstract

The biological information coming from electrophysiologic sensors like ECG, pulse sensor or from molecular signal devices like NMR spectrometry has to be visualized and manipulated in a compressed way for an efficient medical use by clinicians, if stored in scientific data bases or in personalized patient records repositories. Here, we define a new transform called Dynalet based on Liénard ordinary differential equations susceptible to model the mechanism at the source of the studied signal, and we propose to apply this new technique first to the modelling and compression of real biological periodic signals like ECG and pulse rhythm. We consider that the cardiovascular activity results from the summation of cellular oscillators located in the cardiac sinus node and we show that, as a result, the van der Pol oscillator (a particular Liénard system) fits well the ECG signal and the pulse signal. The reconstruction of the original signal (pulse or ECG) using Dynalet transform is then compared with that of Fourier, counting the number of parameters to be set for obtaining an expected signal-to-noise ratio. Then, we apply the Dynalet transform to the modelling and compression of molecular spectra obtained by protein NMR spectroscopy. The reconstruction of the original signal (peak) using Dynalet transform is again compared with that of Fourier. After reconstructing visually the peak, we propose to periodize the signal and give it to hear, the whole process being called the protein “stethoscope”.

Le texte complet de cet article est disponible en PDF.

Résumé

L’information biologique provenant de capteurs électrophysiologiques, comme l’ECG, les capteurs de pouls ou d’appareils générant des signaux moléculaires, comme la spectrométrie de masse ou la spectrométrie RMN, doit être visualisée et manipulée sous une forme compressée, de manière à optimiser son usage en médecine clinique et n’en retenir que la partie pertinente, explicative des mécanismes ayant généré le signal, en vue d’un stockage dans des bases de données scientifiques ou dans des gisements de dossiers médicaux personnalisés. Lorsque le signal enregistré est périodique, les procédés de compression classiques que sont les transformées de Fourier et ondelettes donnent de bons résultats au niveau du taux de compression et de la qualité de la restitution, mais n’apportent en général aucune information nouvelle concernant les interactions existant entre les éléments du système vivant ayant produit le signal étudié. On définit ici une nouvelle transformation, nommée Dynalet, fondée sur les équations différentielles ordinaires de Liénard, susceptibles de modéliser le mécanisme générateur du signal ; nous proposons d’appliquer cette nouvelle technique de modélisation et de compression à des signaux biologiques périodiques réels, comme l’ECG et le pouls, ainsi qu’aux données protéiques provenant de la spectrométrie moléculaire RMN. Dans chaque application, la reconstruction du signal d’origine (oscillations ou pic) utilisant la transformée Dynalet est comparée à celle de Fourier, en comptant le nombre de paramètres à régler pour un rapport signal sur bruit déterminé. Dans le cas du signal protéique, après la reconstruction visuelle des pics du spectre RMN, nous proposons de les périodiser et de les donner à entendre, l’ensemble de ce processus applicatif étant alors appelé « stéthoscope » protéique.

Le texte complet de cet article est disponible en PDF.

Keywords : Fourier transform, Dynalet transform, Signal processing, Heart and pulse signals compression, Protein “stethoscope”

Mots clés : Transformation de Fourier, Transformation Dynalet, Traitement du signal, Compression des signaux ECG et pouls, « Stéthoscope » protéique


Plan


© 2014  Académie des sciences. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 337 - N° 11

P. 609-624 - novembre 2014 Retour au numéro
Article précédent Article précédent
  • CV3 - Editorial Board/English
| Article suivant Article suivant
  • Cytogenetic, cross-mating and molecular evidence of four cytological races of Anopheles crawfordi (Diptera: Culicidae) in Thailand and Cambodia
  • Atiporn Saeung, Visut Baimai, Sorawat Thongsahuan, Yasushi Otsuka, Wichai Srisuka, Kritsana Taai, Pradya Somboon, Wannapa Suwonkerd, Tho Sochanta, Wej Choochote

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.