Ce papier présente une étude de faisabilité préliminaire pour séparer des fœtus normaux de fœtus pathologiques en utilisant un system Doppler multi-transducteur-multi-porte construit dans ce but et des techniques dédiées de traitement du signal développées via l’extraction de paramètres de l’activité fœtale. Des données composées de deux groupes de signaux fœtaux (normaux et pathologiques) ont été établies et fournies par des praticiens. À partir de paramètres estimant l’activité fœtale, un score semblable au score de Manning, appelé score ultrasonore a été défini et utilisé conjointement avec les mouvements, le rythme cardiaque et ses paramètres associés (variabilités, accélérations) dans un processus de classification de type machine à vecteur support (MVS). L’influence des paramètres de l’activité fœtale et la performance des MVS ont été évaluées par le calcul de la sensibilité, de la spécificité, du pourcentage de vecteurs supports et d’erreur de classement total. Nous avons montré la capacité de notre système à séparer les données en deux groupes : fœtus normaux et fœtus pathologiques en excellente concordance avec la classification clinique effectuée par les médecins.

This paper shows preliminary feasibility to separate normal and pathological fetuses using a purposed built multi-transducer-multi-gate Doppler system and developed dedicated signal processing techniques via fetal activity parameters extraction. A dataset consisting of two groups of fetal signals (normal and pathological) has been established and provided by physicians. From fetal activity estimated parameters, an instantaneous Manning-like score, referred to as ultrasonic score was introduced and was used together with movements, heart rate and the associated parameters (variability, accelerations) in a classification process using Support Vector Machines (SVM) method. The influence of the fetal activity parameters and the performance of the SVM were evaluated using the computation of sensibility, specificity, percentage of support vectors and total classification accuracy. We showed the ability of our system to separate the data into two sets: normal fetuses and pathological fetuses and obtained an excellent matching with the clinical classification performed by physicians.