ED Mathématiques et Informatique
Analyse des caractéristiques électriques pour la détection des sujets à risque de mort cardiaque subite
par Mariette DUPUY (IMB - Institut de Mathématiques de Bordeaux)
Cette soutenance a lieu à 10h00 - Amphi IHU Liryc, Avenue du Haut Lévêque, 33600 Pessac
devant le jury composé de
- Marie CHAVENT - Professeure - Université de Bordeaux - Directeur de these
- Rémi DUBOIS - Professeur - Université de Bordeaux - CoDirecteur de these
- Benoit LIQUET - Professeur - Université de Pau et des Pays de l'Adour - Rapporteur
- Julien OSTER - Directeur de recherche - Inserm - Rapporteur
- Robin GENUER - Associate Professor - ISPED, Université de Bordeaux - Examinateur
- Florence D'ALCHé-BUC - Professeure - Institut Polytechnique de Paris - Examinateur
La mort subite cardiaque (MSC) représente 30% de la mortalité adulte des pays industrialisés. La majeure partie des MSC est la conséquence d'une arythmie appelée fibrillation ventriculaire, elle-même étant la conséquence d'un muscle cardiaque présentant des anomalies structurelles. Malgré l'existence de thérapies efficaces, la majorité des individus présentant un risque de MSC ne sont pas identifiés de manière préventive à cause de l'absence d'examen disponible. Le développement de marqueurs spécifiques sur des enregistrements électrocardiographiques permettrait une identification et une stratification du risque de MSC. Au cours des six dernières années, l'IHU Liryc a enregistré les signaux électriques à la surface du corps chez plus de 800 individus (sains et pathologiques) à l'aide d'un dispositif haute résolution de 128 électrodes. Des caractéristiques ont été calculées sur ces signaux (durée du signal par électrode, fréquence, fractionnement de l'amplitude, ...). Au total, plus de 1500 caractéristiques électriques sont disponibles par patient. Lors du processus d'acquisition par le système de 128 électrodes en milieu hospitalier, le bruit, ou le mauvais positionnement de certaines électrodes ne permettent pas de calculer les caractéristiques prévues, conduisant ainsi à une base de données incomplète. Cette thèse s'organise autour de deux axes. Nous avons dans un premier temps développé une méthode d'imputation de données manquantes pour répondre au problème des électrodes défaillantes. Puis nous avons développé un score de risque pour la stratification du risque de mort subite. La famille de méthodes la plus souvent utilisée pour gérer les données manquantes est l'imputation : allant d'une simple complétion par la moyenne, à des méthodes par agrégation locale, régressions locales, transport optimal ou encore modification de modèles génératifs. Récemment les Autoencoders (AE) et plus précisément les Denoising AutoEncoder (DAE) ont montré de bonnes performances pour cette tâche. Les AE sont des réseaux de neurones utilisés pour apprendre une représentation des données dans un espace de dimension réduit. Les DAE sont des AE qui ont été proposés pour reconstruire, à partir de données bruitées, les données originales. Nous proposons dans ce travail une nouvelle méthodologie basée sur les DAE appelée modified Denoising AutoEncoder (mDAE) pour permettre l'imputation de données manquantes. Le deuxième axe de recherche de la thèse a consisté à la mise en place d'un score du risque de mort subite cardiaque. Les DAE ont la capacité de modéliser et de reconstruire des données complexes. Nous avons ainsi entrainé des DAE à modéliser la distribution des individus sains sur un sous-groupe sélectionné de caractéristiques électriques. Puis nous avons utilisé ces DAE pour discriminer des patients pathologiques des individus sains en analysant la qualité d'imputation du DAE sur des caractéristiques partiellement masquées. Dans le but de mettre en place un score de risque de la mort subite, nous avons également comparé différentes méthodes de classification.