Wireless Sensor Network, Based Medical Telemonitoring of Health Conditions

Abstract

Dans cette thèse, nous avons étudié et évalué une nouvelle alternative de la télésurveillance des conditions de la santé basée sur une structure multiniveaux combinant les réseaux de capteurs sans fil (RCSF), l’Internet des objets et l’informatique en périphérie de réseau. L’approche proposée adresse les situations d’urgence afin d’identifier les sujets sous risque et sauver leurs vies. La contribution primordiale consiste à maintenir le lien avec les méthodes traditionnelles de contrôle de l’état de la santé basées sur les données physiologiques importantes et les plus informatives pour interpréter l’état de la santé. Néanmoins, en apportant des améliorations pour assurer la mesure, le traitement et la supervision à distance et en continu. L’approche proposée permet l’interprétation de l’état de la santé à distance en se basant sur le traitement décentralisé implémenté dans notre structure de RCSF à plusieurs niveaux développés. De la sorte, nous avons intégré les méthodes d’analyse des données de tendance pour construire et faire apprendre les modèles de calcul appropriés pour l’analyse de chaque paramètre en utilisant des enregistrements réels des données physiologiques. Grâce à « l’informatique de périphérique », les modèles de calcul développés ont été implémentés pour évaluer, tester, et témoigner chaque contribution développée dans des essais en temps réel. Dans l’ensemble, le réseau de capteurs sans fil médical développé se base sur trois couches, la couche de prélèvement qu’est consacrée à la collecte des paramètres physiologiques, au prétraitement et à la transmission des données à la deuxième couche. Cette dernière est configurée pour prendre en charge l’informatique de périphérique pour prédire et identifier les statuts des données surveillées et assurer l’agrégation des résultats dans un espace Cloud. La télésurveillance en temps réel et en continu est assurée dans la troisième couche à l’aide d’une plateforme IoT développée et configurée de récupérer les données agrégées dans le Cloud en permanence et les présenter aux utilisateurs de la maniére habituée en utilisant l’équipement ” Moniteur” de l’hôpital. Les caractéristiques significatives et nécessaires sont extraites des données mesurées afin d’améliorer les performances de l’interprétation et la détection de l’état des paramètres surveillés tout en réduisant la charge de calcul et le temps de transmission. Le trafic d’urgence et le trafic normal sont adoptés dans la communication des données entre les nœuds portables et le nœud Fog, où le trafic d’urgence est utilisé lorsque le traitement local montre l’apparition d’une anomalie, et le trafic normal est utilisé lorsque les données montrent un état normal, ou lorsque le paramètre surveillé nécessite un traitement complexe qui est configuré dans la deuxième couche. Nous avons proposé deux méthodes d’alerte, la première consiste en une alerte personnalisée configurée dans la deuxième couche, la seconde est assurée sur la troisième couche en utilisant les indicateurs de la plateforme IoT. Les résultats de l’évaluation des performances de traitement, d’apprentissage des modes et les résultats de l’évaluation du fonctionnement global du système révèlent une surveillance de la santé efficace en termes de mesure précise, de traitement et d’interprétation efficaces, ainsi qu’une télésurveillance fiable en temps réel.