Contribution à l’amélioration des systèmes intelligents de surveillance sécurisés des soins de santé basés sur l’IoT et l’intelligence artificielle

Abstract

L'intégration de l'Internet des objets (IoT) et de l'intelligence artificielle (AI) révolutionne les systèmes de santé. Cette thèse examine leur impact combiné sur l'amélioration de la surveillance médicale, avec un accent particulier sur l'analyse des signaux électrocardiographiques (ECG). Nous présentons une approche novatrice qui utilise l'optimisation par essaim de particules (PSO) et la transformation en ondelettes (WT) pour réduire le bruit dans les signaux ECG et éliminer les artefacts tels que l'activité musculaire, le bruit blanc gaussien (WGN), les dérives de la ligne de base et les interférences des lignes électriques (PLI). De plus, l'algorithme génétique (GA) est employé en combinaison avec la WT pour des objectifs similaires, démontrant une performance supérieure par rapport aux méthodes avancées actuelles de réduction de bruit. Les méthodes ont été validées à l'aide de l'ensemble de données MIT-BIH, largement reconnu et accessible au public. En outre, les signaux ECG sont convertis de matrices 1D à des matrices 2D, avec des caractéristiques extraites via la transformation en ondelettes discrète (2D-DWT). Ces matrices sont ensuite classées à l'aide de réseaux de neurones convolutifs (CNN) pour détecter avec précision les anomalies cardiaques. Enfin, nous avons implémenté ces méthodes sur une carte ESP32 pour illustrer leur application pratique, soulignant le potentiel transformateur de l'IoT et de l'IA dans le diagnostic médical et la surveillance de la santé