RingConn a exposé à l’IEEE ISCAS 2024 et a présenté ses derniers résultats de recherche sur la surveillance de la tension artérielle et de l’apnée du sommeil.

Récemment, le Symposium international IEEE 2024 sur les circuits et les systèmes (IEEE ISCAS) s’est tenu en grande pompe à Singapour. L’ISCAS est la conférence phare de l’IEEE et le principal forum mondial dans le domaine des circuits et des systèmes. Chaque année, elle réunit des universitaires et des chercheurs de premier plan du monde entier afin de discuter et de partager les dernières avancées technologiques, et de promouvoir le développement durable de l’innovation dans les circuits et les systèmes.

Le thème de l’ISCAS 2024 est « Circuits et systèmes pour un développement durable ». Il couvre un large éventail de sujets, notamment l’intelligence artificielle et l’apprentissage profond, les circuits et systèmes biomédicaux, le traitement des mégadonnées, les circuits et systèmes intégrés numériques, ainsi que l’Internet des objets.

Une avancée majeure dans les recherches de Ninenovo Technology

Ninenovo Technology, en collaboration avec l’Université de Shenzhen, a présenté deux articles : « Modèle d’apprentissage profond fondé sur Transformer pour la détection de l’apnée du sommeil et son application à la bague connectée RingConn » et « Algorithme de classification fondé sur les caractéristiques fréquentielles pour l’estimation de la tension artérielle à partir de signaux PPG ». Ces articles ont été acceptés par la conférence, mettant en avant les dernières avancées technologiques de l’entreprise dans le domaine de la surveillance intelligente de la santé grâce à la bague connectée innovante RingConn.

Le premier article, « Modèle d’apprentissage profond fondé sur Transformer pour la détection de l’apnée du sommeil et son application à la bague connectée RingConn », étudie une nouvelle méthode de détection du syndrome d’apnées-hypopnées obstructives du sommeil (SAHOS) à l’aide de la bague connectée RingConn. Le SAHOS est un trouble du sommeil courant, caractérisé par des ronflements importants, des pauses respiratoires répétées pendant le sommeil, une somnolence diurne excessive, des maux de tête matinaux et des pertes de mémoire. Les cas graves peuvent également entraîner une asphyxie nocturne et des problèmes cardiovasculaires.

La détection traditionnelle du SAHOS nécessite un examen nocturne à l’hôpital au moyen d’un équipement de polysomnographie (PSG) encombrant. Cet article propose un modèle d’apprentissage profond fondé sur Transformer, qui exploite les signaux physiologiques multimodaux de la bague connectée RingConn pour détecter le SAHOS.

Le modèle a obtenu d’excellents résultats de détection sur des jeux de données publics, avec un score F1 de 76,6. L’étude a également évalué les performances de différentes combinaisons de signaux pour détecter les événements de désaturation en oxygène (DESAT) avec la bague connectée RingConn. Il est particulièrement notable qu’aucune recherche actuelle ne valide la surveillance du SAHOS à l’aide d’une bague connectée. L’étude a donc utilisé des données recueillies par la bague connectée RingConn à des fins de validation et a réalisé une estimation de l’indice AHI par PSG.

Les résultats ont montré une forte corrélation (ρ=0,96) entre l’AHI calculé par la bague connectée RingConn et l’AHI obtenu par PSG, démontrant la grande précision et la commodité de la bague connectée RingConn pour la surveillance médicale de la santé.

Le deuxième article, « Algorithme de classification fondé sur les caractéristiques fréquentielles pour l’estimation de la tension artérielle à partir de signaux PPG », propose un algorithme de classification utilisant les caractéristiques fréquentielles de la photopléthysmographie (PPG). De nombreuses études se sont intéressées à l’estimation de la tension artérielle à partir des formes d’onde PPG. Cependant, les impulsions PPG sont générées environ chaque seconde et les caractéristiques des impulsions successives sont similaires. Une méthode automatisée et intelligente est donc nécessaire pour regrouper les signaux répétitifs. Pour les signaux PPG présentant des différences importantes, une méthode non supervisée est nécessaire afin de classer les impulsions PPG dans leurs groupes respectifs.

L’algorithme de classification proposé regroupe les impulsions PPG dans des groupes spécifiques à l’aide de leurs caractéristiques fréquentielles. Les impulsions PPG sont traitées au moyen d’une transformée de Fourier rapide, afin d’extraire la fréquence, l’amplitude, la phase, ainsi que les parties réelle et imaginaire des quatre premières composantes fréquentielles. Dans l’algorithme K-Means proposé, une nouvelle fonction de distance a été développée pour évaluer la dissimilarité entre deux impulsions. En outre, un cadre de fusion des centres de groupes a été proposé afin de résoudre le problème du choix de la valeur K. L’expérience a utilisé le jeu de données MIMIC-II et a regroupé puis fusionné les impulsions en 17 groupes.

Les résultats ont montré que la méthode de classification proposée identifiait efficacement des groupes distincts d’impulsions PPG correspondant à différentes plages de tension artérielle. Cette découverte étaye l’hypothèse selon laquelle la forme des impulsions PPG est corrélée à la tension artérielle, améliorant ainsi la précision et l’interprétabilité de l’estimation de la tension artérielle fondée sur l’analyse des ondes de pouls. Cette technologie est désormais appliquée aux recherches sur la surveillance de la tension artérielle avec la bague connectée RingConn.

Bague connectée RingConn et gestion de la santé

Ces résultats de recherche mettent non seulement en évidence l’innovation et l’expertise technique de la bague connectée RingConn dans le domaine de la gestion de la santé, mais renforcent également la mission de Ninenovo Technology, qui consiste à « fournir des produits et services d’une valeur unique pour la santé humaine », reflétant pleinement notre engagement et notre soutien à la recherche innovante.

Notre équipe continuera de repousser les limites des technologies portables intelligentes et de mettre l’innovation technologique au service de l’amélioration de la santé humaine. Nous sommes convaincus que des avancées technologiques continues offriront aux utilisateurs des expériences de gestion de la santé plus précises, pratiques et professionnelles, contribuant ainsi à un avenir plus sain.