Un cadre de filtrage Kalman pour la détection physiologique de la vigilance liée à l'anxiété chez les enfants avec un trouble du spectre autistique

Traduction: G.M.

IEEE Trans Biomed Eng. 2014 Dec 4.

A Kalman Filtering Framework for Physiological Detection of Anxiety-Related Arousal in Children with Autism Spectrum Disorder

Kushki A, Khan A, Brian J, Anagnostou E.

Abstract

Objective

Anxiety is associated with physiological changes that can be non-invasively measured using inexpensive and wearable sensors. These changes provide an objective and language-free measure of arousal associated with anxiety, which can complement treatment programs for clinical populations who have difficulty with introspection, communication, and emotion recognition. This motivates the development of automatic methods for detection of anxiety-related arousal using physiology signals. While several supervised learning methods have been proposed for this purpose, these methods require regular collection and updating of training data and are therefore not suitable for clinical populations where obtaining labelled data may be challenging due to impairments in communication and introspection. In this context, the objective of this paper is to develop an unsupervised and realtime arousal detection algorithm. 
L'anxiété est associée à des changements physiologiques qui peuvent être mesurés de manière non invasive en utilisant des capteurs peu coûteux et faciles à porter. Ces changements fournissent une mesure objective et libérée des contraintes du langage de la vigilance associée à l'anxiété, qui peuvent compléter les programmes de traitement pour les populations cliniques qui ont des difficultés avec l'introspection, la communication et la reconnaissance des émotions. Ceci motive le développement de méthodes automatiques pour la détection des signaux liés à l'anxiété utilisant l'excitation physiologique. Bien que plusieurs méthodes d'apprentissage supervisé ont été proposées à cet effet, ces méthodes nécessitent la collecte et la mise à jour des données de formation régulière et ne conviennent donc pas pour les populations cliniques où l'obtention de données marquées peut être difficile en raison de déficiences dans la communication et l'introspection. Dans ce contexte, l'objectif de cet article est de développer un algorithme de détection de la vigilance sans surveillance et en temps réel. 

Methods

We propose a learning framework based on Kalman filtering theory for detection of physiological arousal based on cardiac activity. The performance of the system was evaluated on data obtained from a sample of children with autism spectrum disorder. 
Nous proposons un cadre d'apprentissage basé sur la théorie de filtrage de Kalman (N. de T. estimation des états d'un système dynamique à partir d'une série de mesures incomplètes ou bruitées) pour la détection de l'excitation physiologique basée sur l'activité cardiaque. La performance du système a été évalué sur des données obtenues à partir d'un échantillon d'enfants avec des troubles du spectre autistique.

Results

The results indicate that the system can detect anxietyrelated arousal in these children with sensitivity and specificity of 99% and 92%, respectively. 
Les résultats indiquent que le système est capable de détecter l'excitation liée à l'anxieté chez ces enfants avec une sensibilité et une spécificité de 99% et 92%, respectivement. 

Conclusion and significance

Our results show that the proposed method can detect physiological arousal associated with anxiety with high accuracy, providing support for technical feasibility of augmenting anxiety treatments with automatic detection techniques. This approach can ultimately lead to more effective anxiety treatment for a larger and more diverse population.
Nos résultats montrent que la méthode proposée permet de détecter l'excitation physiologique associée à l'anxiété avec une grande précision, fournissant un soutien pour la faisabilité technique de renforcer les traitements de l'anxiété avec des techniques de détection automatique. Cette approche peut finalement conduire à un traitement de l'anxiété plus efficace pour une population plus large et plus diversifiée.

PMID: 25494497