Développement D’un Jumeau Numérique D’une Salle D’opération Chirurgicale

Résumé: Développement d’un Jumeau numérique d’une salle d’opération chirurgicale Cette étude vise à développer un système de santé basé sur l'Internet des objets (IoT) pour l’analyse en temps réel de l’ECG et une surveillance complète des patients, en exploitant les algorithmes d’apprentissage profond. Les objectifs sont de concevoir un système capable de détecter avec précision les pics R-R de l’ECG, de classer les signaux ECG en plusieurs catégories de maladies, et d’intégrer l’acquisition de données en temps réel avec un modèle de jumeau numérique (Digital Twin) pour la salle opératoire. Le système utilise des dispositifs IoT, notamment des capteurs ECG et des microcontrôleurs Raspberry Pi, pour capter les constantes vitales du patient telles que l’ECG, la SpO2 et la température. Deux modèles d’apprentissage profond, entraînés sur la base de données MIT-BIH, sont utilisés : l’un pour la détection des pics R-R, l’autre pour la classification des signaux ECG. L’ensemble est intégré à Node-RED pour la transmission et la visualisation des données, en utilisant le protocole MQTT pour une communication sécurisée entre les dispositifs. Les modèles ont atteint une précision d’environ 99 % pour la détection des pics et la classification ECG. Le système de traitement en temps réel, avec un temps de réponse variant entre 55 et 164 ms, fournit aux professionnels de santé des informations immédiates sur l’état du patient, facilitant ainsi des décisions rapides et des interventions opportunes. Le système proposé démontre le potentiel de la combinaison entre l’IoT et l’apprentissage profond pour une surveillance médicale précise et en temps réel. L’intégration avec la technologie de jumeau numérique ouvre de nouvelles perspectives pour améliorer la prise de décision chirurgicale, la sécurité des patients et l'efficacité opérationnelle en salle d’opération. L’étude constitue une base pour des travaux futurs visant à étendre les fonctionnalités du système et à traiter les enjeux liés à la sécurité des données dans les applications médicales. Mots clés: Analyse Prédictive, Chirurgie, CNN (Réseaux de Neurones Convolutifs), DL (Apprentissage Profond), DT (Jumeau Numérique), ECG (Électrocardiogramme), IA (Intelligence Artificielle), IoT (Internet des Objets), Node-RED, OR (Bloc Opératoire), RNN (Réseaux de Neurones Récurrents),

Publié dans la revue: