Pilotage d

1
Pilotage dalgorithmes

• Un tour des différents systèmes de monitoring
  intelligent et de pilotage dalgorithmes
• Présentation de lévaluation du contexte signal

2
Sommaire

• Situation du problème
• Le monitoring intelligent
• Le pilotage dalgorithmes
• Notre approche
• Lévaluation du contexte signal

3
Situation du problème

• Résultats PISE
• les erreurs de détection entraînent encore plus
  derreurs à la reconnaissance
• Nécessité daméliorer la détection
• intégrer la prédiction pour accroître la qualité
  de la détection (Carrault et al. 1999)
• Sous contraintes temps-réel

4
Le monitorage intelligent

• Définition du monitoring intelligent selon Uckun
• (1993) dans (Dojat 1996)
• 1) Collecte des données en temps-réel
• 2) Diagnostic à partir des observations
• 3) Prédiction de lévolution du système
• 4) Construction dun plan daction et
  génération rapide dalarmes dans les cas graves
• 5) Pour les systèmes bouclés, exécution des
  actions planifiées

5
Exemples de systèmes (Dojat) Monitoring de
patients sous assistance respiratoire

• Décomposition de la tâche générique de
  supervision (Chandrasekaran 1986) en sous tâches
  (Stefanelli 1992)
• diagnostic
• thérapie
• monitoring
• qui sont elles mêmes redécomposées par Dojat et
  al.
• Imitation du raisonnement du praticien
•  Aggregation  et  forgetting 

6
Modèle de raisonnement
7
Exemples de systèmes Guardian monitoring des
patients après opération chirurgicale cardiaque

• Système d'agent autonome
• Architecture flexible
• Coopération dalgorithmes
• Production de diagnostics et des traitements
  appropriés

8
Algorithmes généraux de Guardian

• Focus mise à jour des paramètres
• tFPR paramètres -gt signes
• ReAct arbre de décision, nœuds -gt actions
• PCT algorithme de vérification de pattern
• MFM utilisation de modèle(s) pour la
  prédiction
• SPIN instanciation de squelettes de plan
• Chaque algorithme a sa propre représentation et
  base de connaissance. Les données ont aussi une
  représentation standard

9
Le pilotage dalgorithmes

• Le pilotage, imitation dun expert (Shekhar 1994)
  
• 1(a) Sélection, ordonnancement, planification,
  édition de liens
• 1(b) Initialisation des paramètres, exécution
  et contrôle
• 2 Interprétation des résultats, réglage
• Algorithmes nature indépendante du domaine mais
  leur utilisation -gt dépendante du domaine
• Formalisme (signal, algorithme, )
• Planification
• Architecture
• Base de connaissance et Règles de sélection
• Suivi de lexécution

10
Domaines dépendant et indépendant

• Formalisme temporel classique (McDermott, Allen,
  Dechter,) pas assez puissant pour décrire les
  situations réelles
• Les considérations dépendantes du domaine doivent
  être prise en compte (Dojat, Dalle, Lesser,
  Larsson, Shekhar,)

11
Vision de Lesser et al. IPUS Paradigm

• IPUS Integrated Processing and Signal
  Understanding
• Implémentation dun paradigme pour structurer
  l'interaction entre traitement et interprétation
• Introduction des notions de  distortion  et
   discrepancy 

12
Architecture générique de IPUS
13
Vision de Shekar et al. Signal processing and
signal understanding

• SP choix et réglage des méthodes pour un but
  donné
• SU appariement des  preuves valables  avec un
  modèle ou une accumulation de preuves pour
  vérifier une hypothèse

14
Formalisme et concepts

• (Dalle et al.) langage de description à
  plusieurs niveaux (utilisateur-gt bas niveau)
• Shekhar concepts de signal, système, but,
  opérateurs, plan,
• Guardian paramètre, pattern, signe, test,
  maladie, plan et actions
• Dojat formalisme pour labstraction temporelle,
  action, événement, chronique, ...

15
Larchitecture (Shekhar)

• Système basé connaissances qui utilise des frames
  et des productions de règles comme représentation
  de la connaissance
• Il fournit des mécanismes pour
• Description du problème (données, contexte, )
• Planning
• Contrôle de lexécution

16
La planification

• La planification IA classique non utilisable
• Les tâches de TS ont déjà un ordre naturel
  (squelette de traitement)
• Règles de choix entre différents opérateurs de
  même but
• En image (Dalle, Thonnat et Clément)
• Opérateurs à ordonnancer
• Définition de la requête (à partir des données)
• Réalisation des liens but-opérateur

17
Liens entre les entités lors dune requête
18
Base de connaissance

• Opérateurs de base, règles de contrôle et de
  choix (Shekhar)
• Modèles de comportements et plans (Guardian)
• Modèles dévolutions (Dojat)
• Modèles de SPA pour  discrepancy  et
   distortion  (IPUS)

19
L'exécution

• Pour contrôler lexécution et agir sur le système
  (Shekhar)
• Règles dinitialisation
• Règles dévaluation
• Règles dajustement
• Ce contrôle périodique ou événementiel
• Contrôle à lintérieur même des algorithmes
  (IPUS)

20
Le contexte

• Contexte jamais clairement défini mais important
  dans tous les systèmes
• Il est fortement dépendant du domaine
• Pour Shekhar informations comme les
  spécifications de lutilisateur, les types de
  capteurs,
• Pour Dojat états courants ?

21
Lapproche en cours d'élaboration

• Utilisation de plans prédéfinis (squelettes)
• Mise en place dune prédiction de larythmie
• Concepts de buts, tâches, algorithmes,
  paramètres,
• Contexte dynamique
• Contexte signal
• Contexte arythmique
• Contexte patient ???

22
(No Transcript)
23
Lévaluation du contexte signal

• But évaluer le bruit présent sur la ligne
  (Soulas et al.)
• Caractériser le signal
• Les résultats permettront
• Choisir les algorithmes
• Paramétrer les algorithmes de traitement du
  signal
• Envoyer une alarme en cas de perte de ligne

24
Système dévaluation du contexte signal
25
Données cliniques
26
Décomposition-recomposition
27
Calcul des énergies
28
Décision
29
Suite des travaux

• Étudier larchitecture du pilotage, constituer
  les buts, les tâches,
• Finir et valider lévaluation du contexte signal
• Étudier et développer la prédiction arythmies
  (CRS)
• Constituer la base dalgorithmes
• Constituer la base de règles

30
Conclusion

• Vision approchant sensiblement celle de Shekhar
  et al. mais plus concrète
• Signaux TS pas évidents à manipuler et difficile
  de fonctionner par états
• Certains paramètres peuvent être indépendants du
  contexte arythmique (seuils, )
• Certains autres dépendants (taille de fenêtre de
  détection, )
• Utilisation de squelettes (buts, tâches, )

31
Eléments de bibliographie

• V. Lesser, H. Nawab et al., Integrated signal
  processing and signal understanding,TR 91-34,
  Comp. Science Dept., 1991
• C.Shekhar, S.Moisan et M. Thonnat,Towards an
  intelligent problem-solving environment for
  signal processing , Mathematics and Computers in
  Simulation 1994
• M. Dojat et C. Sayettat, A realistic model for
  temporal reasoning in real-time patient
  monitoring, App. Art. Int., 1996
• J.E. Larsson et B. Hayes-Roth, Guardian an
  intelligent autonomous agent for medical
  monitoring and diagnosis, IEEE Intelligent
  Systems 1998
• T. Soulas, G.Le Certen et al., Algorithm
  switching in real time monitoring, Symposium on
  Electronics and Telecommunications (ETC), 1998
• G. Carrault, M. Cordier et al., A model-based
  approach for learning to identify cardiac
  arrhythmias,AIMDN, 1999