Estimation précise de la largeur des pics pour résoudre des défis clés en analyse de biosignaux et de spectres

Pourquoi la forme d’un signal compte

Des battements de cœur enregistrés par une montre connectée aux petits pics du spectre d’un matériau, une grande partie de la science moderne repose sur l’interprétation de courbes ondulées. Un détail crucial de ces courbes est la largeur de chaque « bosse » ou pic : cette largeur peut révéler si le cœur est sain ou si une surface est chimiquement pure. Pourtant, dans la réalité, les signaux sont bruités, les pics se chevauchent et les mesures proviennent souvent de plusieurs canaux simultanément. Cet article présente une nouvelle approche mathématique pour mesurer la largeur des pics qui reste fiable dans ces conditions réelles et désordonnées, en mettant l’accent sur les enregistrements cardiaques et la spectroscopie X des matériaux.

Mesurer des bosses dans des ondes bruitées

Les scientifiques résument souvent un pic par sa largeur à mi-hauteur (Full Width at Half Maximum, FWHM) — la distance entre les deux points où le pic tombe à la moitié de sa hauteur maximale. Cela semble simple, mais les signaux réels sont rarement propres. Les pics peuvent être inclinés d’un côté, partager l’espace avec des voisins, reposer sur des lignes de base dérivantes ou être enfouis dans le bruit. Dans les enregistrements cardiaques (électrocardiogrammes, ou ECG), les médecins s’intéressent à la durée de segments clés tels que le QRS et le QT, car ces durées aident à détecter des troubles du rythme dangereux. En spectroscopie photoélectronique X (XPS), la largeur des pics spectraux révèle comment les atomes sont liés et si un matériau est pur ou mélangé. Les méthodes existantes d’estimation de la largeur échouent souvent lorsque les pics se chevauchent, que le signal est asymétrique ou que plusieurs canaux d’enregistrement donnent chacun une image légèrement différente.

Une vue circulaire des ondes

Les auteurs s’appuient sur un cadre appelé modèle Frequency Modulated Möbius (FMM), qui représente les signaux oscillatoires à l’aide d’un petit nombre de paramètres liés à une phase circulaire. Plutôt que de considérer un pic uniquement comme une bosse sur une ligne droite, le pic est lié à un trajet autour d’un cercle, où des angles spécifiques et un paramètre de largeur contrôlent sa forme. Dans ce cadre, l’équipe dérive une nouvelle expression exacte pour la FWHM (appelée FWHM_F) et introduit une mesure apparentée, la durée d’onde (WD_F), qui capture la majeure partie de la zone significative du pic sans s’étendre sur tout le cycle. Parce que ces mesures dépendent directement des paramètres de forme du modèle plutôt que de la position d’une ligne de base bruitée, elles restent stables même lorsque le signal est déformé ou asymétrique. La même idée circulaire s’étend naturellement aux pics qui se chevauchent et aux enregistrements multicanaux : les différents canaux sont traités comme des vues d’une même onde circulaire sous-jacente, ce qui fournit une largeur cohérente pour tous.

Une précision temporelle accrue dans les signaux cardiaques

Pour tester la méthode sur des données cardiaques, les auteurs l’ont appliquée à des enregistrements ECG avec différentes configurations de dérivations, allant des systèmes hospitaliers complets à 12 dérivations jusqu’à seulement deux dérivations, comme sur de nombreux appareils portables. En utilisant des modèles de battement cardiaque basés sur FMM développés antérieurement, ils ont localisé les ondes principales Q, R, S et T puis utilisé les nouvelles mesures de largeur pour définir les durées des segments QRS et QT. Ces estimations ont été comparées à des annotations d’experts issues d’une base de données de référence et aux résultats d’un algorithme commercial largement utilisé. Sur des milliers de battements et différentes configurations de dérivations, l’approche FMM est restée dans les limites de tolérance acceptées et a classé les durées anormales de QRS et QT avec de faibles taux d’erreur. Surtout, elle est restée robuste lorsque les signaux étaient bruités, lorsque les formes d’onde étaient inhabituelles ou lorsqu’il n’y avait que quelques dérivations disponibles — des conditions où de nombreuses méthodes existantes se dégradent.

Des pics plus nets dans les spectres de matériaux

Les chercheurs ont également évalué la capacité de leur approche à mesurer les largeurs de pics dans des spectres XPS, un outil central pour sonder la chimie des surfaces. À l’aide de spectres simulés présentant divers degrés d’asymétrie et de bruit, ils ont comparé les estimations de largeur basées sur FMM avec celles obtenues par des formes de pics courantes comme les modèles gaussien, lorentzien et de type Voigt, ainsi qu’avec des mesures empiriques simples prises directement sur les données. Pour des pics simples, semblables aux exemples de manuel, les modèles traditionnels étaient compétitifs. Mais pour des motifs plus nets, asymétriques ou complexes — en particulier en présence de bruit — la méthode FMM a souvent offert la meilleure combinaison d’ajustement précis et d’estimations fiables de la FWHM. Lorsqu’elle a été appliquée à des spectres réels issus d’une base de données XPS en ligne, le modèle FMM a très bien reproduit les formes globales des pics et produit des valeurs de largeur qui suivaient de près des références empiriques de haute qualité, tout en utilisant moins de paramètres que certains modèles concurrents.

Ce que cela signifie pour les outils scientifiques quotidiens

Concrètement, ce nouveau cadre offre aux chercheurs et cliniciens une manière unifiée de mesurer la largeur des pics et des ondes, même lorsque les signaux proviennent de plusieurs canaux, sont bruités ou ont des formes gênantes. Pour les ECG, il promet des estimations plus cohérentes d’intervalles cliniquement importants comme le QRS et le QT, ce qui pourrait améliorer les diagnostics à la fois pour les moniteurs hospitaliers et les appareils grand public. Pour la XPS, il fournit une méthode robuste pour caractériser les largeurs de pics qui sous-tendent les jugements sur la composition et la qualité des matériaux. Parce que la méthode est solidement fondée mathématiquement, efficace en calcul et adaptable à différents domaines, elle pourrait devenir un bloc de construction pour de futurs outils automatisés d’interprétation des signaux en médecine, en science des matériaux et au-delà.

Citation: Rueda, C., Fernández, I., Canedo, C. et al. Precise peak width estimation for solving key challenges in biosignal and spectral analysis. Sci Rep 16, 13495 (2026). https://doi.org/10.1038/s41598-026-43712-4

Mots-clés: analyse du signal, électrocardiogramme, spectroscopie, largeur de pic, modélisation mathématique