Analyse de signaux physiologiques pour la prédiction de l'évolution pathologique par intelligence atificielle. Application à la maladie de Parkinson et à l'analyse quantifiée de la marche - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2023

Analysis of physiological signals for the prediction of pathological evolution by artificial intelligence. Application to Parkinson’s disease and quantified gait analysis

Analyse de signaux physiologiques pour la prédiction de l'évolution pathologique par intelligence atificielle. Application à la maladie de Parkinson et à l'analyse quantifiée de la marche

Résumé

This thesis focuses on the prediction of pathological evolution in one-dimensional biomedical signals using artificial intelligence. We used two databases: EMA (Ecological Momentary Assessment) and AQM (Analyse Quantifiée de la Marche). For EMA, the responses of Parkinson’s patients to a question asked several times a day about their overall health were predicted from wearable sensor data (accelerometer and gyroscope). The AQM database includes the kinematics of a number of patients with gait disorders followed longitudinally. Predicting the direction of variation of the GPS (Gait Profile Score), a key AQM indicator of deviation from normal gait, is the focus of our work.Two approaches were considered: image and signal. The image approach involves converting kinematic signals into GAF (Gramian Angular Field), MTF (Markov Transition Field) or 2 D FFT (Two Dimensional Fast Fourier Transform) images. This will make it possible to exploit pre-trained computer vision networks. For the signal approach, several neural networks, such as LSTM (Long Short Term Memory) and time-LSTM, have been developed for this twocase prediction: positive or negative GPS variation.Performance in terms of AUC (Area Under the Curve) exceeds 0.7 for both approaches, which is promising.
Cette thèse s’intéresse à la prédiction de l’évolution pathologique dans des signaux biomédicaux monodimensionnels par intelligence artificielle. Nous avons utilisé deux bases de données : EMA (Ecological Momentary Assessment) et AQM (Analyse Quantifiée de la Marche). Pour EMA, les réponses de patients atteints de la maladie de Parkinson à une question posée plusieurs fois par jour et portant sur leur état de santé global ont été prédites à partir des données de capteurs portables (accéléromètre et gyroscope). La base de données AQM comporte les cinématiques d’un certain nombre de patients présentant des troubles de la marche et suivis d’une manière longitudinale. La prédiction du sens de la variation du GPS (Gait Profile Score), un indicateur clé de l’AQM indiquant la déviation par rapport à une marche normale, est le centre de nos travaux. Deux approches ont été considérées : image et signal. L’approche image consiste à convertir les signaux des cinématiques en des images GAF (Gramian Angular Field), MTF (Markov Transition Field) ou 2 D FFT (Two Dimensional Fast Fourier Transform). Cela permettra d’exploiter les réseaux pré-entraînés de vision par ordinateur. Pour l’approche signal, plusieurs réseaux de neurones, comme les LSTM (Long Short Term Memory) et les time-LSTM, ont été développés pour cette prédiction résumée àdeux cas de figure : une variation positive ou négative du GPS. Les performances en termes d’AUC (Area Under the Curve) dépassent les 0.7 pour les deux approches, ce qui est prometteur.
Fichier principal
Vignette du fichier
These-2023-SVS-Analyse_et_traitement_de_l_information_et_des_images_medicales-BEN_CHAABANE_Nawell.pdf (3.6 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-04547276 , version 1 (15-04-2024)

Identifiants

  • HAL Id : tel-04547276 , version 1

Citer

Nawel Ben Chaabane. Analyse de signaux physiologiques pour la prédiction de l'évolution pathologique par intelligence atificielle. Application à la maladie de Parkinson et à l'analyse quantifiée de la marche. Intelligence artificielle [cs.AI]. Université de Bretagne occidentale - Brest, 2023. Français. ⟨NNT : 2023BRES0085⟩. ⟨tel-04547276⟩
0 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More