Évaluation précoce du développement des enfants prématurés par analyse quantitative des mouvements généraux et estimation de la pose 3D par apprentissage profond - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2023

Évaluation précoce du développement des enfants prématurés par analyse quantitative des mouvements généraux et estimation de la pose 3D par apprentissage profond

Early Developmental Evaluation Of Premature Infants With Quantitative General Movements Assessment Using Deep Learning Based 3D Pose Estimation

Ameur Soualmi
  • Fonction : Auteur
  • PersonId : 1368957
  • IdRef : 276705548

Résumé

The General Movement assessment (GMA) is a validated assessment of premature infants’ brain maturation based on the qualitative analysis of the complexity, variability, and fluidity of infants’ spontaneous movements. The GMA can identify preterm infants presenting an early abnormal developmental trajectory before term-equivalent age, which permits a personalized early developmental intervention. However, GMA is time-consuming and subjective. In this thesis, we introduce the AGMA study for automatic general movements assessment, based on a dataset of 282 videos from 129 preterm infants, born before 33 weeks of gestational age (GA) and hospitalized in the Neonatology department of the Centre Hospitalier Universitaire de Saint-Etienne, France. Over 88k images from this dataset were used to fine-tune state-of-the-art deep learning models for 2D infant pose estimation task. Then, based on the new stereoscopic 3D pose estimation framework presented in this study, we achieved a mean error of 1.72 cm in the 3D infant pose estimation on 18000 stereoscopic images. These deep-learning models were used to create a software that automatically selects general movements sequences from long video recordings. Furthermore, the research introduced a novel quantitative parameter called Mean 3D Dispersion (M3D), based on a new spherical representation method, able to identify infants displaying abnormal movements with 73% accuracy. This thesis addresses the present-day challenges for automatically assessing infants’ general movements and makes a step further toward early predicting infants’ neurodevelopmental outcome.
L’analyse de l’activité motrice spontanée de l’enfant prématuré est une évaluation validée de la maturation cérébrale de l’enfant. Elle est basée sur l’analyse qualitative de la complexité, la variabilité, et la fluidité, de l’activité motrice spontanée. Cette méthode peut identifier de manière précoce les nourrissons prématurés présentant une trajectoire de développement anormale, ce qui permet une intervention précoce et personnalisée. Cependant, cette méthode est chronophage et subjective. Dans cette thèse, nous présentons l’étude AGMA pour l’automatisation de l’analyse de la motricité spontanée, basée sur une base de données qui contient 282 vidéos de 129 nourrissons prématurés, nés avant 33 semaines d’aménorrhée, hospitalisés dans le service de néonatalogie du Centre Hospitalier Universitaire de Saint-Étienne. Plus de 88 000 images de cet ensemble de données ont été utilisées pour réentraîner les plus récents réseaux d’apprentissage profond afin d’estimer la posture 3D des enfants avec une erreur moyenne de 1,72 cm. Ces réseaux d’apprentissage profond ont ensuite été utilisés pour créer un logiciel de sélection automatique des séquences d’analyse de la motricité spontanée des enfants prématurés. De plus, nous avons introduit un nouveau paramètre quantitatif appelé 3D Mean Dispersion capable de discriminer les mouvements normaux et anormaux des nourrissons. Ce paramètre permet d’identifier les nourrissons présentant des mouvements anormaux avec une précision de 73%. Cette thèse répond aux défis actuels de l’évaluation automatique des mouvements généraux des enfants prématurés et constitue une avancée significative dans ce domaine.
Fichier principal
Vignette du fichier
These-Soualmi-Ameur-2023.pdf (11.34 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-04563914 , version 1 (30-04-2024)

Identifiants

  • HAL Id : tel-04563914 , version 1

Citer

Ameur Soualmi. Évaluation précoce du développement des enfants prématurés par analyse quantitative des mouvements généraux et estimation de la pose 3D par apprentissage profond. Image Processing [eess.IV]. Université Jean Monnet - Saint-Etienne, 2023. English. ⟨NNT : 2023STET0058⟩. ⟨tel-04563914⟩
0 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More