Workshop animé par Charles Truong, chercheur en machine learning et traitement du signal, Ecole Normale Supérieure Paris-Saclay.  

Un défi majeur de la médecine clinique est la détection, chez les personnes de plus de soixante ans, de l’apparition d’un état de pré-fragilité. Depuis 1980, de nombreuses études ont montré, que si une personne pré-fragile peut revenir à l’état robuste, en revanche, un état fragile est difficilement réversible. Les troubles neurologiques affectant la marche sont des marques importantes de la pré-fragilité. C’est pourquoi de nombreux chercheurs étudient actuellement des méthodes de quantification de la locomotion humaine.

Cet atelier sera l’occasion de détailler les algorithmes les plus récents pour extraire des descripteurs cliniquement interprétables, basés notamment sur la forme des pas (“footstep”) et le régime de marche (marche rapide, lente, demi-tour). Ces techniques, entre le machine learning et le traitement du signal, reposent notamment sur des méthodes de détection de ruptures et des méthodes de détection de motifs récurrents.

Nous présenterons également des procédures pour intégrer des labels fournis par les cliniciens pour améliorer la performance des algorithmes. Nous utiliserons des données réelles récoltées en milieu hospitalier sur des sujets sains et pathologiques.

En fonction des annonces gouvernementales, cet atelier pourra se tenir entièrement en ligne.