BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//datacraft - ECPv6.15.18//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:datacraft
X-ORIGINAL-URL:https://datacraft.paris
X-WR-CALDESC:Events for datacraft
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Paris
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20200329T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20201025T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20210328T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20211031T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20220327T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20221030T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20210316T140000
DTEND;TZID=Europe/Paris:20210316T170000
DTSTAMP:20260405T064827
CREATED:20210210T145148Z
LAST-MODIFIED:20210224T105408Z
UID:3159-1615903200-1615914000@datacraft.paris
SUMMARY:IA & locomotion : analyse quantifiée de la marche et des troubles locomoteurs
DESCRIPTION:inscription\n			\n				\n				\n				\n				\n				Workshop animé par Charles Truong\, chercheur en machine learning et traitement du signal\, Ecole Normale Supérieure Paris-Saclay.   \nUn 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. \nCet 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. \nNous 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. \nEn fonction des annonces gouvernementales\, cet atelier pourra se tenir entièrement en ligne.
URL:https://datacraft.paris/event/ia-et-locomotion-analyse-des-donnees-de-marche-et-de-course/
LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France
ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris
END:VEVENT
END:VCALENDAR