Nous avons au cours de cette thèse contribué à l’analyse automatique des capacités motrices de sujets âgés fragiles en temps réel, par l’utilisation d’un dispositif innovant. Faisant partie du projet e-Santé “STREAM” sélectionné et financé par le Ministère de l’Economie, des Finances et de l’Industrie dans le cadre des “Investissements d’avenir”, cette thèse a pour objectif de faciliter l’in-dépendance fonctionnelle des personnes âgées. Ceci par le développement d’un système grand public permettant l’évaluation systématique du suivi des capacités fonctionnelles des personnes âgées vivant à domicile.
Une étude approfondie de la littérature sur l’évaluation de l’équilibre chez les personnes âgées a permis de déterminer l’ensemble des mouvements à effectuer permettant l’évaluation du niveau fonctionnel des patients, notamment des personnes âgées fragiles. Ces mouvements constituent un test simple et validé cliniquement : le Timed Up and Go (TUG). Ce test ne prend que quelques secondes pour chaque patient. Il ne comprend pas de manœuvres complexes et ne présente aucun risque pour le sujet âgé. En outre, il ne nécessite pas de placer des marqueurs ou des capteurs sur le corps du patient. Nous avons ensuite identifié les paramètres spatio-temporels permettant de quantifier l’état d’équilibre d’un sujet : l’angle du tronc, le ratio, la courbure et la durée du mouvement pour chacun des transferts Assis-Debout (TAD) et Debout-Assis (TDA), ainsi que le temps du TUG.
Afin de pouvoir estimer ces paramètres, il suffit de déterminer les positions 3D de quelques arti-culations dans le corps. Ainsi, de l’état de l’art concernant le suivi de mouvement 3D, nous avons identifié le capteur répondant aux exigences du projet STREAM telles que la simplicité d’utilisa-tion, le bas coût, l’adaptation à la vie quotidienne et l’absence des marqueurs.
Ensuite, nous avons détaillé les étapes menant au développement du système d’analyse auto-matique des mouvements 3D dans le cadre du test clinique TUG en temps réel pour l’évaluation de l’équilibre chez les personnes âgées. Les données des squelettes 3D fournis par le SDK de Kinect sont acquises et enregistrées lors de la réalisation de TUG pour calculer les positions 3D des certaines articulations, les 9 paramètres spatio-temporels.
Trois expériences ont été réalisées sur des personnes jeunes et âgées, fragiles et non fragiles, dans différents environnements. L’objectif principal de ces expériences est d’évaluer la fiabilité de l’analyse automatique des capacités motrices de personnes âgées fragiles par l’utilisation de notre dispositif, de tester son intégration et son adaptation dans les environnements suivants : domicile, laboratoire et hôpital de jour gériatrique. L’objectif secondaire est, d’un point de vue plus théorique, de mieux comprendre la désorganisation du mouvement, associée à une dégradation du contrôle moteur de la personne âgée fragile. Cette analyse est possible par l’interprétation des caractéristiques cinématiques du TAD et du TDA. Cette meilleure compréhension est inté-ressante pour déterminer, parmi les 9 paramètres spatio-temporels, les plus liés aux capacités fonctionnelles du patient et pour mesurer l’influence de la fragilité motrice liée à l’âge. Ceci nous permettra de pondérer les différents paramètres et ainsi attribuer une note de contrôle moteur.
Les résultats des expériences n◦1 ont montré une bonne fiabilité des mesures des paramètres. De plus, il existe une cohérence entre les résultats obtenus par notre système et ceux de la littéra-ture. Les expériences n◦2 ont été réalisées sur 10 personnes jeunes (GJ) et 10 personnes âgées fragiles (GF). Celles effectuées sur les personnes âgées se sont déroulées au domicile de cha-cun d’entre eux. L’hétérogénéité des domiciles implique une variation de conditions d’éclairage, de surface et de la position des meubles. Les résultats ont montré qu’il existe des différences significatives entre le GF et le GJ au niveau de trois paramètres cinématiques : l’angle du tronc du TDA, le temps du TUG et l’angle du tronc du TAD. De plus, la fragilité motrice semble avoir un impact prédominant sur l’angle du tronc et le ratio du TAD. Ceci pourrait être expliqué par des modifications lors de la planification motrice chez ces patients.
Afin de valider ces derniers résultats, nous avons étudié l’impact du vieillissement sur les proces-sus de planification motrice à travers les caractéristiques cinématiques du TAD et du TDA chez 60 personnes âgées (35 personnes fragiles : GF ; 25 personnes non fragiles). Les expériences ont révélé que les patients ayant un faible niveau fonctionnel sont également ceux qui ont un plus petit angle d’inclinaison du tronc pendant le TDA. Cette corrélation est beaucoup plus marquée chez le GF. Nous suggérons que cette diminution de l’angle d’inclinaison du tronc pendant le TDA est un indicateur pertinent d’une décompensation motrice.
Pour pallier certains problèmes rencontrés lors des tests à l’hôpital de jour gériatrique, nous avons proposé une chaîne de traitement vidéo permettant d’augmenter la robustesse du système. Une des principales contributions de cette chaîne est le développement d’une nouvelle méthode pour améliorer la détection de la position assise en se basant sur un ensemble de descripteurs. Une base de données a été mise en place avec 1611 vecteurs d’apprentissage. Afin d’évaluer cette méthode, 12 personnes de différentes tailles ont effectué une série de TUG dans différentes conditions : 2 personnes dans le champ de vision de Kinect, une inclinaison du tronc très grande, des vêtements amples, des membres inférieurs tout à fait collés, des changements d’éclairage et d’environnement. Les résultats montrent l’efficacité du classifieur à séparer les deux classes position assise et non-assise (0.67% d’erreur avec 6504 vecteurs de test).
Une autre contribution significative de notre travail est la mise en place d’une méthode de seg-mentation de la région de peau. Nous avons défini des nouvelles contraintes permettant d’extraire les régions de la peau de façon plus robuste face à certaines conditions telles que les change-ments de luminosité, la distance par rapport au capteur et lorsque les couleurs de vêtechange-ments ou d’arrière-plan sont semblables à la couleur de peau. Nous avons combiné 2 espaces couleur : le
˜
H∆S˜∆L˜∆du modèle CoLIP et le RGB. Cette étape permet de réduire la zone de recherche des personnes dans l’image et facilite la détection de la tête.
Enfin nous avons effectué une comparaison entre les performances de notre système amélioré avec celles de la version initiale. 94 expériences ont été réalisées sur des sujets jeunes dans différentes conditions. Les résultats ont montré une bonne amélioration dans les performances du nouveau système avec un taux de réussite (analyse du TUG accomplie) de 100%. La version initiale présente elle, un taux de réussite de 57.44%.
En conclusion, notre dispositif final permet de réaliser automatiquement l’évaluation des capaci-tés fonctionnelles et de maintenir l’autonomie des personnes âgées à domicile. Il répond bien à l’objectif initial du projet ainsi qu’aux différentes contraintes exigées.
Les perspectives de ce travail sont multiples. En effet, le système final a été validé sur une popu-lation de personnes jeunes. Il est intéressant de le tester sur une popupopu-lation large de personnes
âgées (des patients) dans différents environnements. Cette étude pourrait montrer si notre sys-tème permet une évaluation fiable de la fonction motrice pour une population plus large. L’objectif serait de proposer ce système à domicile pour suivre les évolutions suite à une hospitalisation par exemple. Il est donc intéressant de réaliser des expérimentations se déroulant sur une longue période de manière à permettre d’effectuer un suivi longitudinal, dans le temps, des capacités fonctionnelles du patient. Cela pourrait permettre de vérifier la capacité de notre système à détec-ter des évolutions dans son niveau fonctionnel. De plus, ces expériences sont nécessaires pour valider l’acceptabilité du système à plus grande échelle.
Les expériences n◦1 ont montré que lors de la réalisation du TUG en double tâche par des sujets jeunes, il y avait une différence significative entre la condition normale et la condition cognitive : même les sujets jeunes utilisent un contrôle cognitif lors de la réalisation des tâches très automa-tiques. Afin de valider ce résultat sur une population plus large, les travaux futurs seront menés sur l’analyse des transferts TAD et TDA en fonction des conditions du TUG (normale, motrice et cognitive) chez les jeunes et aussi chez les personnes âgées. L’objectif est aussi de mesurer l’in-fluence de la double tâche sur la planification motrice pendant ces 2 transferts chez les personnes âgées. En effet, la planification motrice lors de la réalisation des activités fonctionnelles en double tâche peut être altérée chez les personnes âgées, reflétant une fragilité motrice. De plus, pendant le vieillissement, une implication cognitive est nécessaire lors d’une tâche motrice. Cette analyse pourrait permettre de générer une nouvelle note de contrôle moteur en tenant compte de l’impact de chaque condition sur la planification motrice.
Dans l’optique d’une continuité des recherches sur l’évaluation des capacités fonctionnelles, nous envisageons d’intégrer des analyses des autres tests cliniques. Nous pouvons citer le test de l’appui unipodal, le relevé de sol et l’élévation rapide des 2 membres supérieurs qui permettent une évaluation qualitative de la fonction d’équilibration [68]. De plus, le test SPPB est utilisé en médecine gériatrique dans de nombreux endroits en France pour évaluer la performance physique du sujet. Il regroupe des tests (test d’équilibre, test de vitesse de marche et test de lever de chaise) correspondants aux objectifs de notre étude. Il serait donc intéressant de reproduire une analyse automatique de ce test. Un nouvel ensemble de paramètres sera ainsi mis en test évalué pour décider par la suite de sa pertinence. Il sera également nécessaire d’identifier les relations qui peuvent exister entre certains paramètres et les scores cliniques habituellement utilisés.
D’un autre côté, nous souhaitons améliorer le module d’extraction automatique de la région de peau. Nous pensons à modéliser et approfondir les résultats obtenus pour la détection de peau en utilisant d’autres bases de données disponibles. Cette approche peut être intégrée dans d’autres applications intéressantes telles que l’identification des personnes, l’analyse et la reconnaissance des émotions faciales.
D’un point de vue technologique, la version 1 du Kinect n’est plus disponible sur le marché. Nous pensons à s’orienter vers la version 2 du capteur. Cette nouvelle version permet de suivre jusqu’à 25 articulations du corps (par rapport à 20 avec le Kinect 1). Les positions d’articulations suivies sont plus anatomiquement correctes et stables. Avec une plus grande fidélité de profondeur et une amélioration dans la réduction de bruit, le Kinect 2 donne une meilleure visualisation 3D et permet de détecter les petits objets plus clairement. En plus de permettre au Kinect de capter dans l’obscurité, les nouvelles capacités IR produisent une vue d’éclairage indépendant et per-mettent d’utiliser l’IR et la couleur en même temps. En outre, le SDK de Kinect 2.0 permet de créer des applications qui prennent en charge la reconnaissance des gestes et de la voix. Ces
nouvelles fonctionnalités pourraient améliorer l’ergonomie d’utilisation du système par des com-mandes vocales par exemple. Il est aussi possible de rendre ce dispositif générique en l’adaptant à d’autres capteurs remplaçant le Kinect.
Le système développé est intéressant pour alerter d’une fragilisation de second niveau (préven-tion secondaire). Nous visons ainsi à mettre la note de contrôle moteur à disposi(préven-tion des per-sonnes âgées à domicile : cette note sera affichée sur l’interface utilisateur du système. Nous cherchons aussi à rendre le système utilisable par les professionnels de santé tels que le mé-decin généraliste et qu’ils puissent le mettre chez les patients pour servir à déclencher des si-gnaux d’alerte de second niveau. Il convient également de mettre en place une interface Homme-Machine optimisée ergonomiquement afin de faciliter son utilisation par la personne âgée et par le professionnel de santé. La prise en considération des recommandations des utilisateurs dans la conception de l’interface utilisateur pourrait augmenter le niveau de fiabilité et d’acceptabilité du système. Nous envisageons enfin d’effectuer une étude de l’acceptabilité du dispositif à domi-cile en condition d’usages. En effet, l’acceptabilité est un facteur clef pour intégrer de nouvelles technologies chez les personnes âgées. Ces technologies seraient donc inutiles s’il n’y avait pas de réelle prise en compte des besoins, des craintes et des aspirations des personnes.
BIBLIOGRAPHIE
[1] “Investissements d’Avenir : 14 projets sélectionnés dans le cadre de l’appel à projets “santé et autonomie sur le lieu de vie grâce au numérique”.” http://www.entreprises.gouv.fr/files/ files/directions_services/secteurs-professionnels/economie-numerique/e-sante/cp506.pdf. [2] D. Hamerman, “Toward an understanding of frailty,” Annals of Internal Medicine, vol. 130,
pp. 945–950, June 1999.
[3] X. Chen, G. Mao, and S. X. Leng, “Frailty syndrome : an overview,” Clinical Interventions in Aging, vol. 9, pp. 433–441, Mar. 2014.
[4] L. Fried, C. Tangen, J. Walston, A. Newman, C. Hirsch, J. Gottdiener, T. Seeman, R. Tracy, W. Kop, G. Burke, M. McBurnie, and Cardiovascular Health Study Collaborative Research Group, “Frailty in older adults : evidence for a phenotype,” The journals of gerontology. Series A, Biological sciences and medical sciences, vol. 56, pp. M146–156, Mar. 2001. [5] G. Ellis, M. A. Whitehead, D. O’Neill, P. Langhorne, and D. Robinson, “Comprehensive
geriatric assessment for older adults admitted to hospital,” The Cochrane Database of Sys-tematic Reviews, no. 7, 2011.
[6] N. Noury, G. Virone, J. Ye, V. Rialle, and J. Demongeot, “Nouvelles directions en habitats intelligents pour la santé,” ITBM-RBM, vol. 24, pp. 122–135, June 2003.
[7] N. Noury, A. Fleury, R. Nocua, J. Poujaud, C. Gehin, A. Dittmar, G. Delhomme, J. Demon-geot, and E. McAdam, “Capteurs pour la télésurveillance médicale. Capteurs, algorithmes et réseaux,” IRBM, vol. 30, pp. 93–103, June 2009.
[8] W. Bourennane, Y. Charlon, F. Bettahar, E. Campo, and D. Esteve, “Homecare monitoring system : A technical proposal for the safety of the elderly experimented in an Alzheimer’s care unit,” IRBM, vol. 34, pp. 92–100, Apr. 2013.
[9] “SALVEO : UN SYSTEME INTELLIGENT DE SUIVI ET DE TELEASSISTANCE DE PER-SONNES AGEES VIVANT SEULES A DOMICILE.” https://www.pervaya.com/.
[10] L. Nicolas, A. Franco, H. Provost, L. Amico, M. Berenguer, F. Lombard, J. Tyrrell, P. Coutu-rier, J. L. Bosson, S. Wernert, D. Schnee, D. Basset, A. Chemarin, and M. Frossard, “Té-léassistance en hospitalisation à domicile : Le programme ViSaDom,” La Presse Médicale, vol. 34, pp. 1059–1064, Sept. 2005.
[11] D. Istrate, M. Vacher, J. F. Serignat, L. Besacier, and E. Castelli, “Système de télésur-veillance sonore pour la détection de situations de détresse,” ITBM-RBM, vol. 27, pp. 35–45, May 2006.
[12] P.-Y. Durand, J. Chanliau, A. Mariot, M. Kessler, J.-P. Thomesse, L. Romary, F. c. Charpillet, and R. Hervy, “Telemedicine and dialysis,” in 3rd International Workshop on Enterprise Net-working and Computing in Health care Industry - HealthCom’2001, p. 4 p, June 2001. [13] “Téléalarme intelligente vivago - comment fonctionne la montre vivago ?.” http://www.vivago.
[14] C. Schroeter, S. Mueller, M. Volkhardt, E. Einhorn, C. Huijnen, H. van den Heuvel, A. van Berlo, A. Bley, and H.-M. Gross, “Realization and user evaluation of a companion robot for people with mild cognitive impairments,” in 2013 IEEE International Conference on Robotics and Automation (ICRA), pp. 1153–1159, May 2013.
[15] D. Lopez Recio, L. Marquez Segura, E. Marquez Segura, and A. Waern, “The NAO models for the elderly,” in 2013 8th ACM/IEEE International Conference on Human-Robot Interac-tion (HRI), pp. 187–188, Mar. 2013.
[16] “Nao, le futur robot compagnon intègrera des fonctions de téléassistance.” http://www. silvereco.fr/nao-le-futur-robot-compagnon-integrera-des-fonction-de-teleassistance/ 31548.
[17] P. Hoppenot, M. Pino, A. S. Rigaud, A. Ozguler, G. Dubey, and G. Cornet, “Projet QuoVA-Dis : aide à distance à la vie quotidienne pour des personnes atteintes de troubles cognitifs,” IRBM, vol. 32, pp. 172–175, June 2011.
[18] Y. H. Wu, J. Wrobel, V. Cristancho-Lacroix, L. Kamali, M. Chetouani, D. Duhaut, B. Le Pe-vedic, C. Jost, V. Dupourque, M. Ghrissi, and A. S. Rigaud, “Designing an assistive robot for older adults : The ROBADOM project,” IRBM, vol. 34, pp. 119–123, Apr. 2013.
[19] T. Jacobs and B. Graf, “Practical evaluation of service robots for support and routine tasks in an elderly care facility,” in 2012 IEEE Workshop on Advanced Robotics and its Social Impacts (ARSO), pp. 46–49, May 2012.
[20] M. Montemerlo, J. Pineau, N. Roy, S. Thrun, and V. Verma, “Experiences with a Mobile Robotic Guide for the Elderly,” in Eighteenth National Conference on Artificial Intelligence, (Menlo Park, CA, USA), pp. 587–592, American Association for Artificial Intelligence, 2002. [21] J. Broekens, M. Heerink, and H. Rosendal, “Assistive social robots in elderly care : a review,”
Gerontechnology, vol. 8, pp. 94–103, Apr. 2009.
[22] N. Noury, G. Virone, P. Barralon, V. Rialle, and J. Demongeot, “Maisons intelligentes pour personnes âgées : technologies de l’information intégrées au service des soins à domicile,” J3eA, vol. 3, no. HORS SÉRIE 1, p. 12, 2004.
[23] D. Ding, R. A. Cooper, P. F. Pasquina, and L. Fici-Pasquina, “Sensor technology for smart homes,” Maturitas, vol. 69, pp. 131–136, June 2011.
[24] D. Cook, “Learning Setting-Generalized Activity Models for Smart Spaces,” IEEE Intelligent Systems, vol. 27, pp. 32–38, Jan. 2012.
[25] L. C. De Silva, C. Morikawa, and I. M. Petra, “State of the art of smart homes,” Engineering Applications of Artificial Intelligence, vol. 25, pp. 1313–1321, Oct. 2012.
[26] N. K. Suryadevara, S. C. Mukhopadhyay, R. Wang, and R. K. Rayudu, “Forecasting the be-havior of an elderly using wireless sensors data in a smart home,” Engineering Applications of Artificial Intelligence, vol. 26, pp. 2641–2652, Nov. 2013.
[27] J. Demongeot, G. Virone, F. DuchÃłne, G. Benchetrit, T. Hervé, N. Noury, and V. Rialle, “Multi-sensors acquisition, data fusion, knowledge mining and alarm triggering in health smart homes for elderly people,” Comptes Rendus Biologies, vol. 325, pp. 673–682, June 2002.
[28] N. Noury and V. Rialle, “Habitat intelligent pour la santé : systèmes et équipements,” Tech-niques de l’ingénieur. Télécoms, vol. TEB1, no. IN9, pp. IN9.1–IN9.10, 2003.
[29] “Une caméra intelligente pour surveiller la maison.” http://www.mag-maison-intelligente.fr/ camera-intelligente-surveillance-maison/.
[30] http://global.kawada.jp/.
[31] http://world.honda.com/ASIMO/.
[32] N. Noury, T. Herve, V. Rialle, G. Virone, E. Mercier, G. Morey, A. Moro, and T. Porcheron, “Monitoring behavior in home using a smart fall sensor and position sensors,” in Microtech-nologies in Medicine and Biology, 1st Annual International, Conference On. 2000, pp. 607– 610, 2000.
[33] V. Rialle, N. Noury, and T. Hervé, “An experimental health smart home and its distributed internet-based information and communication system : first steps of a research project,” Studies in Health Technology and Informatics, vol. 84, no. Pt 2, pp. 1479–1483, 2001. [34] “Habitat Intelligent pour la Santé : favoriser le maintien à domicile.” http://www2.cnrs.fr/
presse/thema/387.htm.
[35] N. Noury, “AILISA : experimental platforms to evaluate remote care and assistive technolo-gies in gerontology,” in Proceedings of 7th International Workshop on Enterprise networking and Computing in Healthcare Industry, 2005. HEALTHCOM 2005, pp. 67–72, June 2005. [36] N. Noury and a. (au nom de l’équipe du projet ailisa), “Ailisa plateformes d’évaluations pour
des technologies de télésurveillance médicale et d’assistance en gérontologie,” Gérontolo-gie et Société, vol. 113, pp. 97–119, 2005.
[37] N. Noury, A. Dittmar, C. Corroy, R. Baghai, J. Weber, D. Blanc, F. Klefstat, A. Blinovska, S. Vaysse, and B. Comet, “wearable microsystems embedded in a cloth for remote monito-ring of physiological signs and activity of a patient - the vtamn project,” Radiomatics Journal on Communication Engineering, 2004.
[38] S. Intille, “Designing a home of the future,” IEEE Pervasive Computing, vol. 1, pp. 76–82, Apr. 2002.
[39] S. S. Intille, K. Larson, E. M. Tapia, J. S. Beaudin, P. Kaushik, J. Nawyn, and R. Rockinson, “Using a Live-in Laboratory for Ubiquitous Computing Research,” in Proceedings of the 4th International Conference on Pervasive Computing, PERVASIVE’06, (Berlin, Heidelberg), pp. 349–365, Springer-Verlag, 2006.
[40] M. Vacher, D. Istrate, F. Portet, T. Joubert, T. Chevalier, S. Smidtas, B. Meillon, B. Lecou-teux, M. Sehili, P. Chahuara, and S. Méniard, “The sweet-home project : audio technology in smart homes to improve well-being and reliance,” Conference proceedings :Annual In-ternational Conference of the IEEE Engineering in Medicine and Biology Society. IEEE En-gineering in Medicine and Biology Society. Annual Conference, vol. 2011, pp. 5291–5294, 2011.
[41] N. Zouba, F. Bremond, M. Thonnat, A. Anfosso, E. Pascual, P. Malléa, V. Mailland, and O. Guerin, “A computer system to monitor older adults at home : Preliminary results,” Ge-rontechnology, vol. 8, July 2009.
[42] M. Skubic, G. Alexander, M. Popescu, M. Rantz, and J. Keller, “A smart home application to eldercare : current status and lessons learned,” Technology and Health Care : Official Journal of the European Society for Engineering and Medicine, vol. 17, no. 3, pp. 183–201, 2009.
[43] P. Wolf, A. Schmidt, and M. Klein, “SOPRANO - An extensible, open AAL platform for elderly people based on semantical contracts,” in 3rd Workshop on Artificial Intelligence Techniques for Ambient Intelligence (AITAmI’08), 18th European Conference on Artificial Intelligence (ECAI 08), Patras, Greece, 2008.
[44] H. Pigot, B. Lefebvre, J. Meunier, B. Kerhervé, A. Mayers, and S. Giroux, “The role of intel-ligent habitats in upholding elders in residence,” in 5thinternational Conference On Simula-tions in Biomedecine, pp. 497–506, Apr. 2003.
[45] R. Steele, A. Lo, C. Secombe, and Y. K. Wong, “Elderly persons’ perception and acceptance of using wireless sensor networks to assist healthcare,” International Journal of Medical Informatics, vol. 78, pp. 788–801, Dec. 2009.
[46] F. B. Horak, “Postural orientation and equilibrium : what do we need to know about neural