Comprendre
Comprendre le mouvement
Aide au diagnostic et suivi des patients atteints de paralysie cérébrale
Le développement de l’IA au service de la santé ouvre des perspectives prometteuses pour l’amélioration de la qualité des soins, une prise en charge personnalisée, mais aussi une aide à la décision médicale améliorée. L’utilisation d’algorithmes d’apprentissage statistique pourrait ainsi révolutionner le domaine de l’imagerie médicale. Le projet AI4Child se concentre sur le développement de nouvelles méthodes d’analyse d’images médicales pour l’aide au diagnostic et le suivi des patients atteints de paralysie cérébrale. AI4Child ambitionne de développer de nouveaux outils reposant sur l’IA afin d’améliorer la phase de diagnostic précoce à partir de données IRM cérébrales du prématuré et d’assurer une meilleure prise en charge des enfants atteints. Les travaux de recherche seront menés à IMT Atlantique et au CHRU de Brest, en partenariat avec la société Philips et la Fondation Ildys, sous la supervision de François Rousseau (ERC Starting Grant 2008), professeur au département Image et Traitement de l’Information d’IMT Atlantique et chercheur au laboratoire de traitement de l’information médicale (LaTIM Inserm U1101). Le projet AI-4-Child est soutenu par l’Agence Nationale de Recherche (ANR).
Application d’apprentissage profond pour la détection automatique des évènements de marche.
DeepEvent est une application reposant sur les réseaux de neurones récurrents, qui a été développée pour la détection automatique des évènements de marche. Le réseau utilise la position et la vitesse 3D des marqueurs posés sur la malléole externe, le calcanéum et le 2ème métatarse pour estimer la pose (PP) et le décollement (DP) du pied. La méthode a été développée à partir de 10526 PP et 9375 DP provenant de 226 enfants avec handicap moteur. L’erreur de prédiction est de 5.5 ms pour PP et 10.7 ms pour DP. DeepEvent est plus précis que les algorithmes basés sur les trajectoires habituellement utilisés en analyse du mouvement.