Ali SAAD
Allocation :
Spéc. :
Encadrant(s) : D. LEFEBVRE, M. AYACHE et I. ZAAROUR
Thèse : "Etablissement de modèles de comportement en vue du diagnostic et lde la commande : application à la prévention de la chute chez les parkinsoniens."
Inscription : Septembre 2012
Mél : ali.saad@etu.univ-lehavre.fr
Soutenance : 15 Décembre 2016
Jury :
- Philippe Leray, Professeur Université de Nantes, Rapporteur
- Abdessamad Kobi, Professeur Université d’Angers, Rapporteur
- Ahmed El Hajaji, Professeur Université de Picardie, Examinateur
- Dimitri Lefebvre, Professeur Université du Havre, Directeur
- François Guerin, Docteur Université du Havre, Examinateur
- Mohammad Ayache, Docteur Université Islamique du Liban, Examinateur
- Iyad Zaarour, Docteur Université libanaise, Invité
Résumé :
Détection du risque de chute chez les malades atteints de Parkinson le risque de chute provoqué par le phénomène épisodique de `Freeze of Gait’ (FoG) est un symptôme commun de la maladie de Parkinson. Cette étude concerne la détection et le diagnostic des épisodes de FoG à l’aide d’un prototype multi-capteur. La première contribution est l’introduction de nouveaux capteurs (télémètre et goniomètre) dans le dispositif de mesure pour la détection des épisodes de FoG. Nous montrons que l’information supplémentaire obtenue avec ces capteurs améliore les performances de la détection. La seconde contribution met en œuvre un algorithme de détection basé sur des réseaux de neurones gaussiens. Les performances de cet algorithme sont discutées et comparées à l’état de l’art. La troisième contribution est développement d’une approche de modélisation probabiliste basée sur les réseaux bayésiens pour diagnostiquer le changement du comportement de marche des patients avant, pendant et après un épisode de FoG. La dernière contribution est l’utilisation de réseaux bayésiens arborescents pour construire un modèle global qui lie plusieurs symptômes de la maladie de Parkinson : les épisodes de FoG, la déformation de l’écriture et de la parole. Pour tester et valider cette étude, des données cliniques ont été obtenues pour des patients atteints de Parkinson. Les performances en détection, classification et diagnostic sont soigneusement et évaluées.
Mots clés :
Maladie de Parkinson, Freezing of Gait, Détection, Diagnostic, Système multi-capteurs, Réseau de neurones gaussiens, Réseau Bayésien.