Detection of neuropsychiatric disorders based on motion capture and machine learning

Défense de mémoire de Steven Von Haus

Ces dernières années, la capture de mouvement s’est popularisée dans de nombreux domaines et s’est meme installée dans nos salons, avec des capteurs comme la Kinect. Dans le secteur médical, les systèmes informatisés fournissant une assistance pour le diagnostic sont en pleine émergence tout comme les applications capables de détecter des comportements anormaux. Le principal objectif de ce mémoire est d’étudier la faisabilité de détecter un trouble dépressif mais également d’autres troubles neuropsychiatriques, à l’aide de captures de mouvement et d’algorithmes d’apprentissage automatique, dans le but de diagnostiquer, prévenir et intervenir. `A cette fin, de larges ensembles de données ont été récoltés parmi différents sujets en utilisant la deuxième version de la Kinect. Ces données reprennent la position et l’orientation des articulations du corps, des mesures dans le temps mais également d’autres variables significatives. Par la suite, ces données seront envoyées à un algorithme d’apprentissage automatique, dans le but de générer des forets d’arbres décisionnels capables de détecter des troubles neuropsychiatriques avec de nouveaux sujets qui n’ont jamais été observés auparavant.

Mots clés : Trouble Neuropsychiatrique, Dépression, Aide au Diagnostic, Capture de Mouvement, Kinect, Suivi du Squelette, Apprentissage automatique, Foret d’Arbres Décisionnels.

Contact : Isabelle Daelman - 4966 - isabelle.daelman@unamur.be
Télecharger : vCal