Le projet n’a pas chômé ces derniers mois ! Comme annoncé lors de nos dernières actualités, nos partenaires et nous avons pu commencer le travail, et notre Expert en Ingénierie Logicielle a effectivement été recruté, bienvenue à Lucas Detto !
Axe 1 : Évaluation fine de la mobilité du patient en RV (LCOMS,DEVAH)
En parallèle du projet MAIF, nous avons un financement de thèse sur le sujet de « l’évaluation fin de la mobilité de patient âgé ». Kaoutar El Ghabi a été recrutée sur cette thèse et son travail consistera à traiter l’ensemble des données issues des essais par des méthodes de deep learning. Dans une première phase elle a fait un gros travail de bibliographie autour de l’évaluation de la mobiblité de la personne agée. Un article de revue intitulé « Mobility Assessment for Healthy Older Adults: A Systematic Review » est en cours d’évaluation.
Elle travaille maintenant sur le traitement des données brutes issues des IMUs pour les mettre en forme en fonction des modèles de deep learning utilisés.
Comme les outils numériques ne sont pas encore opérationnels, elle a besoin de données pour commencer à étudier les différentes méthodes de machine learning/deep learning utilisables dans la cadre de sa recherche. Pour cela nous avons réalisés une collaboration avec l’Université de Kiel pour l’accès à sa base de données de mouvement de personnes agées (notamment différents tests de marche, et activités quotidiennes).
Depuis la dernière fois, nous avons rajeuni notre matériel en achetant la dernière génération pour qu’il soit plus léger et efficace. Afin de garantir la continuité de l’écosystème, nous avons gardé le constructeur Vive. Nous avons donc changé notre Vive Pro pour un Vive XR Elite. Il est beaucoup plus léger que l’ancien, avec une meilleure qualité d’image, permet la réalité augmentée et surtout une capacité de suivi du regard, que nous espérons être une donnée très utile pour nos expériences. Avec cela, nous avons aussi changé les trackers du corps, pour des trackers optiques nouvelle génération, plus légers. Et tout cela sans balises externes et manettes, en espérant que ce matériel moins contraignant soit plus agréable pour les patients.
Afin d’évaluer les potentielles différences de comportement en réalité augmentée et en réalité virtuelle, nous avons modélisé en 3D notre salle d’expérience au LCOMS. Voici un petit aperçu du prototype en vidéo avec le nouveau matériel, lors d’un exercice d’enjambement d’obstacles :
Nous cherchons maintenant à définir le protocole expérimental exact afin de pourvoir commencer à faire des essais en vue de la prise de données réelles.
Axe 2 : Remobilisation du patient via exergame VR/XR (Mist Studio, Dinertia, LCOMS, Staps)
Notre partenaire Mist Studio en partenariat avec le laboratoire 2LPN a réalisé un étude en vue définir l’univers graphique adapté à notre population cible. Cette étude est en cours de publication. Cette étude centrée utilisateur utilisant la technique des « focus groups » a permis d’orienter plus précisément les choix artistiques de l’univers du jeu sérieux de remobilisation.
En vue de proposer une application de remobilisation du patient en autonomie chez lui, nous cherchons à développer un prototype de reconnaissance de pose humaine afin d’offrir au patient un feedback sur des exercices. Nous avons ainsi travaillé sur deux axes :
Une collaboration avec la société Dinertia, spécialisée dans les séances de kinésithérapie en télé-consultation, afin d’obtenir des enregistrements de mouvements d’exercices faits par des professionnels, ainsi qu’une application permettant la visualisation et la manipulation de ceux-ci.
Comme mentionné dans nos précédentes actualités, un sujet de projet a été proposé à un étudiant de l’école d’ingénieur Télécom Nancy, portant sur la remobilisation légère à l’aide d’une webcam et reconnaissance de posture à l’aide d’outils issus de l’IA. Le rendu de ce projet est une application permettant de détecter la posture à l’aide d’IA sur deux caméras en vue stéréoscopique, puis de combiner les deux images 2D des postures pour créer une posture complète en 3D.
L’objectif actuel serait de pouvoir obtenir la posture du patient par IA, afin de comparer celle-ci à la posture des exercices de Dinertia, pour donner un retour au patient : levez le bras, jambe tendue etc… Nous sommes en train d’essayer d’améliorer la précision de la reconnaissance de posture pour pouvoir avoir une comparaison plus fidèles avec les références.
Axe 3 : Suivi de mobilité patient en autonomie (Cybernano)
Notre partenaire Cybernano poursuit ses travaux sur le suivi de mobilité en autonomie. Le choix du capteurs est finalisé et l’architecture de transfert des données ainsi que les librairies d’accès aux matériels ont été définies et mise en place dans un « POC » (Proof of Concept). Il s’agit maintenant de fiabiliser les différentes briques de transmissions à l’aide d’un test en situation réelle.