Dans les pays développés comme le Canada, on remarque de plus en plus un vieillissement de la population et parallèlement une augmentation du nombre de personnes atteintes de déficiences cognitives. La cause la plus répandue est la démence de type Alzheimer (DTA), aussi connue sous le nom de maladie d’Alzheimer. Les incapacités cognitives causées par la DTA entraînent des difficultés dans les Activités Instrumentales de la Vie Quotidienne (AIVQ). Certains chercheurs considèrent qu'il existe des marqueurs cognitifs propres à la DTA, c’est-à-dire que les personnes atteintes peuvent présenter des difficultés cognitives observables lors de la réalisation de tâches complexes bien des années avant son diagnostic. Un habitat intelligent, muni de capteurs de mouvements, débitmètres, capteurs de contacts pour portes et tiroirs, permet de mesurer divers aspects de la performance dans la vie quotidienne lors de la réalisation d’une AIVQ.
Partant de ce constat, nos travaux explorent comment des habitats intelligents pourraient permettre de détecter la DTA de façon précoce. Dans cette optique, nous proposons une méthodologie expérimentale rigoureuse. Tout d’abord, nous avons conçu, implémenté et déployé un système d’acquisition de données hétérogènes fiable intégrant réseaux de capteurs variés, vidéos de l'expérimentation et annotations de l'expérimentateur. Ensuite, nous avons exploré divers algorithmes de classification pour distinguer trois catégories de participants : sans troubles cognitifs, avec troubles cognitifs légers et avec DTA. Bien que l’acquisition des données soit complexifiée par la multiplication des sources, notre approche permet la validation des données acquises. Cet aspect est important car la qualité de ces données, acquises lors des expérimentations, influence grandement la performance des algorithmes de classification.
Finalement, ce projet étudie comment réaliser et comparer les données et les résultats d’expérimentations menées sur des sites différents en termes de configuration spatiale, de densité et de positionnement des capteurs. C’est pourquoi des expérimentations avec des personnes âgées se sont déroulées aux laboratoires DOMUS (Sherbrooke) et du CRIUGM (Montréal). Les expérimentations ont utilisé le même protocole d’expérimentation où des participants ont eu un temps déterminé pour réaliser la même liste de tâches. Les participants ont été recrutés et séparés en trois groupes selon leur diagnostic : sujets sains, sujets atteints d’un trouble cognitif léger (TCL) et sujets atteints de démence de type Alzheimer (DTA). Les données recueillies ont ensuite été annotées et traitées en vue d’une analyse à l’aide de techniques d’apprentissage automatique. Une première approche de classification par arbre de décision simple a permis d’observer une différence significative entre les données d’expérimentation des personnes saines et celles des personnes TCL. Par contre, aucune différence claire n’est apparue entre les personnes DTA et les autres catégories. En conclusion, d’autres représentations de données et d’autres algorithmes sont toujours en cours d’exploration par d’autres membres de notre équipe. Les résultats préliminaires semblent prometteurs.
| Identifer | oai:union.ndltd.org:usherbrooke.ca/oai:savoirs.usherbrooke.ca:11143/11832 |
| Date | January 2018 |
| Creators | Gagnon, Mathieu |
| Contributors | Giroux, Sylvain |
| Publisher | Université de Sherbrooke |
| Source Sets | Université de Sherbrooke |
| Language | French |
| Detected Language | French |
| Type | Mémoire |
| Rights | © Mathieu Gagnon |
Page generated in 0.0022 seconds