Algorithmes de détection des maladies neurodégénératives à partir de la démarche d'un individu

Le diagnostic des maladies neurodégénératives est un défi en médecine. Il repose principalement sur l'interprétation des symptômes par les médecins. Il existe donc un besoin important d'outils automatiques pouvant assister les médecins dans leurs prises de décision. Dans ce contexte, l'objectif de ce travail est de développer des algorithmes de détection des maladies neurodégénératives à partir des données de la démarche des patients. Dans un premier temps, nous avons développé un algorithme de détection de la maladie du Parkinson. En entrée, l'algorithme utilise les forces de réaction verticale du sol (vertical ground reaction force-VGRF) enregistrées par plusieurs capteurs placés sous les pieds. La première composante de notre algorithme est constituée de 18 réseaux neuronaux convolutifs 1D (1D-Convnets) parallèles, traitant chacun un signal de VGRF. Chacun de ces 1D-Convnets extrait un vecteur de caractéristiques propre au signal traité. Ensuite, tous ces vecteurs de caractéristiques sont concaténés et envoyés à un réseau pleinement connecté qui les intègre et donne en sortie la classification finale. L'algorithme a été comparé à d'autres méthodes récentes dans la littérature et a démontré une amélioration de la précision de classification. Dans un deuxième temps, nous avons utilisé les données spatio-temporelles de la démarche pour développer quatre détecteurs de maladies neurodégénératives : détecteur de Parkinson, de Huntington, de sclérose latérale amyotrophique et un détecteur de l'ensemble de ces maladies neurodégénératives combinées. Puisque la base de données était de taille réduite, nous avons utilisé les algorithmes d'apprentissage machine classiques. Pour ce faire, nous avons extrait les caractéristiques de l'amplitude et de la dynamique des fluctuations des données spatio-temporelles. Ensuite, nous avons entraîné différents classificateurs à classifier ces vecteurs. Les meilleurs résultats ont été obtenus avec une machine à support de vecteurs. Les résultats obtenus confirment la performance des algorithmes développés. Ceux-ci pourraient être utilisés en milieu clinique dans le but d'effectuer des tests précoces pour identifier les patients qui peuvent être atteints de maladies neurodégénératives.