Reconnaissance robuste de l’activité et modélisation des comportements dans le temps pour l’évaluation de la santé. Présenté par Paula Lago

Description :

Les capteurs portables permettent aujourd’hui de recueillir en continu des données sur les mouvements, le sommeil et divers signaux physiologiques pendant de longues périodes. Toutefois, transformer cette grande quantité d’information en indicateurs fiables de la santé au quotidien demeure un défi. Deux enjeux se posent particulièrement : assurer une reconnaissance précise des activités dans des conditions réelles très variables et donner un sens aux comportements observés sur de longues périodes.Dans cette présentation, je montrerai d’abord que les modèles de reconnaissance de l’activité humaine à partir de capteurs inertiels, malgré leurs excellentes performances en laboratoire, perdent souvent en fiabilité lorsque l’emplacement ou l’orientation des capteurs change, ou lorsque les utilisateurs présentent des habitudes de mouvement différentes de celles utilisées pour entraîner les modèles. Cette situation est particulièrement fréquente chez les personnes aînées. Je présenterai ensuite WIMUSim, un cadre de simulation d’unités de mesure inertielle (IMU) capable de reproduire de façon réaliste cette variabilité et d’améliorer la capacité des modèles à s’adapter à de nouveaux utilisateurs et à différentes configurations d’appareils.Au-delà de la simple reconnaissance des activités, il est essentiel de comprendre le contexte dans lequel elles se déroulent. En effet, un même comportement peut être tout à fait normal ou, au contraire, préoccupant selon le moment de la journée, l’endroit où il se produit ou la séquence d’activités qui l’entoure. Je présenterai donc un modèle de routine qui intègre les activités récurrentes dans leur contexte temporel et spatial afin de dresser un portrait des habitudes quotidiennes d’une personne et de détecter les écarts significatifs par rapport à celles-ci.Ce modèle sera complété par des indicateurs fondés sur les rythmes de vie, notamment la régularité, la stabilité et la fragmentation des cycles de repos et d’activité ainsi que des signaux physiologiques. Ensemble, ces mesures offrent une vision plus nuancée et plus facile à interpréter de l’évolution des comportements au fil du temps. Je conclurai en abordant les liens entre ces indicateurs comportementaux et différents enjeux liés au vieillissement et à la santé mentale, tout en soulignant certains défis encore à relever pour mieux comprendre et modéliser les changements progressifs des comportements au quotidien.

À propos de la professeure :

Paula Lago est professeure au Département de génie électrique et informatique de l’Université Concordia et chercheuse au Centre de recherche de l’Institut universitaire de gériatrie de Montréal (CRIUGM), où elle dirige le laboratoire Pervasive Computing for Health and Healthy Aging. Titulaire d’un doctorat de l’Université de los Andes, en Colombie, elle a également effectué un postdoctorat à l’Institut de technologie de Kyushu, au Japon.Ses travaux de recherche portent sur l’utilisation de méthodes informatiques avancées pour analyser les données recueillies par des capteurs portables, notamment les signaux inertiels et la photo-pléthysmographie (PPG), dans le but de développer des applications en santé. Elle s’intéresse particulièrement à la reconnaissance de l’activité humaine ainsi qu’à l’étude des habitudes et rythmes de vie au fil du temps. L’objectif de ses recherches est de favoriser un meilleur suivi des personnes aînées et d’approfondir notre compréhension des comportements quotidiens.Mme Lago est titulaire d’une subvention à la découverte du CRSNG. Elle agit également à titre de rédactrice en chef adjointe du Journal of Ambient Intelligence and Smart Environments et est membre de l’ACM ainsi que de l’IEEE.