Chapron Kévin. (2017). Méthode hybride pour la reconnaissance d’activités de la vie quotidienne et d’exercices physiques en temps réel. Mémoire de maîtrise, Université du Québec à Chicoutimi.
PDF
2MB |
Résumé
Dans le monde de la réadaptation, un souhait commun est d’utiliser un programme de plusieurs exercices physiques pour diminuer les troubles reliés à une maladie musculaire. C’est en particulier vrai pour les patients concernés par les maladies neuromusculaires. Ce programme d’exercices à réaliser chez soi est envisagé en moyen terme par les thérapeutes, étant donné que les patients atteints de maladies neuromusculaires ont de grandes contraintes de déplacement. Cependant, le thérapeute n’a aucune preuve que le patient réalise ses exercices chez lui. Pour se faire, la technologie peut reconnaître des activités, et notamment les exercices physiques. De nouveaux capteurs voient le jour de moins en moins chers et de plus en plus performants. Ces capteurs sont entre autres des accéléromètres, des gyroscopes, des magnétomètres. Ils sont très puissants et très utilisés pour confectionner des montres, des téléphones intelligents, des bracelets et des ceintures. Pour permettre de reconnaître les exercices physiques prescrits par le thérapeute, et pour pouvoir quantifier le niveau d’exercice global d’un patient, une solution algorithmique a été développée à l’aide de matériel existant. Cette solution est composée de plusieurs périphériques communiquant entre eux par les moyens de protocoles sans fil. Les résultats obtenus par cette méthode de reconnaissance hybride sont excellents. De plus, malgré qu’elle ait été développée pour une population atteinte de dystrophie myotonique de type 1, elle peut être utilisée potentiellement pour différents types de patients.
Type de document: | Thèse ou mémoire de l'UQAC (Mémoire de maîtrise) |
---|---|
Date: | 2017 |
Lieu de publication: | Chicoutimi |
Programme d'étude: | Maîtrise en informatique |
Nombre de pages: | 87 |
ISBN: | Non spécifié |
Sujets: | Sciences naturelles et génie > Sciences mathématiques > Informatique Sciences de la santé > Sciences médicales > Physiologie |
Département, module, service et unité de recherche: | Départements et modules > Département d'informatique et de mathématique > Programmes d'études de cycles supérieurs en informatique |
Directeur(s), Co-directeur(s) et responsable(s): | Gaboury, Sébastien Duchesne, Élise |
Mots-clés: | data mining, exercice physique, intelligence artificielle, random forest, reconnaissance d'activités, temps réel |
Déposé le: | 31 janv. 2018 08:28 |
---|---|
Dernière modification: | 08 mars 2018 02:36 |
Éditer le document (administrateurs uniquement)