Accueil Productions

Analyse de séries temporelles pour la détection de profil en gériatrie

Martin SCHMIDT
Master Systèmes Dynamiques et Signaux
2017-2018
Encradement : Jean-Baptiste Fasquel, Antoine Jamin

Résumé

Ce travail a pour objectif la discrimination de profils psychologiques chez des personnes âgées résidant en EHPAD. Il s'agit d'une étude préalable à une approche Machine Learning. Ce travail repose sur le vélo Cycléo de la société Cottos Médical, dispositif qui s'appuie sur les technologies de la réalité virtuelle et de l'objet connecté. Les principales données analysées sont des séries temporelles d'angle de guidon. Deux descripteurs potentiels sont éprouvés dans ce travail : l'écart-type du signal ainsi que son entropie. Deux approches sont utilisées pour discuter des performances de ces descripteurs : une approche basée sur l'apprentissage à long-terme de l'exercice demandé, et une approche basée sur la première utilisation de Cycléo. Cette étude montre que l'écart-type est un descripteur pertinent pour l'approche apprentissage, contrairement à l'entropie, et que les deux descripteurs sont pertinents pour l'approche première utilisation. Pour cette dernière approche tout de même, il est montré que l'entropie offre de meilleurs résultats que l'écart-type.

Cycléo
Cycléo

Abstract

The aim of this research is to differentiate psychological profiles among elderly people residing in retirement houses. It's a study prior to a machine learning approach. This work is based on the Cycléo bike from Cottos Médical, a device using virtual reality and internet of things technologies. The main data analyzed are handlebar angle time series. Two potential features are tested in this work: the standard deviation of the signal and its entropy. Two approaches are used to discuss the performance of these features: an approach based on long-term learning of the exercise and an approach based on the first use of Cycléo. This study shows that standard deviation is a relevant descriptor for the learning approach unlike entropy, and that both descriptors are relevant for the first use approach. For the latter approach, however, entropy is shown to offer better results than standard deviation.

Cottos Laris Université d'Angers