Offre de thèse en apprentissage statistique pour l’aide au diagnostic de la maladie d’Alzheimer

Apprentissage statistique dans un environnement virtuel pour l’analyse et la prédiction de la sévérité cognitive d’un patient atteint de la maladie d’Alzheimer. 

Mots clés :Apprentissage statistique, Interaction 3D, Description de données, Traitement de données, Classification, Immersion 3D

La maladie d’Alzheimer est une maladie neurodégénérative qui est diagnostiquée à l’issue de différents symptômes. En effet, cette maladie est une réduction acquise des capacités cognitives suffisamment importante pour se répercuter sur la vie du patient et entraîner une perte d’autonomie. La perte de mémoire est souvent le premier symptôme dont se plaignent les personnes et qui permet d’orienter le diagnostic. Ensuite, surviennent des troubles des fonctions exécutives, des troubles de l’orientation spatio-temporelle, puis progressivement s’installent des troubles du langage, de l’écriture, du mouvement, du comportement, des troubles de l’humeur et des troubles du sommeil avec une insomnie [1]. Les zones particulièrement atteintes peuvent être la mémoire, l’attention et le langage. Dans les dernières étapes de la démence, les personnes atteintes peuvent être désorientées en temps (ignorant le jour, la semaine, le mois ou l’année), en lieu (ignorant où ils se trouvent) ou en personne

(ignorant qui ils sont) [2]. Dans ce cadre, l‘identification des symptômes et les signes des pathologies d’Alzheimer restent des tâches très importantes dans un système d’aide au diagnostic médical. Plusieurs approches ont été développées pour aider les spécialistes de la maladie à diagnostiquer et à reconnaitre le niveau de sévérité des patients. Ces approches sont souvent basées sur les tests neuropsychologiques classiques. Par conséquent, on arrive à obtenir un diagnostic de probabilité lors de l’interrogatoire de l’entourage, du patient au cours duquel les tests MMS (Mini Mental State) et de Dubois sont appliqués et via des examens neuropsychologiques telle que l’épreuve de Grober-Buschke [2, 3]. Face  à  ces  besoins  émergents,  en  matière  de  compréhension,  d’évaluation  et  de  rééducation  du fonctionnement  en  situation  de  vie  quotidienne,  la  neuropsychologie  a  montré  un  intérêt  croissant  pour un domaine  scientifique  et  technique, qui est  la  réalité  virtuelle. Les  interactions proposées  sont  généralement  basées  sur  les  capacités  naturelles  humaines,  de  perception,  de  cognition, d’action  et  de  communication [4, 5, 6, 7, 8]. En effet, la réalité virtuelle (RV) offre depuis quelques années des perspectives pour détecter des troubles liés à la maladie, évaluer son avancement et à terme pouvoir rééduquer le patient. La réalité virtuelle appliquée en neuropsychologie a montré sa capacité à répondre à des besoins variés [9, 10]. Ce constat positif, montre l’intérêt grandissant de la RV pour construite des systèmes d’identification de la maladie et d’aide aux patients en s’appuyant sur des techniques d’apprentissage statistique qui conduisent à l’évaluation des tâches cognitives [11, 12,13 14].

Ce type d’environnement présente plusieurs avantages :

  • Travailler dans un environnement virtuel assurant la sécurité du patient ;
  • Maîtriser des données qui décrivent le comportement virtuel du patient. Ces données doivent consolider le modèle d’apprentissage de plusieurs tâches cognitives ;
  • Changer d’environnement virtuel sans instrumentations supplémentaires.

Les objectifs de cette thèse sont :

  • De concevoir un environnement virtuel adapté aux interactions avec les personnes atteintes de la maladie d’Alzheimer.
  • De développer un modèle d’apprentissage statistique construit à partir de plusieurs tâches cognitives réalisées par plusieurs patients et d’autres normaux dans cet environnement virtuel.

Contacts :  Khalifa DJEMAL : Khalifa.Djemal@univ-evry.fr

Samir Otmane : Samir.Otmane@univ-evry.fr

  • Intégrer le modèle d’apprentissage dans un système décisionnel pour évaluer en temps réel la qualité des tâches réalisées par les malades.
  • Mettre en place un modèle de prédiction de la sévérité cognitive d’un patient. En effet, ce modèle basé sur les modèles d’apprentissage et décisionnel, conduira à une prédiction dans le temps de la sévérité cognitive.
  • Réaliser des expérimentations dans la salle de réalité virtuelle et augmentée EVR@ du laboratoire IBISC (http://evra.ibisc.univfr/)

Compétences et qualités requises du candidat :

De formation Master ou équivalent, le candidat doit avoir des compétences en informatique avec des connaissances des algorithmes d’apprentissage statistique, de classification et de traitement de données.  Il doit avoir des connaissances en conception /programmation (si possible Unity/C#).  Des connaissances des interactions 3D seront appréciables. Un grand intérêt pour la recherche, le travail d’équipe et les échanges pluridisciplinaires.

Références:

  •  https://icm-institute.org/fr/alzheimer/
  • http://acces.ens-lyon.fr/acces/thematiques/neurosciences/actualisation-des-connaissances/maladies-ettraitements/alzheimer/la-maladie-dalzheimer-a-lechelle-de-lindividu/le-diagnostic-de-la-maladie-dalzheimer
  • http://psychologieclinique.over-blog.com/2015/08/l-echelle-adas-alzheimer-s-disease-assessment-scale.html
  • Valeria Manera,Pierre-David Petit, Alexandre Derreumaux, Ivan Orvieto, Matteo Romagnoli,Graham Lyttle, Renaud David,and Philippe H. Robert, ’Kitchen and cooking’, a serious game for mild cognitive impairment and Alzheimer’s disease: a pilot study, Frontiers in Aging Neuroscience, 7: 24, 2015.
  • Werner P, Rabinowitz S., Klinger E., Korczyn A. D., Josman N., Use of the virtual action planning supermarket for the diagnosis of mild cognitive impairment: a preliminary study, Dement Geriatr Cogn Disord, 27(4):301-9, 2009.
  • Déborah A. Foloppe, Paul Richard, Takehiko Yamaguchi, Frédérique Etcharry-Bouyx & Philippe Allain, The potential of virtual reality-based training to enhance the functional autonomy of Alzheimer’s disease patients in cooking activities: A single case study, Neuropsychological Rehabilitation, October 2015.
  • David, G. Bouyer, S. Otmane, « Towards a low-cost interactive system for motor self-rehabilitation after stroke », The International Journal of Virtual Reality – IJVR, 17 (02), 40-45 (2017).
  • A Ricca, A Chellali, S Otmane,« Study of interaction fidelity for two viewpoint changing techniques in a virtual biopsy trainer », IEEE Virtual Reality (VR), DOI: 10.1109/VR.2017.7892259 (2017).
  • Pierre Wargnier, Edmond Phuong, Kévin Marivan, Samuel Benveniste, Frédéric Bloch, Serge Reingewirtz, Gilles Kemoun, Anne-Sophie Rigaud, Virtual Promenade: A New Serious Game for the Rehabilitation of Older Adults with Postfall Syndrome, In 2016 IEEE International Conference on Serious Games and Applications for Health (SeGAH), 11-13 May 2016.
  • Field Evaluation with Cognitively-Impaired Older Adults of Attention Management in the Embodied Conversational Agent Louise, In 2016 IEEE International Conference on Serious Games and Applications for Health (SeGAH), 11-13 May 2016.
  • June-Goo Lee, Sanghoon Jun, Young-Won Cho, Hyunna Lee, Guk Bae Kim, Joon Beom Seo, Namkug Kim, Deep Learning in Medical Imaging: General Overview, Korean J Radiol., 18(4): 570–584, Jul-Aug, 2017.
  • Khalifa Djemal and Hichem Maaref, Intelligent Information Description and Recognition in Biomedical Image Databases, In:Computational Modeling and Simulation of Intellect: Current State and Future Perspectives, Book Edited by Boris Igelnik, pages: 52-80, Publisher IGI Global, ISBN: 978-1-60960-551-3, February 2011.
  • Desailly, A. Sebsadji, D. Yepremian, K. Djemal, P. Hoppenot, N. Khouri, Supervised classification of the effect of hamstrings lengthening in cerebral palsy children after single event multilevel surgery, Gait & Posture, Vol. 38, pages S39, 2013.
  • Imene Cheikhrouhou, Khalifa Djemal, Hichem Maaref , Characterization of mammographic masses using a new spiculated mass descriptor in computer aided diagnosis systems, International Journal of Signal and Imaging Systems Engineering (IJSISE), Vol. 5, No. 2, pages :132-142, inderscience, 2012.

Contacts :  Khalifa DJEMAL : Khalifa.Djemal@univ-evry.fr

Samir Otmane : Samir.Otmane@univ-evry.fr