Klervi Le Gall

Klervi Le Gall
Apprentissage et reconnaissance des différents troubles de la marche à l'aide d'un capteur de mouvement : le cas des patients atteints de Sclérose en Plaques
10/2021 - 09/2024

L'analyse de la marche est un levier important dans la compréhension et la prise en charge de certaines pathologies comme la sclérose en plaques. Les données issues du dispositif eGait (développé par l'entreprise nantaise UmanIT avec l'équipe ALEA du LMJL) sont des séries temporelles de quaternions unitaires qui permettent de caractériser la rotation de la hanche d'un individu au cours d'un cycle de marche moyen.

Les objectifs de la thèse sont de proposer de nouveaux algorithmes d’apprentissage statistique adaptés à ces données complexes. Une attention toute particulière sera portée aux méthodes d’apprentissage :
(i) semi supervisées prenant en compte plus deux sources d’informations,
(ii) non supervisées pour des données fonctionnelles,
(iii) supervisées pour classer de nouvelles séries temporelles de quaternions dans des groupes prédéfinis.

Encadrant(s)
Lise Bellanger-Husi (LMJL), D.-A. Laplaud (CHU de Nantes, CRTI-INSERM U1064), Aymeric Stamm (LMJL)