La vitrine de diffusion des mémoires et thèses de l'ÉTS
RECHERCHER

Classification de sujets asymptomatiques et gonarthrosiques en fonction des données cinématiques comparaison de l'approche globale et de l'approche locale

Téléchargements

Téléchargements par mois depuis la dernière année

Plus de statistiques...

Ouakrim, Youssef (2011). Classification de sujets asymptomatiques et gonarthrosiques en fonction des données cinématiques comparaison de l'approche globale et de l'approche locale. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

[thumbnail of OUAKRIM_Youssef.pdf]
Prévisualisation
PDF
Télécharger (7MB) | Prévisualisation
[thumbnail of OUAKRIM_Youssef-web.pdf]
Prévisualisation
PDF
Télécharger (1MB) | Prévisualisation

Résumé

La présente étude a pour but de développer une méthode de classification automatique des sujets asymptomatiques (AS) et des sujets gonarthrosiques (OA) en se basant sur leurs données cinématique globales et locales lors d’un cycle de marche normale.

Quatorze participants asymptomatiques et 30 patients gonarthrosiques (regroupés en deux groupes de sévérité de la gonarthrose selon l’échelle de Kellgren & Lawrence (KL), 16 avec un degré de sévérité dite légère et 14 avec un niveau de sévérité certain ou évolué) ont participé à cette étude. Le système de classification développé se décompose en trois modules: 1- Module d’acquisition des données cinématiques (adduction-abduction, flexionextension et rotation interne-externe) à l’aide d’un exosquelette placé sur l’articulation du genou ; 2- Module d’extraction des caractéristiques selon deux approches, globale et locale. L’approche globale consiste à caractériser les données cinématiques en leur totalité tout en cherchant le sous-cycle du signal cinématique le plus discriminant tandis que l’approche locale caractérise les données cinématique par des points d’intérêts. 3- Module classification se fait par deux niveaux d’ordre hiérarchiques, une première classification pour discriminer les sujets AS des OA, et une autre classification pour ressortir les grades de sévérité des sujets OA selon deux groupe (OAKL1,2 et OAKL3,4). Le système de classification utilisé se base sur la méthode des sous-espaces en utilisant la décomposition en valeur singulière (SVD).

Les résultats de classification obtenus montrent que le signal cinématique d’adductionabduction est le plus discriminant pour les deux approches globales et locales. Le taux de classification des représentations globales des sujets AS et OA est de 93,18%, et de 93,33% entre OAKL1,2 et OAKL3,4. Alors que le taux de classification des représentations locales entre les sujets AS et OA est de 77,27% et de 83,33% entre les sujets OAKL1,2 et OAKL3,4.

Pour conclure, les données cinématiques globales d’adduction-abduction permettent une meilleure classification hiérarchique entre les sujets AS et OA en premier lieu et entre les grades des sujets OA (OAKL1,2 et OAKL3,4) en deuxième lieu.

Résumé traduit

This study is aimed at developing a way to automatically classify asymptomatic subjects (AS) and osteoarthritic subjects (OA) based on global and local kinematic data obtained during one normal walking cycle.

Fourteen asymptomatic participants and 30 osteoarthritic patients (divided into two groups according to the severity of their disease, based on the Kellgren & Lawrence (KL) scale: 16 mild cases, and 14 advanced cases) took part in this study. The classification system developed consists of three modules: 1- a module for kinematic data acquisition (adductionabduction, flexion-extension, and internal-external rotation) by means of an exoskeleton placed over the knee joint; 2- a module for extracting the characteristics of the data using two approaches, global and local. The global approach characterizes all the kinematic data, seeking the most discriminating subcycle of the kinematic signal, while the local approach characterizes the kinematic data by points of interest; and 3- a module for data classification in two hierarchical levels, one to discriminate AS subjects from OA patients, and the other to sort the severity of the disease of the OA patients into two groups (OAKL1,2 and OAKL3,4). The classification system selected is based on a subspace method, using singular value decomposition (SVD).

The classification results obtained show that the adduction-abduction kinematic signal is the most discriminating for both the global and the local approach. The rate of classification of the global representations of the AS subjects and OA patients is 93.18%, and 93.33% between OAKL1,2 and OAKL3,4. The rate of classification of the local representations between the AS subjects and the OA patients is 77.27%, and 83.33% between the OAKL1,2 and OAKL3,4 patients.

In conclusion, a better hierarchical classification between the AS subjects and the OA patients, and between the degrees of severity of the disease in the OA patients (OAKL1,2 and OAKL3,4), is achieved with the global adduction-abduction kinematic data.

Type de document: Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires: "Mémoire présenté à l'École de technologie supérieure comme exigence partielle à l'obtention de la maîtrise en technologie de la santé". Bibliogr. : f. [121]-130.
Mots-clés libres: Gonarthrose Expériences. Genou Maladies. Biomécanique. Cinématique. Marche. Classification automatique (Statistique) Approche, AS, Asymptomatique, Cycle, Global, Local, OA, Participant, Sujet, Adduction-abduction.
Directeur de mémoire/thèse:
Directeur de mémoire/thèse
Mezghani, Neila
Codirecteur:
Codirecteur
de Guise, Jacques A.
Programme: Maîtrise en ingénierie > Génie
Date de dépôt: 10 nov. 2011 16:59
Dernière modification: 02 nov. 2022 13:51
URI: https://espace.etsmtl.ca/id/eprint/933

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt