Évaluation de l'équilibre postural chez les personnes âgées par l’utilisation des unités de mesures inertielles

Nkizi, Youssef (2024). Évaluation de l'équilibre postural chez les personnes âgées par l’utilisation des unités de mesures inertielles. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (3MB) | Prévisualisation

Résumé

Notre projet vise à évaluer l'équilibre chez les personnes âgées en utilisant des données recueillies par des capteurs Unités de Mesure Inertielle (IMU) pour prédire le score sur l'échelle de Berg (BBS). Les données ont été collectées auprès de 14 participants, avec des capteurs placés sur le torse, le bas du dos, et la tête, lors de l'exécution de 14 tâches issues du BBS.

Notre méthodologie s'appuie sur l'extraction et l'analyse de diverses caractéristiques telles que l'aire horizontal représentant le changement du centre de pression au sol, la longueur totale du chemin, l'accélération et la vitesse angulaire des IMUs. De plus, nous avons créé un nouveau paramètre, le volume qui enveloppe la trace du mouvement, comme nouvelle dimension dans l'évaluation de l'équilibre. Le modèle de régression logistique a été employé pour déterminer les prédicteurs des score BBS parmi ces variables extrait du capteur de bas du dos.

Ensuite, nous avons également exploré l'impact de la position du capteur (c’est-à-dire, la torse et la tête) sur les associations entre le BBS et les variables de IMUs, en utilisant le bas du dos comme un référence de centre de masse. Par ailleurs, en distinguant les tâches statiques des dynamiques, notre recherche démontre comment la nature de la posture et du mouvement peut influencer ces associations. Cela peut suggérer la nécessité d'adapter les protocoles d'évaluation à différents contextes de la vie quotidienne.

Enfin, nous mettrons en oeuvre une gamme étendue de modèles d'apprentissage automatique, incluant le modèle de Machine à vecteurs de support (SVM), Réseau de Neurones Artificiels (ANN) et le modèle XGBoost. Ces technologies avancées seront appliquées pour analyser les données issues des capteurs, avec une attention particulière portée aux matrices d’évaluation importants telles que la précision, la sensibilité, la spécificité et l'aire sous la courbe d’efficacité du récepteur (ROC) de nos modèles prédictifs.

Titre traduit

Assessment of postural balance in the elderly using inertial measurement units

Résumé traduit

Our project aims to assess balance in elderly individuals using data collected by Inertial Measurement Units (IMU) to predict the Berg Balance Scale (BBS) score. Data were collected from 14 participants, with sensors placed on the torso, lower back, and head, during the execution of 14 tasks derived from the BBS.

Our methodology relies on the extraction and analysis of various features such as the horizontal area representing the change in the center of pressure on the ground, the total path length, acceleration, and angular velocity from the IMUs. Additionally, we have created a new parameter, the volume that envelops the movement trace, as a new dimension in balance assessment. Logistic regression modeling was employed to determine the predictors of BBS scores among these variables extracted from the lower back sensor.

Furthermore, we also explored the impact of sensor position (i.e., the torso and head) on the associations between BBS and IMU variables, using the lower back as a reference center of mass. Moreover, by distinguishing between static and dynamic tasks, our research demonstrates how the nature of posture and movement can influence these associations. This may suggest the need to adapt assessment protocols to different everyday life contexts.

Finally, we will implement a wide range of machine learning models, including Support Vector Machine (SVM), Artificial Neural Networks (ANN), and the XGBoost model. These advanced technologies will be applied to analyze data from sensors, with particular attention paid to important evaluation matrices such as accuracy, sensitivity, specificity, and the area under the receiver operating characteristic (ROC) curve of our predictive models.

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 avec mémoire en mécanique". Comprend des références bibliographiques (pages 158-170).
Mots-clés libres:	capteurs IMU, échelle d’équilibre de Berg, évaluation de l'équilibre, apprentissage automatique
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Thamsuwan, Ornwipa
Programme:	Maîtrise en ingénierie > Génie mécanique
Date de dépôt:	06 janv. 2025 14:29
Dernière modification:	06 janv. 2025 14:29
URI:	https://espace.etsmtl.ca/id/eprint/3523

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt