Université de Rennes 1 Detecting and analzing physical activity in older adults using wearable sensors towards frailty trajectory assessment Détection et analyse de l'activité physique chez les personnes âgées à l'aide de capteurs portables pour l'évaluation de la trajectoire de fragilisation détectionclassificationsignaux physiologiquescapteursactivité physiquetelemonitoring detectionclassificationphysiological signalssensorsphysical activityhealth monitoring Capteurs (technologie) Apprentissage automatique Caractérisée par un affaiblissement de la fonction physique, la fragilité toucherait, en France, 4 personnes âgées sur 5 de 85 ans et plus. Dans ce contexte, afin de suivre l’activité physique des seniors et d’analyser leur trajectoire de fragilisation, nos travaux ont consisté à proposer un système de surveillance automatisé basé sur des capteurs portables. Ce système se compose de deux couches distinctes, un premier module d’apprentissage automatique pour identifier les activités physiques et un second pour analyser la sortie précédente. Concernant le premier module, deux approches ont été développées. La première, complexe en temps de calculs, considère en entrée des signaux acquis par un accéléromètre, un gyroscope et un magnétomètre, et est basée sur l’orientation du dispositif portable, combinant à la fois un processus d’extraction manuelle de caractéristiques et des réseaux de deep learning. La seconde, peu coûteuse et pouvant être embarquée, exploite des caractéristiques temporelles locales des seuls signaux d’accélération. Une fois ces signaux labellisés, ils viennent alimenter le second module. Deux types de mesures de l’activité sont alors extraits des données étiquetées pour évaluer l’état de santé des personnes âgées, à savoir des variables globales calculées au cours d’une journée, et des variables locales caractérisant la démarche. Une étude longitudinale sur des données acquises en conditions non supervisées au cours de la vie quotidienne de sujets âgés (robustes, préfragiles et fragiles) a permis d’attester l’efficacité et la faisabilité de notre solution. Frailty is a geriatric syndrome characterized by physiological weakening that would affect 4 out of 5 people over 85 years old in France. In this context, our work consisted in proposing a wearable sensor-based fully automated system to monitor the activity of elderly with a view to analyze the frailty trajectory. This system consists of two layers, namely a machine learning-based human activity recognition (HAR) module to detect activities of daily living (ADLs), and a second module to analyze the ADLs. Regarding the first module, two HAR approaches were developed. The first one considers data acquired from an accelerometer, a gyroscope and a magnetometer, and is highly complex, based on sensing unit orientation, combining both handcrafted features and deep learning networks. The second one is an embeddable solution which exploits local temporal characteristics of acceleration signals exclusively. Once localized, the ADLs represented by windowed timeseries feed the second module. Here, two types of activity and health metrics are extracted from windowed data to assess the health conditions of elderly, namely global features which are computed over the course of a day, and local features which characterize the gait. A longitudinal study on data acquired under unsupervised conditions during the daily life of senior citizens (robust, pre-frail and frail) attested to the effectiveness and feasibility of our solution. Electronic Thesis or DissertationText en application/pdf1 : 25750 Kohttps://ged.univ-rennes1.fr/nuxeo/site/esupversions/295bc6c4-aea5-473f-a592-eb65df228c4e Abbas Manuel 1995-12-28 XX 264173007 manuel_abbas@outlook.com 2021REN1S136 http://www.theses.fr/2021REN1S136 2021-12-09 Signal, image, vision Universite de Rennes 1thesis.degree.grantor_1 02778715X Doctorat non ouiLe Bouquin JeannèsRégineintervenant_1075662310CampoÉricintervenant_2095254250BoudyJérôme intervenant_3033546363GuméryPierre-Yves intervenant_4144407159FasquelJean-Baptisteintervenant_5080244092KhalilMohamad intervenant_6243262124SommeDominiqueintervenant_7072318813BoudyJérôme intervenant_3033546363GuméryPierre-Yves intervenant_4144407159 MATHSTICecoleDoctorale_1 204770424 Laboratoire de Traitement du Signal et de l'Image partenaireRecherche_1 177793767 ddc:620 Le Bouquin JeannèsRégineCampoÉricBoudyJérôme GuméryPierre-Yves FasquelJean-BaptisteKhalilMohamad SommeDominiqueUniversite de Rennes 1Sciences et technologie, medecine, pharmacie, odontologie, droit, economie, gestion, philosophieMATHSTICÉcole doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes) Laboratoire de Traitement du Signal et de l'Image ASCII PDF 26367623 restriction 2021-12-09 2022-12-09 restriction 2021-12-09 2022-12-09