Système d'aide à la décision pour l'analyse de la marche des enfants avec paralysie cérébrale à partir d'une base de données européenne Contexte La Paralysie Cérébrale (PC) touche environ deux enfants sur mille en Europe, et est le handicap physique le plus fréquent de l'enfance. Elle est responsable d'un large éventail de symptômes, dont les troubles de la marche, de la coordination des mouvements ou de postures. L'Analyse Quantifiée de la Marche (AQM) est un des outils que possède le clinicien pour l'aider dans sa décision thérapeutique afin d'améliorer la marche des enfants avec PC. Cet examen est réalisé en routine clinique et quantifie les déviations à la marche grâce à des paramètres tels que la cinématique (mouvement articulaire des membres inférieurs), les paramètres spatio-temporels (vitesse de marche, longueur du pas, etc.), la cinétique (forces, moments et puissances articulaires), l'électromyographie (activité musculaire) et les vidéos. L'AQM associée à une évaluation clinique (amplitude passive des articulations, force musculaire, spasticité, contrôle moteur, déformation osseuse) et fonctionnelle (périmètre de marche, classification de la fonction motrice globale, etc.) permet d'individualiser la décision clinique pour chaque enfant. Objectifs identifiés L'interprétation des données d’AQM est complexe et peut prendre jusqu'à une heure même pour des cliniciens expérimentés. En outre, les analyses de la marche ne sont pas exploitées de manière optimale, le clinicien n'en exploite qu'une partie (celle où il est le plus à l'aise), et des erreurs de diagnostic peuvent apparaitre du fait de la complexité et du volume de données à analyser. L’objectif de cette thèse est d’aider les cliniciens dans leur prise de décision thérapeutique, en leur facilitant la tâche d’interprétation de ces données complexes, et en tirant profit de l’expérience de leurs confrères. Nous avons pour cela un atout majeur : le laboratoire d’analyse du mouvement de Brest collabore avec une dizaine de laboratoires du mouvement de France et d'Europe, qui partagent actuellement leurs données (3000 enfants actuellement, 10000 enfants dans 2 ans). Nous proposons de rechercher automatiquement, au sein de cette base de données, des similitudes entre examens par des techniques de fouille de données (apprentissage multi-instances et/ou apprentissage profond). Puis, en s’appuyant sur ces similitudes, nous proposerons un outil de raisonnement à base de cas, proposant au clinicien des cas similaires accompagnés de leurs interprétations. Caractère novateur D’un point de vue méthodologique, définir des techniques de fouille dans des données aux modalités aussi nombreuses et hétérogènes (signaux, images, vidéos, textes, etc.) serait très novateur, les méthodes existantes s’attachant généralement à une ou deux modalités. D’un point de vue clinique, il n'existe pas de classifications validées et fiables pour décrire la totalité des déviations à la marche des enfants avec PC (Dobson et al., 2007). Des outils d’aide à la décision à base d’ontologies (Dao et al., 2009) ou de simulation (Delp et al., 2007) ont été proposés, mais ils s’appuient largement sur les connaissances des cliniciens. Par des techniques de fouille de données hétérogènes, nous pourront faire émerger des relations cachées dans ces données difficiles d’accès pour les cliniciens, enrichir les connaissances de ces derniers et homogénéiser leurs stratégies de prise de décision. Collaborations nationales et internationales Laboratoires d’analyse du mouvement de Brest, Nantes, Saint Maurice, Le Mans. Réseau HUGOPEREN (Réseau de Recherche Pédiatrique des hôpitaux du Grand Ouest). Laboratoires d’analyse du mouvement de Genève, Luxembourg, Bucarest, Salford, Retombées Le développement d'un système d'aide à la décision pour l'analyse de la marche des enfants avec PC à partir d'une base de données européenne va permettre une meilleure prise en charge de ces patients et un enrichissement des connaissances sur la marche et l'évaluation des effets des différents traitements. Compétences recherchées Le candidat ou la candidate devra, au moment de sa prise de fonction, être titulaire d'un diplôme de Master 2 et être classé(e) dans le premier tiers de sa promotion. Il/elle devra avoir des compétences en apprentissage automatique, en traitement du signal et/ou de l'image ou en biomécanique. Enfin, il/elle devra maîtriser la programmation C++ et idéalement la programmation Python. Contacts Veuillez envoyer vos CV, lettre de motivation et bulletins de notes à : Gwenolé Quellec ([email protected]) Mathieu Lempereur ([email protected]) Publications récentes des porteurs Houx L, Lempereur M, Rémy-Néris O, Brochard S. Threshold of equinus which alters biomechanical gait parameters in children. Gait Posture. 2013 Sep;38(4):582-589. Ropars J, Lempereur M, Vuillerot C, Tiffreau V, Peudenier S, Cuisset JM, Pereon Y, Leboeuf F, Delporte L, Delpierre Y, Gross R, Brochard S. Muscle Activation during Gait in Children with Duchenne Muscular Dystrophy. PLoS One. 2016 Sep 13;11(9):e0161938. Gross R, Leboeuf F, Lempereur M, Michel T, Perrouin-Verbe B, Vieilledent S, Rémy-Néris O. Modulation of lower limb muscle activity induced by curved walking in typically developing children. Gait Posture. 2016 Oct;50:34-41. Quellec G, Cazuguel G, Cochener B, Lamard M. Multiple-instance learning for medical image and video analysis. IEEE Reviews in Biomedical Engineering. In press. Quellec G, Charrière K, Boudi Y, Cochener B, Lamard M. Deep image mining for diabetic retinopathy screening. arXiv:1610.07086 [cs.CV] 2016 Quellec G, Lamard M, Erginay A, Chabouis A, Massin P, Cochener B, Cazuguel G. Automatic detection of referral patients due to retinal pathologies through data mining. Med Image Anal. 2016 Apr;29:47-64. Quellec G, Lamard M, Cozic M, Coatrieux G, Cazuguel G. Multiple-instance learning for anomaly detection in digital mammography. IEEE Trans Med Imaging. 2016 Jul;35(7):1604-14. Quellec G, Lamard M, Cochener B, Cazuguel G. Real-time task recognition in cataract surgery videos using adaptive spatiotemporal polynomials. IEEE Trans Med Imaging. 2015 Apr;34(4):87787.