Réseaux Évidentiels pour la fusion de données multimodales hétérogènes

La population âgée est en forte croissance depuis ces dernières décades. La dépendance des personnes âgées (rapport des 65 ans ou plus sur les 20-64 ans) a augmenté de plus de 40 %, à un rythme irrégulier lié à l’histoire démographique de la France. Au 1er janvier 2005, le nombre de personnes âgées représentait plus du quart (28 %) de celui des personnes de 20 à 64 ans contre moins du cinquième en 1950 (Insee Références, 2005).

Cette population âgée devient de moins en moins autonome et plus exposée à des risques d’accidents domestiques, notamment à l’intérieur des habitations. Parmi ces accidents domestiques, la chute est un problème majeur de santé publique qui touche chaque année plusieurs dizaines de millions de personnes âgées dans le monde, avec des conséquences immédiates, mortelles, mais aussi des complications handicapantes, physiques ou psychologiques. Le plus souvent, la personne âgée ne peut se relever seule après sa chute, aussi faut-il intervenir très rapidement, donc pouvoir détecter cet évènement dans les plus brefs délais. Ce problème intéresse particulièrement les chercheurs dans le domaine des technologies de télésanté. De plus, la chute est un phénomène mal défini qui arrive dans une grande variété de situations (Noury et al, 2008).

LES SYSTÈMES DE TÉLÉVIGILANCE 

De manière plus conventionnelle, il existe en France, et plus généralement en Europe, un certain nombre de systèmes de détection de chutes reposant sur l’usage d’un dispositif portable fixé sur la personne (terminal miniaturisé ou patchs fixés sur la personne), notamment développés par le TIMC à Grenoble et la société VIGILIO, mais aussi par le laboratoire de télévigilance d’INTERMEDIA ou sur l’usage d’un dispositif porté au poignet comme VIVAGO société Finlandaise qui a développé une approche de constat de chute a posteriori (et non de détection directe). Plus particulièrement, le dispositif portable développé par l’équipe INTERMEDIA permet à la fois de détecter des chutes grâce à des accéléromètres placés dans le boitier lui même et permet également de mesurer des signaux vitaux (pouls). L’équipe INTERMEDIA de Télécom SudParis a pu en effet développer un savoirfaire depuis une dizaine d’années dans le domaine de la Télévigilance Médicale incluant à la fois la réalisation de capteurs embarqués (capteur de chute) et un réseau de capteurs fixes domotiques. Cet ensemble est combiné pour répondre au problème de recherche à la fois de la sensibilité maximale (aptitude à bien détecter les situations de détresse) et d’une réduction des fausses alarmes acceptable pour les utilisateurs.

Notre système de Télévigilance médicale combiné (Medjahed, 2010) a été mis en œuvre à Télécom SudParis avec la collaboration de l’Esigetel et de l’INSERM-U558. Ce système de Télévigilance, composée essentiellement de trois systèmes : GARDIEN (Steenkeste et al, 1999), RFPAT (Baldinger et al. 2004) et ANASON (Istrate et al., 2006), a pour but de détecter des situations de détresse diverses comme la chute, des modifications du rythme cardiaque (tachycardie, bradycardie), des profils quotidiens anormaux et la détection de sons anormaux procurant ainsi des informations contextuelles précieuses. Il s’agit précisément d’un ensemble de microphones placés convenablement dans la maison pour contrôler à distance l’environnement acoustique de la personne (ANASON), d’un dispositif portable qui mesure les signaux vitaux et détecte la chute de la personne équipée (RFPAT) et d’un réseau de capteurs infrarouges qui détectent la présence et la position de la personne (Gardien). Ce système de télévigilance présente un caractère fortement hétérogène, puisqu’il est composé par des systèmes de décision de diverses natures (classifieurs basés sur des seuils, algorithmes de reconnaissance de formes ou experts) et d’un ensemble de plusieurs capteurs de signaux de mouvement, vitaux, sonores et de localisation. Dans ce système, des méthodes de fusion de données hétérogènes sont donc nécessaires, afin d’obtenir des informations plus fiables.

BESOINS DES PROFESSIONNELS DE SANTÉ EN PROCÉDÉS FIABLES DE SUIVI À DISTANCE : RECOURS À LA FUSION MULTIMODALE 

Les recherches sur les systèmes de détection de chute ont été largement développées dans les domaines des accéléromètres embarqués (Estudillo et al., 2009 ; Kangas et al., 2007 ; Ruiz et al., 2010 ; Dai et al., 2010) de la vision (Cucchiara et al., 2007 ; Tzeng et al., 2010), de la robotique (Huang et al., 2008) et des systèmes multicapteurs (Grassi et al., 2008 ; Doukas et al., 2008). Les systèmes multi-capteurs produisent des estimations plus fiables, précises et robustes à la différence des systèmes mono-capteurs. Dans ces systèmes, les méthodes de fusion de données (Luo et al., 1990 ; Luo et al., 2007 ; Xiong et al., 2002 ; Fabre et al., 2001) sont alors nécessaires pour combiner les informations issues de plusieurs capteurs, souvent hétérogènes, afin d’obtenir information de meilleure qualité.

En vue de compléter la décision de ces systèmes ou pour pallier leur éventuel dysfonctionnement, depuis quelques années sont menées des recherches par la communauté scientifique sur l’application d’approches de fusion multimodale. Ces approches sont fondées sur l’utilisation de capteurs environnementaux externes à la personne, telle que l’approche développée par l’équipe INTERMEDIA de Telecom SudParis (laboratoire de télévigilance médicale). Elle est également fondée sur l’usage de capteurs environnementaux (capteurs de présence infrarouge, sonores, vision…) mais elle les combine avec le dispositif portable décrit précédemment (Baldinger et al. 2004) par des approches de fusion hétérogène : Logique Floue (Medjahed, 2010). Ceci constitue à notre connaissance une approche originale par rapport aux solutions concurrentes généralement mono ou bi-modales. De plus le dispositif portable reste référent dans toute décision.

L’APPROCHE DE FUSION MULTIMODALE PROPOSÉE DANS CE TRAVAIL 

Dans la littérature, différentes méthodes de fusion multi-capteurs hétérogène ont été proposées, comme les méthodes probabilistes, les méthodes fondées sur les sous-ensembles flous et les méthodes crédibilistes fondées sur les fonctions de croyance. Ces méthodes sont actuellement considérées comme les plus adaptées à la représentation et au traitement des informations imparfaites (Ricquebourg et al., 2008 ; Bloch et al., 1994 ; Masson et al., 2005). Les objets mathématiques manipulés par ces théories sont très proches, cependant la théorie des croyances peut être considérée comme la plus générale par rapport aux théories des ensembles flous et des probabilités. En effet, nous les retrouvons comme des cas particuliers de la théorie des croyances (Masson et al., 2005).

Nous avons choisi d’utiliser la théorie des croyances de Dempster-Shafer dans une représentation graphique, appelée Réseau d’Évidence (Simon et al. 2007 ; Simon et al. 2008 ; Lee et al. 2009 ; Hong et al. 2009), dans cette thèse car elle nous permet de décomposer l’espace des hypothèses sur un arbre de décision pour modéliser des systèmes complexes, tout en y projetant les différents degrés d’imperfection aux différents niveaux du graphe. Les informations redondantes et complémentaires issues de nos modalités pourront donc être fusionnées à plusieurs niveaux afin d’obtenir de nouvelles informations plus précises et fiables, justement du fait de la progression des imperfections à chaque niveau du réseau évidentiel.  les Réseaux Évidentiels, implémentés sur notre plateforme de Télévigilance Médicale, sont donc proposés dans ces travaux afin de maximiser les performances de détection automatique de situations de détresse et de rendre ainsi le système de Télévigilance médical plus fiable. Ce Réseau Évidentiel est statique (RES) et ne prend pas en compte l’évolution temporelle.

La non-stationnarité des signaux recueillis sur les capteurs du système considéré peut conduire à une dégradation des conditions expérimentales. La présence de bruit de mesure, la variabilité des signaux enregistrés par les capteurs, les capteurs défaillants ou non fiables, peuvent rendre les Réseaux Évidentiels incohérents dans leurs décisions. Afin de compenser les effets résultant de la non-stationnarité des signaux provenant des capteurs, les Réseaux Évidentiels sont rendus évolutifs dans le temps, ce qui nous a conduit à introduire les Réseaux Evidentiels Dynamiques (RED) (Ramasso et al. 2006 ; Ramasso et al. 2010 ; Ramasso et al. 2009 ; Serir et al. 2011 ; Lee et al. 2010 ; Marhic et al. 2011) dans nos traitements et à les évaluer sur des scenarios de chute simulés correspondant à des cas d’usage variés. En fait, le RED est un RES comportant une adaptabilité temporelle. Basé sur cette nouvelle dimension, des algorithmes dynamiques permettent de modéliser et d’analyser l’influence du temps et de l’incertitude sur les défauts et la dégradation du système.

Table des matières

Introduction
Le contexte et les besoins de LA Télévigilance médicale
Les systèmes de Télévigilance
Besoins des professionnels de santé en procédés fiables de suivi à distance : fusion multimodale
L’approche de fusion multimodale proposée dans ce travail
Objectifs de ce travail de recherche
Positionnement de ce travail par rapport aux travaux précédents d’Hamid Medjahed
1. Contexte de la thèse
1.1. Le projet CompanionAble
1.2. La plateforme de Télévigilance TSP / Esigetel
1.2.1. Le système ANASON
1.2.2. Le système RFPAT
1.2.3. Le système GARDIEN
1.2.4. Le système de fusion EMUTEM
1.3. Base de données de Télévigilance
1.3.1. La base HOMECAD
1.3.2. La base Collégiale
1.3.3. La base CHUTES
2. Méthodes de Fusion et de classification
2.1. La Théorie des probabilités
2.2. Méthodes fondées sur les sous-ensembles flous
2.2.1. La Logique Floue
2.2.2. La théorie des possibilités
2.3. La théorie des croyances de Dempster-Shafer
2.3.1. Le Réseau Évidentiel
2.4. Comparaison méthodologique entre les méthodes de fusion
2.4.1. La Théorie des Probabilités
2.4.2. La Logique Floue
2.4.3. La théorie des possibilités
2.4.4. La théorie des croyances de Dempster-Shafer
2.4.5. La théorie choisie dans le cadre de ces travaux thèse
2.5. Modélisation de l’imperfection des signaux des capteurs à partir des théories étudiés
2.5.1. Modélisation des capteurs par les différentes théories
3. Mise en œuvre dU Réseau Évidentiel à partir de la théorie de Dempster Shafer
3.1. Les informations contextuelles
3.2. Réseau d’Ontologie
3.3. Le Réseau d’Évidence pour la reconnaissance d’activités
3.3.1. Opérations évidentielles
3.4. Mise en œuvre du Réseau d’Évidence pour la reconnaissance de chutes
3.4.1. Représentation des évidences dans le réseau
3.4.2. Inférence de l’activité dans le Réseau Évidentiel
3.5. liens entre les modèles de fusion par les Réseaux Évidentiels et par la Logique Floue
3.6. Extension du Réseau Évidentiel à la détection de situations de détresse diverses
3.7. Evaluation et résultats
3.8. Conclusions et perspectives
4. Mise en œuvre de Réseau Évidentiel Dynamique
4.1. Temporal Belief Filter
4.1.1. Prédiction
4.1.2. Fusion entre la prédiction et la mesure
4.1.3. Analyse du conflit
4.2. Mise en œuvre du Réseau Évidentiel Dynamique
4.3. Evaluation et Résultats
Conclusion 
Cadre Général, Enjeux, Déroulement et Gestion de mon projet de thèse
Publications
Bibliographie
Annexe : Le Nouveau Chapitre de la these

Télécharger le rapport complet