Projet de recherche doctoral numero :8407

Description

Date depot: 1 novembre 2022
Titre: Diagnostic de la maladie de Parkinson par apprentissage automatique : Analyse multimodale et fusion des données voix et mouvement oculaire
Directeur de thèse: Nicolas LOMENIE (LIPADE)
Encadrante : Sonia DJAZIRI-LARBI (Ecole nationale d'ingénieurs de Tunis)
Domaine scientifique: Sciences pour l'ingénieur
Thématique CNRS : Sciences de l’information et sciences du vivant

Resumé: Ce sujet de thèse de doctorat s’inscrit dans le cadre du projet PHC UTIQUE ParkImVox (APPRENTISSAGE AUTOMATIQUE PAR FUSION DES DONNÉES VOIX, EEG ET IMAGE POUR LE DIAGNOSTIC PRÉCOCE DE LA MALADIE DE PARKINSON) mené par trois équipes de chercheurs : le laboratoire Signaux et Smart Systèmes (L3S) de l’Ecole Nationale d’Ingénieurs de Tunis (ENIT) d’une part, le service de Neurologie de l’hôpital Razi de la Manouba et le laboratoire d’Informatique de Paris Descartes (LIPADE) de l’Université de Paris d’autre part. L’objectif du projet ParkImVox est de développer un outil d’aide au diagnostic de la maladie de Parkinson (MP), peu coûteux et non invasif, en implémentant des méthodes d’apprentissage automatique basées sur l’analyse de différentes modalités : la voix, l’électroencéphalogramme, et l’imagerie (IRM, Mouvement oculaire). La MP est la deuxième maladie neurodégénérative la plus fréquente dans le monde. Elle touche 1% de la population âgée de plus de 60 ans. Elle affecte le système nerveux central causant la mort progressive des neurones dopaminergiques, entraînant ainsi une diminution lente du taux de dopamine dans la substance noire mais aussi dans les régions connectées à cette zone, ce qui explique les troubles moteurs caractéristiques de la MP. La dopamine est un neurotransmetteur indispensable au contrôle des mouvements corporels, en particulier ceux automatiques (expression du visage, parole et écriture). Les principaux symptômes moteurs de la MP sont la lenteur de la mise en œuvre des mouvements et leur coordination (akinésie), les tremblements et la rigidité excessive des muscles (hypertonie), mais aussi des altérations typiques de la phonation et de l’articulation ainsi qu’une déficience au niveau de l’oculomotricité. Ces deux derniers symptômes (touchant la phonation et l’oculomotricité), dont l’observation, l’acquisition et l’enregistrement sont totalement non invasifs, feront l’objet de collecte et d’analyse pour développer un outil d’aide au diagnostic basé sur l’apprentissage automatique, dans le cadre de cette thèse et en collaboration étroite avec l’équipe médicale du CHU Razi. Problématique et objectifs du travail Le diagnostic de la MP est généralement basé sur l’observation médicale de signes cliniques spécifiques dont une panoplie de symptômes moteurs. Cependant, certains symptômes précoces et non moteurs de la MP, dont la déficience vocale, se manifestent d’une manière très subtile qui rend leur observation clinique très difficile. Afin de faire face à ces difficultés et assister les spécialistes à affiner le diagnostic et les procédures d’évaluation de la MP, des méthodes d’apprentissage automatique ont été implémentées pour la classification de patients parkinsoniens et sujets sains, voire la classification de patients avec des symptômes similaires. L’apprentissage automatique est de plus en plus présent dans le secteur médical. Comme son nom l’indique, il s’agit de permettre à un programme informatique d’apprendre et d’extraire des représentations pertinentes à partir des données de façon semi-automatique. Dans le cas de la MP, l’apprentissage automatique a été appliqué à différentes modalités des données, comme l’écriture, la démarche, le tremblement, la neuro-imagerie et la voix. Il devient ainsi possible d’identifier des descripteurs pertinents qui ne sont pas traditionnellement utilisés dans le diagnostic clinique et de se baser sur ces mesures alternatives pour détecter les étapes pré-cliniques ou les formes atypiques de la MP. Dans ce sujet de thèse, on s’intéressera aux caractéristiques vocales par analyse du signal vocal et à la vidéooculographie (VOG) par analyse vidéo du mouvement oculaire des patients parkinsoniens pour construire un système d’aide au diagnostic de la MP basé sur l’apprentissage automatique. En effet, bien que la modalité voix pour la détection automatique de la MP ait été largement explorée dans la littérature, la modalité vidéo du mouvement oculaire (MOC) reste encore peu explorée dans ce contexte.



Doctorant.e: Hafsi Sahar