Topic description
L'évolution des techniques d'analyse du mouvement a progressivement conduit à la production de volumes croissants de données, offrant une représentation toujours plus fine du comportement hu-main. Parallèlement, le développement de capteurs miniaturisés permet aujourd'hui de recueillir des informations détaillées sur les activités quotidiennes des individus. Ce projet s'intéresse principa-lement à l'amélioration de la qualité de vie de personnes en situation douloureuse. Il est le fruit d'une collaboration continue entre les universités de Sherbrooke et de l'Université de Picardie Jules Verne. Nos 2 équipes s'intéressent à l'amélioration des connaissances sur les interactions entre douleur et motricité avec comme ambition de proposer des prises en charges permettant une adaptation des thérapies selon le contexte douloureux de l'individu.
Le présent projet s'appuie des travaux récents entre le laboratoire MIS et le laboratoire APERE qui a conduit à développer un système embarqué d'analyse de la marche et de signaux physiologiques.
L'objectif général de cette étude est d'évaluer la capacité de ce système à fournir des données fiables et pertinentes pour la détection, la quantification et la discrimination de différents niveaux de douleur, tout en optimisant la configuration instrumentale nécessaire pour maintenir une sensibilité suffisante.
Pour transférer nos expériences hors du cadre du laboratoire, il sera indispensable de développer des outils cliniques capables de fonctionner dans des environnements réels, s'appuyant sur l'intelligence artificielle pour traiter et interpréter des données complexes. Dans cette perspective, la modélisation jouera un rôle central en permettant de simplifier le dispositif tout en préservant sa robustesse et sa pertinence clinique.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
The evolution of motion analysis techniques has progressively led to the generation of increasingly large datasets, providing ever more precise representations of human behavior. At the same time, advances in sensor miniaturization now enable the collection of numerous information on individuals' daily activities. This project primarily focuses on improving the quality of life of individuals experiencing pain. It is the result of an ongoing collaboration between the Université de Sherbrooke and the Université de Picardie Jules Verne. Both teams aim to advance knowledge on the interactions between pain and motor function, with the ambition of proposing personalized therapeutic strategies adapted to the individual's pain context.
The present project builds upon recent work conducted jointly by the MIS (UPJV), APERE (UPJV) and GRAND (UdS) laboratories, which led to the development of an embedded system for gait and physiological signal analysis. The overall objective of this study is to assess the system's ability to provide reliable and relevant data for the detection, quantification, and discrimination of different levels of pain, while optimizing the instrumental setup required to maintain sufficient sensitivity.
To extend our investigations beyond controlled laboratory settings, it is essential to develop clinical tools capable of operating in real-world environments, relying on artificial intelligence to process and interpret complex data. In this context, modeling will play a central role by enabling simplification of the system while preserving its robustness and clinical relevance of the data
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Début de la thèse : 01/10/
Funding category
Funding further details
Enseignement supérieur
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.