1 1 Spécialité Sciences et Techniques des Activités Physiques et Sportives Présentée à l'Université de Valenciennes et du Hainaut Cambrésis Par Stéphane ARMAND L.A.M.I.H., U.M.R. C.N.R.S. 8530 Soutenance de Thèse de Doctorat 2 Problématique et objectif Problématique générale Analyse de la marche humaine difficile Complexité du mouvement Augmentée avec les pathologies Analyse Quantifiée de la Marche (AQM) aide à cette analyse Quantifie et identifie objectivement les défauts de marche mais son interprétation est une tâche complexe : Quantité de données importante Difficile de lier les défauts de marche avec leurs causes cliniques Objectif Améliorer les connaissances actuelles sur la marche digitigrade Aider à interpréter les données de l’AQM Défaut de marche considéré Marche digitigrade
40
Embed
Soutenance de Thèse de Doctorat - HAL archive ouverte · AQM Examen clinique Anthropométrie Amplitude articulaire Spasticité Force musculaire Cinématique Angle dans les trois
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
1
1
SpécialitéSciences et Techniques des Activités Physiques et Sportives
Présentée àl'Université de Valenciennes et du Hainaut Cambrésis
Par
Stéphane ARMAND
L.A.M.I.H., U.M.R. C.N.R.S. 8530
Soutenance de Thèse de Doctorat
2
Problématique et objectif
Problématique généraleAnalyse de la marche humaine difficile
Complexité du mouvementAugmentée avec les pathologies
Analyse Quantifiée de la Marche (AQM) aide à cette analyseQuantifie et identifie objectivement les défauts de marche
mais son interprétation est une tâche complexe :Quantité de données importanteDifficile de lier les défauts de marche avec leurs causes cliniques
Objectif
Améliorer les connaissances actuelles sur la marche digitigrade
Aider à interpréter les données de l’AQM
Défaut de marche considéré
Marche digitigrade
2
3
Plan de l’exposé
1. Contexte1. L’Analyse Quantifiée de la Marche 2. La marche digitigrade
2. Méthode1. Matériel et Population2. Méthode générale
3. Exploration de la marche digitigrade 1. L’extraction de connaissances 2. Les patrons de marche digitigrade
4. Aide à l’interprétation1. Identification des causes possibles de la marche digitigrade2. Utilisation des résultats
Quantification de variables biomécaniques et physiologiques permettant de caractériser de manière objective la marche d’un patient
Quantifier et identifier les défauts de marche
Déterminer les causes cliniques de ces défauts pour choisir la thérapie la plus appropriéeEvaluer l’effet d’un appareillage
Evaluer l’effet d’un traitement
Toute personne ayant une pathologie ou traumatisme affectant la marche (étant capable de marcher)
Population de prédilection : enfant IMC
Techniques et systèmes d’analyse du mouvement (Cinématique, cinétique, EMG, autres)
Examen clinique et historique du patient
(Whittle, 1996; Davis, 1997; Veil, 2000, Diméglio et al., 2002)
Aide à l’interprétationExploration PerspectivesMéthodeContexte
3
5
AQM - Déroulement
Accueil du patientExamen cliniqueVidéo fonctionnellePose des marqueurs/électrodesAcquisition statiqueAcquisition dynamiqueTraitement des donnéesRapport des donnéesIdentification des défauts de marche
Identification des causes de ces défauts
Préparation de la salle d’examen
Aide à l’interprétationExploration PerspectivesMéthodeContexte
6
AQM - ProblématiquePatient avec défauts de
marche
Quantifier et identifier les défauts de marche
Choisir le traitement le plus approprié
Besoins médicaux
AQM
Solutions Moyens
Techniques d’analyse du mouvement
Expertise Médicale Connaissance de
l’effet des traitements
Souhait du patient
Comprendre la cause de ces défauts
Compréhension des défauts de marche
Examen clinique
Expertise Patho-biomécanique
Aide à l’interprétationExploration PerspectivesMéthodeContexte
4
7
Plan de l’exposé1. Contexte
1. L’Analyse Quantifiée de la Marche 2. La marche digitigrade
2. Méthode1. Matériel et Population2. Méthode générale
3. Exploration de la marche digitigrade 1. L’extraction de connaissances 2. Les patrons de marche digitigrade
4. Aide à l’interprétation1. Identification des causes possibles de la marche digitigrade2. Utilisation des résultats
Conséquences patho-biomécaniquesBut : trouver avantages/inconvénients ou répercussion d’une marche digitigradeMouvement : marche, initiation de la marche
Aide à l’interprétationExploration PerspectivesMéthodeContexte
10
19
Données et Sélection
Angle Cheville
-20
-10
0
10
20
0 10 20 30 40 50 60 70 80 90 100
Cycle de marche (%)
Fle
xio
n p
lan
tair
e/d
ors
ale
(°)
Base de donnéesDate : AQM de 1993 à 20041752 patients , 2526 examens, 12109 essaisVariables : Cinématique, Cinétique, EMGMatériel : Vicon, AMTI, MA-100
SélectionCritère : Absence du premier pivotCaractéristique : Mouvement vers la flexion dorsale au début du cycle de marche (0-10%), donc pente croissante monotone.
Aide à l’interprétationExploration PerspectivesMéthodeContexte
20
DonnéesAnalyse du mouvement
Algorithme de sélection
Données ciblesDonnées mises en
forme
Vérification et mise en forme des données
Transformation des données
Données transformées
Algorithme de classification
Classes
Vérification et mise en forme
Aide à l’interprétationExploration PerspectivesMéthodeContexte
11
21
Vérification et mise en formeCritères exclusion
Sur patientsSi toutes les sessions sont éliminées
Sur sessionsSi session avec patient âgé de + 20 ansSi – de 3 essais sélectionnés dans la session
Sur essaisÉlimination des extrêmessur chaque variable angulaireV< 3 x espace interquartile - 1er quartileV> 3 x espace interquartile + 3eme quartile
Mise en formeVariable considérée : allure de la courbe de flexion/extension de cheville.Pourquoi : allure de la courbe souvent citée par experts et littérature (double bosse) => Semble plus intéressant que valeurs absoluesComment : Tableau avec vitesse angulaire de la cheville en phase d’appui (Réechantillonnage sur 30 points)
1er quartile (25%)
3ème quartile (75%)
Hoaglin, 1983; Aide de statistica
Aide à l’interprétationExploration PerspectivesMéthodeContexte
Steinwender et al. 2001; Zwick et al. 2004; Matjacic et al. in press
22
Résultats : Proportion de patients digitigrades
62
29
6
5144
83
58
18
3
65
17 2026
41
100
0
20
40
60
80
100
IMC
PB
VE
Sco
liose
Myo
pat
hie
Neu
rop
ath
ie
Dig
itig
rade
idio
path
ique
Ost
eoch
ondr
ite
Spi
na B
ifida
Ag
enes
ie
Art
hro
gry
pose
Ro
tatio
nin
tern
e
Pie
ds c
reux
Sai
ns
sur
lap
oin
te
Div
ers
Tot
al
Pou
rcen
tage
de
patie
nts
digi
itgra
des
(%)
Aide à l’interprétationExploration PerspectivesMéthodeContexte
12
23
Transformation
Données mises en
forme
Données cibles
DonnéesAnalyse du mouvement
Algorithme de sélection Vérification et
mise en forme des données
Transformation des données
Données transformées
Algorithme de classification
Classes
Aide à l’interprétationExploration PerspectivesMéthodeContexte
24
Transformation – Codage symbolique
Transformation des donnéesVariable : vitesse angulaire en phase d’appuiTransformation : 1 si vitesse positive
Aide à l’interprétationExploration PerspectivesMéthodeContexte
13
25
Classification
Données transformées
Algorithme de classification
Classes
DonnéesAnalyse du mouvement
Algorithme de sélection
Données ciblesDonnées mises en
forme
Transformation des données
Vérification et mise en forme des données
Aide à l’interprétationExploration PerspectivesMéthodeContexte
26
Classification - Définition
DéfinitionOrganiser les données de manière à regrouper les objets les plus similaires et à séparer ceux qui se ressemblent le moins
Classification dureChaque objet appartient à une seule classe
- Hiérarchique- Agrégation autour des centres mobiles (k-moyennes)
Classification floueChaque objet appartient à toutes les classes avec un certain degré
- c-moyennes floues
Avantages : grande quantité de donnéesdegré d’appartenance
Aide à l’interprétationExploration PerspectivesMéthodeContexte
14
27
Numéro de l’objet
App
arte
nanc
e
Classification Floue
ButPour chaque objet, trouver le degré d’appartenance aux classes considérées
Aide à l’interprétationExploration PerspectivesMéthodeContexte
28
Choix du nombre de classesValidation du nombre de classesBut : Trouver un indice permettant de choisir le nombre de classes le plus appropriéIndice utilisé : Indice de Xie-Beni (1991)Choix : défini comme le meilleur indice (Pal et Bezdec, 1995; Guillaume, 2001)
00.10.20.30.40.50.60.70.80.9
2 3 4 5 6 7 8 9 10
Nombre de classes
Indi
ce d
e X
ie-B
eni
Aide à l’interprétationExploration PerspectivesMéthodeContexte
15
29
Plan de l’exposé1. Contexte
1. L’Analyse Quantifiée de la Marche 2. La marche digitigrade
2. Méthode1. Matériel et Population2. Méthode générale
3. Exploration de la marche digitigrade 1. L’extraction de connaissances 2. Les patrons de marche digitigrade
4. Aide à l’interprétation1. Identification des causes possibles de la marche digitigrade2. Utilisation des résultats
Aide à l’interprétationExploration PerspectivesMéthodeContexte
16
31
Résultats : Appartenance des pathologies
Non ClasséAppartenance < 0.5
Appartenance selon les pathologies aux 3 patrons
0102030405060708090
100IM
C
PB
VE
Sco
liose
Myo
path
ie
Neu
ropa
thie
Dig
itigr
ade
idio
path
ique
Ost
eoch
ondr
ite
Spi
na B
ifida
Sai
ns s
ur la
poin
te Div
ers
Tot
al
App
arte
nanc
e (%
)
Aide à l’interprétationExploration PerspectivesMéthodeContexte
32
Discussion - Patrons
Armand et al. 2005Amyotrophie spinale
Sutherland al. 1981Patte et al. 2000Armand et al. 2005
Myopathie
Hicks et al. 1988
Winters et al. 1987Rodda et al. 2004
Groupe 2
Perry et al. 2003Sujets sains sur la pointe
Idiopathique
Kwon et al. 2003Neuropathie
Winters et al. 1987O’Byrne et al. 1998Rodda et al. 2004
Winters et al. 1987Hicks et al. 1988Rodda et al. 2004
IMC
Groupe 3Groupe 1
Davids et al. 1999
Seuls trois grands patrons de marche digitigradeSeuls trois grands patrons de marche digitigradeAide à l’interprétationExploration PerspectivesMéthodeContexte
17
33
Contribution scientifique
Stéphane Armand, Eric Watelain, Moïse Mercier, GhislaineLensel, François-Xavier Lepoutre
Identification and classification of toe-walkers based on anklekinematics, using a data-mining method
PerspectivesAide à l’interprétationExplorationMéthodeContexte
22
43
Arbres de décision
AvantagesMultivariableReproduit un raisonnement naturel Induit des relations non linéaires entre les donnéesFournit un modèle d’interprétation aisée
Règles de type « SI-ALORS »Règles en langage courant
ObjectifA partir de l’ensemble d’apprentissage, générer des règles de types :SI telles caractéristiques cliniques ALORS tel patron de marche digitigrade
PerspectivesAide à l’interprétationExplorationMéthodeContexte
Défaut de marche importantProportion totale de 41%
3 grands patrons multi-pathologies
Patrons et pathologiesPrépondérance de certaines pathologies pour un des patrons
Explication clinique des patrons digitigradesLiens entre patrons et éléments cliniques sous forme de règlesAdéquation de la base de connaissances avec littérature et expertsUtilisable dans un système d’aide à l’interprétation de l’AQM
62
ConclusionMéthode
Originale dans le cadre de l’analyse du mouvementCombinaison apprentissage non-supervisé et superviséApplication sur grande population (> 2500 AQM)
Permet l’explication d’un mouvementRègles explicatives aisément compréhensibles et interprétables
Aide à l’interprétationBase de règles et de connaissancesUtilisable dans un système d’aide automatisé ou « manuellement »
Les bases de donnLes bases de donnéées sur le mouvement semblent être sous exploites sur le mouvement semblent être sous exploitééeses
De nombreuses connaissances sont De nombreuses connaissances sont àà ddéécouvrir sur le mouvementcouvrir sur le mouvement……
32
63
Contributions scientifiques
Armand S, Watelain E, Mercier M, Roux E et Lepoutre FX. (Soumis)The identification of toe-walking causes using fuzzy decision trees Gait & Posture
Armand S, Watelain E, Mercier M, Lensel G et Lepoutre FX. (Sous presse)Identification and classification of toe-walkers based on ankle kinematics using data-mining method. Gait & Posture
Armand S,Mercier M, Watelain E, Patte K, Pelissier J et Rivier F. (2005)A biomechanical gait comparison of spinal muscular atrophy, type II and duchenne muscular dystrophyGait & Posture, 21(4), pp. 369-378.
Gillet C, Duboy J, Barbier F, Armand S, Jeddi R , Lepoutre FX et Allard P. (2003)Contribution of accelerated body masses to able-bodied gait, Am J Phys Med Rehabil, 82(2), pp.101-9.
Congrès : 9 congrès internationaux et 4 congrès nationaux
64
Remerciements
M. Mercier
G. Lensel E. WatelainF.X. Lepoutre
Institut Saint-Pierre
E. RouxLTSI
33
65
Merci de votre attention
66
Détermination patrons - Solutions essayées
61552380Seuil à 0.643664585Seuil à 0.5
14130563Seuil à 0.7
5343483560Evaluation visuelle
Non reproductible
Autrepatron
Groupe 3Groupe 2Groupe 1
• Solution 1 : valeur d’appartenance floue des patrons– Nombreuses règles & nombreuses conditions
• Solution 2 : appartenance stricte à partir d’un seuil– Seuil à 0.5 : Nombreuses règles & nombreuses conditions– Seuil > 0.6 : Problème avec groupe 2
34
67
Déduction
P∈ ou P∉
O O
∆ ∆
P∈O ou P∉O
P∈∆ ou P∉∆
O O
∆ ∆
∈ - ∉
∈O - ∉O
∈∆ - ∉∆
Données cliniques
!" #
O ∆
P∈
ouP∈OouP∈∆(Marsala, 1998)
(Roux, 2002)
68
T2T∈2T∉2Précision2Sensibilité2Spécificité2
Validation Croisée Stratifiée
Exe
mpl
es
ClasseClasse T1
T∈1T∉1Précision1Sensibilité1Spécificité1
Tes
t 1
App
rent
issa
ge1
DécoupageStratifié …
(×10)
Tes
t 2
App
rent
issa
ge2
…(×10)
T10T∈10T∉10Précision10Sensibilité10Spécificité10
Tes
t 10
App
rent
issa
ge10
10 Σ1PrécisionmoySensibilitémoySpécificitémoy
(Kohavi, 1995)
35
69
Résultats : AQM liée aux 3 patrons
0 20 40 60 80 100-20
0
20
40
60a) Hip Flexion-Extension
Ext
ensi
on/F
lexi
on (°
)
0 20 40 60 80 100-20
0
20
40
60
80b) Knee Flexion-Extension
Ext
ensi
on/F
lexi
on (°
)
20 40 60 80 100-30
-10
10
30c) Ankle Dorsi-Plantarflexion
Pla
ntar
/Dor
sifle
xion
(°)
Gait Cycle (%)
0 20 40 60 80 100-1
-0.5
0
0.5
1d) Hip Flexor-Extensor
Fle
xor/
Ext
ens
or (
Nm
/Kg
)
0 20 40 60 80 100-0.5
0
0.5
1e) Knee Flexor-Extensor
Flex
or/E
xten
sor
(Nm
/Kg
)
0 20 40 60 80 100-0.5
0
0.5
1
1.5f) Ankle Dors-Plantafexor
Flex
or/E
xten
sor (
Nm
/Kg)
Gait Cycle (%)
0 20 40 60 80 100-1.5
-1
-0.5
0
0.5
1
1.5g) Hip Flexion-Extension
Abs
orpt
ion/
Gen
era
tion
(W/k
g)
0 20 40 60 80 100-1.5
-1
-0.5
0
0.5
1
1.5h) Knee Flexion-Extension
Ab
sorp
tion/
Gen
erat
ion
(W/k
g)
0 20 40 60 80 100-2
-1.5
-1
-0.5
0
0.5
1
1.5
2i) Ankle Dorsi-Plantarflexion
Abs
orpt
ion/
Gen
erat
ion
(W/k
g)
Gait Cycle (%)
H1
H2
H3
K1 K2 K3
K4
A1
A2
A3
A4
MH1
MH2
MH3
MK2
MK1 MK3
MK4
MA1 MA2
PH1
PH2
PH3
PK1
PK2
PA1
PA2
PA3
PA4
ANGLE MOMENT POWERG2 G3 G1
70
Classement d’un nouveau patient
ClassementObjectif : Pour un patient donné, trouver à quelle classe il appartient et déterminer quelle règle le caractérise
Méthode :1 ) calcul du degré de satisfiabilité à toutes les règles d’un arbre: S(r)=minimum des valeurs d’appartenances des données cliniques aux conditions de la règle
2) Détermination de la classe du patient : vote
Classe du sujet = classe qui a le vote le plus élevé
3) Détermination de la règle explicativeRègle explicative = celle de la classe du sujet qui a le degré de satisfiabilité le plus élevé
1
1
1max( ( ( )))+ max( ( ( )))
NbC-1
NbC
ii
Vc S r c S r c c−
=
= × ≠
36
71
Règles et hypothèses
Faiblesse musculaire
Contracture du triceps
Spasticité du triceps
Hypothèses Causes trouvés
Faiblesse musculaireOU
Limitation de flexion plantaireOU
Spasticité faible du triceps
Contracture tricepsET
spasticité triceps
Spasticité des ischio-jambiers+
Limitation de flexion dorsaleOU
Limitation de flexion de genou
72
Hypothèses
Faiblesse musculaire
Contracture du triceps
Spasticité du triceps
Renforcement musculaire
Chirurgie triceps
Botox ou plâtre
Traitements
37
73
Synthèse – contributions AQM
Orientations AQM
Comment ?Automatisation
sans marqueursaide à l’indentificationaide à l’interprétation