Optimisation de la détection de chute par machine learning

Proposition de stage ou de mémoire

Optimisation de la détection de chute par machine learning

Proposition de stage ou de mémoire

Profil Étudiant(e) en fin d’étude de Master en informatique
Prérequis Un intérêt pour l’analyse de données, et le machine learning en particulier, est requis. Une expérience dans ce domaine est un plus. Il est nécessaire de savoir programmer Python ou R, ou de faire valoir un savoir-faire dans un autre environnement d’analyse. Une expérience en Scala peut être un plus, en fonction de l’orientation du stage.
Durée Entre 8 et 12 semaines, en fonction de l’orientation du stage.

Contexte

Le vieillissement de la population amène au développement de solutions améliorant la qualité de vie des personnes âgées et favorisant le maintien de leur autonomie.

Dans ce contexte, le Cetic a développé e-Patch [1], un pansement électronique capable de détecter les chutes corporelles de manière fiable, de localiser la personne qui le porte et de communiquer à distance et de manière automatique les informations requises pour une prise en charge rapide et efficace. Un processus analyse les données transmises afin de déterminer l’urgence de l’intervention et d’évaluer si une intervention humaine est nécessaire.

Travail à réaliser

L’objectif du stage est d’améliorer le processus d’analyse existant en prenant en compte les spécificités des personnes portant un e-patch. En effet, l’intégration de ce contexte permettra d’évaluer plus finement la criticité et l’urgence de la situation, et donc d’assurer un meilleur suivi du porteur tout en améliorant le respect de sa vie privée.

Le stage se décompose en plusieurs étapes, chacune d’elles comportant des challenges méthodologies et techniques spécifiques auxquels le stagiaire devra répondre par l’évaluation des solutions existantes et la mise en œuvre de certaines d’entre elles. À titre d’exemple, une orientation possible du stage consiste, à terme, à procéder à l’analyse d’une quantité importante de données transmises par e-Patch, ce qui pourrait nécessiter le recours à des techniques liées au "Big Data".

Une démarche de travail et une réalisation rigoureuses sont attendues du stagiaire.

Mots-clefs

IoT, machine learning, e-patch, wearable, e-health

Encadrement

Le travail sera encadré, mais nécessitera une certaine autonomie.

Contact : Philippe Drugmand (philippe.drugmand@cetic.be)

[1] https://www.cetic.be/e-Patch-1857