Développement d’un outil automatique d’aide au diagnostic pour les enfants atteints de paralysie cérébrale en réadaptation robotique
Year: 2019
Type: dissertation
Abstract: La paralysie cerebrale represente l’infirmite la plus courante chez les enfants, affectant le mouvement, la coordination et la tonicite musculaire. Cette atteinte peut avoir des effets devastateurs sur le developpement des enfants, s’accompagnant d’une grande difficulte pour accomplir les tâches de la vie quotidienne. Les interventions medicamenteuses, psychotherapeutiques et l’adoption de nouvelles technologies d’assistance robotisee, sont des moyens qui permettent d’ameliorer la qualite de vie et procurer une independance maximale aux enfants dont les capacites mentales le permettent. Les resultats de ces prises en charge sont generalement bases sur des outils d’evaluation subjectives qui dependent grandement de l’avis de l’evaluateur et des facteurs environnementaux.
Dans le but d’ameliorer l’efficacite de ces interventions, l’objectif de cette these est de developper un outil de categorisation des comportements musculaires dynamiques et les habilites motrices des enfants atteints de paralysie cerebrale. Cet objectif global est subdivise en trois objectifs specifiques: (1) tester la validite d’une methode assistee par ordinateur pour la classification des niveaux fonctionnels des enfants avec paralysie cerebrale a partir des mouvements simples d’extension-flexion et de supination-pronation; (2) explorer d’autres techniques d’apprentissage machine plus avancees pour la categorisation des habilites motrices a partir des mouvements effectues avec un dispositif d’assistance robotise REAplan; et (3) comparer les comportements musculaires dynamiques aux membres superieurs entre les enfants atteints de paralysie cerebrale avant et apres la reeducation afin de valider l’efficacite du REAPlan comme outil de readaptation.
Parmi les resultats, une bonne correlation a ete trouvee entre les niveaux de severite etablis par l’echelle « Manuel Ability Classification System » (MACS) et les niveaux de severite issus de la methode de classification. En outre, il a ete possible de differencier les enfants avec un developpement normal, des enfants avec paralysie cerebrale pre-therapie et post-therapie, avec une precision globale de 97,6%.
Par la suite, un indice quantitatif « Upper Limb Motor Function Index » (ULMFI) a ete calcule a partir des parametres electromyographiques et accelerometriques les plus pertinents pour distinguer les trois groupes d’enfants. L'ULMFI a montre des differences significatives entre le groupe avec un developpement normal et les enfants avec paralysie cerebrale pre et post-therapie assistee par robot.
Les resultats de cette these suggerent que les couts et les efforts necessaires pour evaluer et caracteriser le niveau de limitation d'un enfant atteint de paralysie cerebrale, peuvent etre davantage reduits avec des techniques d'apprentissage machine. Comme perspective, cette methode pourra aussi etre appliquee a d’autres populations atteintes de maladies neuromusculaires et de deficits moteurs cerebraux, afin de mieux cibler les muscles atteints avec des traitements specifiques et d'ameliorer le diagnostic medical.----------ABSTRACT
Cerebral palsy is the most common disability in children, affecting movement, coordination and muscle tone. This disability has a devastating effect on children development, on their quality of life and impacts their ability to perform everyday tasks. The use of appropriate combinations of medical and psychotherapeutic interventions and the adoption of the assistive robotic devices could improve the independence and quality of life of children with cerebral palsy whose mental abilities allow it. The effects of these interventions are generally assessed based on the perspective of the therapist evaluating the child and the environmental factors.
To improve the effectiveness of these interventions, the aim of this thesis was to develop a computerized method to estimate the disability levels of children with cerebral palsy. To do so our three specific objectives were: (1) validating a computerized method to classify disability levels of children with cerebral palsy during two main movements of upper extremity: extension-flexion and supination-pronation; (2) testing a more advanced machine learning techniques to categorize motor skills using an assistive robotic device REAplan; and (3) comparing dynamic muscle behavior in upper limbs between children with cerebral palsy before and after the intervention to validate the effectiveness of REAPlan as a rehabilitation tool. A good correlation was found between the severity levels fixed by the « Manual Ability Classification System » (MACS) and the obtained classes. In addition, it was possible to differentiate children with typical development from children with cerebral palsy pre-therapy and post-therapy, with an overall accuracy of 97.6%.
Thereafter, a quantitative « Upper Limb Motor Function Index » (ULMFI) was calculated from the most relevant electromyographic and accelerometric parameters to distinguish between the three groups of children. The ULMFI was able to differentiate between children with typical development and children with cerebral palsy pre and post Robot-Assisted Therapy (Robot-AT).
The results of this thesis suggest that the cost and effort needed to assess and characterize the disability level of a child with cerebral palsy can be further reduced using machine learning techniques. As a perspective, the proposed assessment method can also be applied to other populations with neuromuscular diseases and cerebral motor deficits, to identify the muscles to target with specific treatments and improve medical diagnosis.
Author: Sana Raouafi
Institution: Polytechnique Montréal
Language: French
Subfield: Rehabilitation
Field: Medicine
Domain: Health Sciences
Open Access status: green
OpenAlex ID: W3105926412
