David Carneros, docteur en génie informatique
Vendredi dernier, le 21er février David Carneros Prado, Doctorant à l'Ecole Supérieure d'Informatique de l' Université de Castille-La Manche (UCLM), a soutenu, en résumé, sa thèse de doctorat intitulée «Analyse et évaluation automatique de la démarche et de la posture dans les activités de la vie quotidienne à l'aide de l'intelligence artificielle ». La thèse, dirigée par les Dr. Ramón Hervás Lucas et Jesús Fontecha Diezma, a été réalisée dans le cadre d'un contrat de formation de personnel de recherche (FPI) du plan propre de l'UCLM et a une mention internationale. Le jury était présidé par la Dre Carmen Lacave, de l'Université de Castille-La Manche, et comprenait le Dr Joaquín Ballesteros, de l'Université de Malaga, et le Dr Matias García-Constantino, de l'Université d'Ulster. À la suite de sa défense, le tribunal a décerné à David Carneros la plus haute note, reconnaissant l’excellence et l’impact de ses recherches.
David Carneros, membre du groupe de recherche MAmI (Modèles d'applications mobiles et intelligence ambiante), a combiné ses travaux de recherche avec l'enseignement dans le domaine des systèmes intelligents. Ses travaux de doctorat portent sur l’analyse du mouvement humain, un domaine d’une grande importance pour l’évaluation de l’état de santé et des capacités fonctionnelles des personnes.
Une thèse pionnière sur l'intégration de l'intelligence artificielle et de la biomécanique
L’analyse du mouvement humain, en particulier l’évaluation de la démarche et de la posture, joue un rôle essentiel dans l’évaluation de l’état de santé individuel et des capacités fonctionnelles. Cependant, l’analyse traditionnelle du mouvement est souvent confrontée à des limites importantes en termes d’objectivité et d’accessibilité, s’appuyant largement sur des observations subjectives ou sur des équipements de laboratoire spécialisés et coûteux. Ces restrictions deviennent particulièrement difficiles à évaluer lorsqu’il s’agit d’évaluer des changements subtils de la démarche liés au déclin cognitif ou de surveiller des schémas posturaux prolongés dans les activités quotidiennes.
Cette thèse fait progresser le domaine de l'analyse de la posture et du mouvement humains en intégrant des techniques d'intelligence artificielle aux approches biomécaniques, en présentant quatre études interconnectées publiées dans des revues indexées JCR. Cette recherche aborde les défis critiques de l’évaluation de la posture et du mouvement en combinant des méthodes biomécaniques traditionnelles avec des approches informatiques modernes pour améliorer à la fois la précision de l’évaluation et l’applicabilité pratique dans des contextes réels. La recherche couvre quatre domaines principaux : la relation entre la charge cognitive et les paramètres de la marche lors de l'utilisation du smartphone, la génération de données de mouvement synthétiques à l'aide d'architectures d'apprentissage profond, le développement de systèmes efficaces de reconnaissance de posture et l'automatisation de l'évaluation clinique de la marche. Grâce à cette approche de recherche globale, ce travail démontre comment les outils basés sur l’IA peuvent améliorer la précision et l’objectivité de l’évaluation du mouvement humain tout en le rendant plus accessible pour les applications quotidiennes.
Les principaux résultats comprennent l'identification de schémas de marche distincts lors d'une double tâche avec un téléphone mobile, avec cinq paramètres de marche sur dix montrant des altérations significatives (p < 0.001), le développement réussi d'une architecture à double réseau pour générer des données de mouvement synthétiques avec une fidélité biomécanique élevée, la mise en œuvre de réseaux légers de Kolmogorov-Arnold atteignant une précision de 97.03 % dans la reconnaissance de la posture, et la création d'un système automatisé d'évaluation de la marche avec une précision de 97.56 % dans l'évaluation clinique du mouvement.
Ces contributions établissent un cadre robuste pour l’intégration des techniques d’IA dans l’analyse de la posture et du mouvement, offrant des solutions pratiques pour les soins de santé et l’évaluation ergonomique, tout en maintenant l’efficacité et l’interprétabilité. Cette recherche démontre que l’intelligence artificielle peut compléter efficacement l’analyse biomécanique traditionnelle, contribuant ainsi à une évaluation plus fiable et plus efficace du mouvement humain, tant dans les contextes cliniques que dans la vie quotidienne. Cette étude fournit une base pour les développements futurs dans l’analyse automatisée du mouvement, en particulier dans la détection précoce du déclin cognitif, la surveillance ergonomique et l’évaluation clinique de la marche, tout en abordant les limites actuelles des méthodes d’évaluation du mouvement en termes d’objectivité et d’accessibilité.
Articles d'impact dans les revues JCR
La thèse de David Carneros est une thèse par recueil d'articles, basée sur quatre publications dans des revues indexées JCR à fort impact :
- Analyse de l'effet de la double tâche sur la variabilité de la marche lors de l'utilisation d'appareils mobiles
L'univers social, 2022. T1. SI : 2.8.
DOI: 10.3390/math11010202 - Génération de données synthétiques de mouvement squelettique 3D à partir de trajectoires 2D à l'aide de réseaux neuronaux récurrents
Ordinateurs en biologie et médecine, 2024. T1. SI : 7.0.
DOI: 10.1016/j.compbiomed.2024.108943 - Comparaison entre les perceptrons multicouches et les réseaux de Kolmogorov-Arnold pour la reconnaissance des postures assises
Accès IEEE, 2024. T2. SI : 2.3.
DOI: 10.1109/ACCESS.2024.3510034 - Automatisation de l'évaluation observationnelle de la marche à l'aide d'un système optique 3D et de transformateurs
Intelligence appliquée, 2025. T2. SI : 3.4.
DOI : 10.1007/s10489-024-06163-w
