Contexte

L’objectif est de soutenir des personnes âgées fragiles souhaitant garder leur autonomie au sein d’un habitat partagé appuyé sur des valeurs de solidarité. Un risque majeur identifié par ces personnes est le risque, avéré pour certaines, de chute avec la problématique de l’appel au secours : chambres insonorisées, pas de personnel la nuit. Elles souhaitent pouvoir faire appel les unes aux autres pour pouvoir se venir en aide d’abord entre elles et ne pas être dépendantes des services de secours (pompiers, SAMU) quand c’est inutile.

Le projet dans lequel s’inscrit ce stage vise à établir une base de données de référence comportant une labellisation automatisée des évènements critiques en vue de permettre l’entrainement de systèmes d’intelligence artificielle (IA) pour détecter des accidents et évènements de santé (épisodes critiques) mais aussi aider les résidentes à prendre en main la prévention de leur perte d’autonomie (signaux faibles). Afin d’atteindre cet objectif, il est nécessaire : 1/ d’avoir un nombre d’évènements critiques suffisant donc une période d’observation correspondant à leur fréquence ; 2/ de mettre en place un moyen automatisé de labellisation de la crise au sein de la base de données ; 3/ de s’assurer que cette labellisation est correctement réalisée. La partie infrastructure matérielle, support de ce projet, résulte de travaux préliminaires. Elle est actuellement déployée dans 12 chambres de 2 maisons partagées équipées chacune d’un système embarqué (Raspberry Pi4) qui réalise le traitement sonore pour l’identification de la toux avec un microphone USB, de deux capteurs de mouvement, d’un capteur de porte. Chaque système communique par l’intermédiaire d’une liaison WiFi avec un PC embarqué doté d'un disque dur qui a le rôle de regrouper les données de toutes les chambres, de les stocker temporairement avant l’envoi sur un serveur distant pour un traitement algorithmique dédié. Les données transmises sont anonymes, l’accès au serveur distant sécurisé.

La labellisation est le point clé de la qualité de l’apprentissage. A ce jour, les épisodes critiques ont été estimés grâce à un cahier d’observations de suivi par les maitresses de maison à une dizaine par an pour les 12 habitants, essentiellement des chutes. Or ce mode d’estimation peut : ne pas détecter des chutes sans conséquence pour la personne, induit des imprécisions d’horodatation ; ceci peut induire des erreurs par défaut de l’IA qui devra à terme aider les habitants. Les habitants ont exprimé le souhait de bénéficier d’un système d’alarme permettant de contacter d’autres résidents de l’habitat. En détectant l’usage du système de communication d’alarme, nous aurons un moyen de détecter une crise dès qu’elle survient et de labelliser correctement les données de nos capteurs.

Objectifs du stage

Les objectifs sont :

1- De formaliser, de concevoir et de réaliser en s’appuyant sur l’infrastructure physique et logicielle existante, un outil permettant la communication verbale des habitantes de chambre à chambre la nuit et d’une chambre aux parties communes la journée. Cet outil sera déclenché par une commande vocale en cours de développement à l’UTC (son intégration est à prévoir) ;

2- De prévoir le recueil des logs d’alerte vocale en vue de la labellisation de la base de données d’apprentissage ;

3- De vérifier la pertinence des labels produits.

Pour cela, le (la) stagiaire aura accès à un habitat instrumenté par une solution multidimensionnelle (détection de la toux, des déplacements intérieurs, des entrées/sorties, des temps d’occupation dans l’environnement de vie) qui a déjà été utilisée pour la détection de chutes, mais a posteriori [3]. Cette approche ne demande pas d’intervention de la part de la personne : la procédure de détection des sons, par exemple, permet d’identifier la toux automatiquement en continu, sans utilisation d’un téléphone et l’installation d’une application mobile et sans enregistrement de la parole [4]. Le développement d’une base de données labellisée automatiquement couplé à une étude des représentations des concepts d’alarme en maison partagée et de la qualité d’émission de ces alarmes par les résidents permettra de construire un système fiable d’alerte automatisée autonome et d’estimer avec précision le niveau de risque de ces évènements critiques.

Travail attendu :

- Réalisation du logiciel de communication en version béta, avec recueil des logs horodatés d’activation et export vers la base de données générale en respectant les formats de communication établis ;

- Développement d’un indicateur de degré de confiance des alertes émises (la chute sera choisie) par le retour des résidents eux-mêmes au sein de l’habitat partagé sur la validation de l’évènement détecté. Ce retour (vocal et par le cahier d’annotations) sera très utile pour affiner les techniques de classifications des évènements à risques par l’usage des techniques de reconnaissance basées sur l’IA ;

Le stage se réalisera à la convenance de l’étudiant dans les locaux recherche de l’IUT de Blagnac proche de la Maison Intelligente de Blagnac. L’étudiant pourra en cours de projet être autorisé à entrer en contact avec les habitantes de la maison partagée de Brens (81) ; cela pourra être réalisé soit par visioconférence soit par déplacement local.

Compétences demandées

- Profil Informatique-traitement de données, data mining ;

- Connaissance des capteurs et des dispositifs technologiques embarqués ;

- Capacité de synthèse et rédaction permettant une restitution régulière, claire et efficace du travail effectué ;

- Un très bon contact humain et une connaissance de la gestion de projet seront appréciés. Mais un accompagnement et une sensibilisation au contexte des personnes âgées seront proposés.

Candidature :

Le stage sera encadré par le Pr Eric Campo du LAAS CNRS avec le soutien du Pr Dan Istrate de l’UTC et du Dr Pierre Rumeau du GRADeS e.santé Occitanie.

Envoyer candidature à eric.campo@laas.fr comportant un CV, Lettre de motivation, Résultats depuis la L1.

Date : 6 mois au plus tôt

Rémunération : Oui. Possibilité d’ouverture de perspectives dans le domaine de l’informatique en santé sous forme de thèse de doctorat.