Objectifs et caractère ambitieux du projet

Ce projet ambitionne de développer et de valider une technologie très novatrice reposant sur la caméra portée, permettant la mise en place de méthodologies nouvelles dans le domaine du diagnostic et du suivi des démences. Il s'agit globalement de développer un système complet (voir figure 1) incluant le dispositif d'enregistrement porté et des outils d'indexation des flux acquis intégrés au sein d'une interface de consultation par les médecins. Cet objectif peut être partagé en trois axes :

• le développement d'un dispositif d'acquisition audio et vidéo embarquée ergonomique adapté à l'application médicale visée,
• la levée de verrous technologiques concernant l'analyse automatique des vidéos permettant une indexation nécessaire pour la consultation des données par un médecin expert,
• la validation de ces technologies par leur intégration dans le cadre des études cliniques et l'élaboration de premières grilles de diagnostic adaptées à ce nouveau paradigme.

Il est nécessaire de souligner le caractère très ambitieux du projet en ce qui concerne l'analyse et indexation automatiques des contenus audio-visuels acquis. En pratique, ces contenus représentent une grande complexité au sens de la richesse des événements visuels et sonores dans un environnement naturel. Ils se rapprochent ainsi des contenus artistiques (films, documentaires) qui restent à ce jour les plus difficiles à indexer. Par ailleurs, la qualité variable, les forts mouvements, le bruit sonore rendent les tâches d'analyse plus difficiles que pour des contenus professionnels.

L'étude préliminaire menée dans le cadre d'un projet PEPS CNRS en 2007-2008 a permis la mise en œuvre d'un premier prototype qui permet d'enregistrer l'activité quotidienne du patient pendant un intervalle de temps étendu de plusieurs heures. Il s'agit d'une base de départ originale, détaillée au niveau de l'état de l'art et du positionnement du projet. Le dispositif développé à l'issue du projet sera le premier système d'acquisition porté à cadence vidéo pouvant être déployé dans un contexte de diagnostic médical. Les objectifs techniques concernant ce dispositif lui-même seront donc de perfectionner sa conception afin de rendre son utilisation plus simple et robuste dans le cadre d'acquisitions plus nombreuses. La contrainte d'une qualité de signaux égale ou meilleure que les signaux du prototype existant sera prise en compte. L'évaluation du dispositif lui-même sera faite au niveau de la capacité du personnel médical à l'utiliser sans risque pour la personne ou le dispositif, et par sa capacité à fournir de façon reproductible les informations nécessaires au diagnostic dans la phase d'étude clinique.

Dans le domaine de la recherche en STIC ce contexte représente de vrais défis scientifiques. D'une part il s'agit de travailler avec d'énormes quantités des données vidéo : avec un enregistrement à la cadence de 25 images par seconde et plusieurs heures en continu, les données à traiter s'élève à plusieurs centaines de milliers d'images par jour. Par ailleurs, au vu de la configuration des dispositifs d'acquisition sur des personnes atteintes de démences, ces vidéos représentent des séquences très bruitées sur le plan du mouvement et constituent un matériau unique pour l'étude des méthodes pouvant être appliquées dans un vaste champ où la vidéo acquise souffre des saccades arbitraires, du très fort flou engendré par le mouvement et où l'on dispose de peu quantité d'informations a priori sur l'environnement sonore et visuel dans lequel la personne portant le dispositif va évoluer.
De plus, la problématique liée de l'indexation des flux vidéo pour l'observation des patients est très vaste et couvre les besoins les plus prioritaires dans l'analyse des contenus générées par l'utilisateur (UGC), comme par exemple, la détection des personnes dans la vidéo pour la protection de la vie privée ou encore le résumé des flux. Il s'agira ainsi de concevoir de nouveaux algorithmes permettant la détection des zones d'activités du patient au sein de la vidéo étant donné les contraintes applicatives. Sur la base des traitements automatiques audio et vidéo, une interface permettra de naviguer dans l'enregistrement à la fois de manière classique (temporelle) mais surtout de manière conceptuelle, à travers la détection d'événements sélectionnés par les médecins. Ce système accélérera l'accès aux zones pertinentes (zones d'activité) de l'enregistrement et guidera le diagnostic des spécialistes du traitement de la démence.

Cette technologie permettra de documenter en situation réelle, « écologique » les difficultés des sujets dans les activités de la vie quotidienne. C'est, à notre connaissance, une approche très originale dans la maladie d'Alzheimer et des syndromes apparentés. Une analyse fine de ces difficultés, couplée à la neuropsychologie, devrait permettre de remédier plus efficacement à ces déficits.
Les objectifs sont ainsi de capturer un corpus vidéo étendu sur plusieurs patients, de les annoter en termes d'événements d'intérêt pour une analyse des difficultés des personnes, et d'en déduire un ensemble de critères objectifs d'analyse adapté à ce nouvel outil d'observation. L'indexation automatique proposée par les partenaires technologiques permettra de naviguer aisément dans les heures de vidéos enregistrées, en résumant cette quantité de données à des séquences de quelques minutes focalisées sur les événements d'intérêt.
Les techniques développées permettent ainsi la mise en place de nouvelles méthodes de diagnostics, mais génèrent également des données originales du point de vue de l'analyse automatique de données multimédia. Ceci motive la mise en commun des efforts des partenaires issus des domaines liés au médical et aux STIC, ainsi que la réutilisation à moyen terme des résultats obtenus au sein de ce projet dans un réseau d'intérêt plus large au niveau Européen.