Analyze-Me
Outils logiciels pour le traitement de signaux physiologiques des patients ayant une forme non-verbale d’autisme
Phase 2
Type de projet : Prototype
Handicap concerné : Autisme et Troubles Envahissants du Développement, Handicap mental, Polyhandicap
Thématiques : Autonomie, Prestations et communication, Santé, Relations interpersonnelles
Statut : Terminé
Notre projet vise à développer un logiciel pour la détection et la visualisation de l’induction du stress ou tentative de communication. En effectuant l’extraction des caractéristiques des signaux physiologiques notre outil les fournit en entrée à l’algorithme de Deep Learning pour classer la communication vs les comportements difficiles des patients autistes non verbaux.
Les patients ayant un autisme non verbal ont souvent du mal à communiquer, ce qui peut conduire au développement de comportements difficiles qui peuvent constituer un danger non seulement pour le patient mais aussi pour ses soignants. Pour résoudre ce problème, nous avons développé une interface utilisateur graphique qui permet la collecte de données en temps réel à partir du bracelet Empatica.
Cette interface traite divers signaux physiologiques, notamment l’activité électrodermale (EDA), le pouls du volume sanguin (BVP), la température et l’accélération 3D (ACC), en extrayant plus de 100 caractéristiques de signaux différentes et en permettant la visualisation de caractéristiques sélectionnées.
Les données préliminaires recueillies auprès de deux patients autistes et de huit volontaires sains – un effort approuvé par le comité d’éthique – ont conduit aux conclusions suivantes :
- Les réponses physiologiques des volontaires sains et des patients autistes semblent être significativement différentes. Les données mixtes provenant de volontaires sains et de patients autistes n’ont pas permis une classification précise des événements stressants par rapport aux périodes de calme.
- Cependant, en analysant les données de chaque patient autiste individuellement, nous avons obtenu une excellente classification des événements stressants par rapport aux périodes de calme, avec une précision de 98 %. De plus, nous avons pu classer le stress émotionnel et les tentatives de communication non verbale avec une précision de 97 %.
