Les Travaux de Fin d'Études en IG

2018-2019

Conception et développement d’une plateforme d’objets connectés dédiée à la santé

Travail réalisé par : Abdessamad Assila – 2019

L’objectif de ce travail est de développer une plateforme de stockage et de traitement en temps réel des données médicales provenant de capteurs connectés, et transmises au Cloud grâce à un réseau télématique spécifique à l’Internet des Objets.

L’architecture proposée doit préserver un accès aux données les plus récentes même en cas de rupture télématique. En effet, les données médicales revêtent un caractère crucial pour la santé des patients, notamment dans les services d’urgence et de soins intensifs.

Dans le cadre de ce travail de fin d’études, une architecture télématique spécifique a été développée et expérimentée à partir de capteurs réels. Un réseau télématique spécifique est proposé et mis en œuvre à travers la technique du « Fog Computing ». En effet, les techniques « Fog » sont de plus en plus utilisées vu leur proximité au niveau du réseau local. De plus, elles permettent une réduction du temps de gestion des données, une haute disponibilité même en cas de coupure d’Internet ainsi qu’une amélioration de la qualité du service rendu par rapport au Cloud Computing.

Image : Source [1]

En effet, dans le contexte de la surveillance de la santé, il est impératif d’être réactif à tout moment, ce que ne permet pas dans tous les cas le « Cloud Computing ».

Ainsi, la plateforme logicielle développée à partir de l’architecture de stockage nous a permis de mettre en place aisément un monitoring des données sous forme de graphes et la génération d’alertes, par exemple : l’arrêt ou l’arythmie cardiaque, l’hypotension ou l’hypertension, la chute du patient, etc.

Système de récupération d’audios à partir d’une recherche textuelle.

Travail réalisé par Anissa Fattahi – 2019

Dans ce projet de fin d’études, je cherche à déterminer si la récupération de sons à partir d’un paragraphe de texte est possible. Je ne considère pas les sons de type musique ou langage parlé. Une des utilisations finales serait de pouvoir générer automatiquement des bandes-son pour des livres.

Pour ce faire j’adapte un algorithme souvent utilisé en récupération intermodale entre textes et images, au nom d’Analyse de Corrélations Canoniques Profonds (ACCP).

L’ACC est une méthode statistique permettant de réduire simultanément l’espace des deux modalités, ici texte et son, tout en maximisant les corrélations entre eux. Ainsi une modalité peut être déduite à partir de l’autre et vice versa. Le « profond » dans le nom provient du fait que les coefficients de projections seront appris par un réseau de neurones à deux entrées. Une entrée pour le texte, et une entrée pour les sons.

Pour entrainer le modèle je constitue une base de données à partir de fichiers retrouvés sur le site web « freesound.org ». Une fois le réseau entrainé, on calcule les coefficients de projections et on projette les données dans l’espace de récupération. Afin de sélectionner les documents les plus proches de notre requête texte, j’utilise la mesure de similarité cosinus.

Image : Source [1]

Faute de travaux similaires, je compare mon système à un système de récupération aléatoire. Le système semble prometteur, il y a récupération du bon son dans près de 10% des cas. Néanmoins la métrique est sensible au nombre de données dans le champ de récupération. Afin de bien pouvoir déterminer les performances il faudrait y allier une évaluation qualitative, c’est-à-dire des humains pouvant juger de la pertinence des sons récupérés.

Sources des images :

[1] Matthias Dorfer et al. “End-to-end cross-modality retrieval with CCA projections and pairwise ranking loss”. In: International Journal of Multimedia Information Retrieval 7.2 (June 2018), pp. 117–128. issn: 2192-662X. doi: 10.1007/s13735-018-0151-5. url: https://doi.org/10.1007/s13735-018-0151-5.

© 2019 Département Informatique et Gestion - Faculté Polytechnique - UMONS

· Privacy · Terms