EP4091176A1 - Method and device for analysing fine motor skills - Google Patents

Method and device for analysing fine motor skills

Info

Publication number
EP4091176A1
EP4091176A1 EP21701061.0A EP21701061A EP4091176A1 EP 4091176 A1 EP4091176 A1 EP 4091176A1 EP 21701061 A EP21701061 A EP 21701061A EP 4091176 A1 EP4091176 A1 EP 4091176A1
Authority
EP
European Patent Office
Prior art keywords
accessory
finger
course
recording
individual
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP21701061.0A
Other languages
German (de)
French (fr)
Inventor
Nesma HOUMANI
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institut Mines Telecom IMT
Original Assignee
Institut Mines Telecom IMT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institut Mines Telecom IMT filed Critical Institut Mines Telecom IMT
Publication of EP4091176A1 publication Critical patent/EP4091176A1/en
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Definitions

  • the present invention relates to the field of data analysis relating to the field of cognitive and behavioral neurosciences.
  • the invention relates more particularly to a method for analyzing fine motor skills by acquiring and analyzing the movements of an individual, and to a device for carrying out this method.
  • Fine motor skills correspond to the execution of precise movements, in particular thanks to the muscles of the fingers, and more generally of the hand, or of the face and to the muscular control of the muscles concerned. Gripping and manipulating small objects, performing painstaking gestures, such as drawing or writing, or controlling facial muscles are examples of fine motor skills.
  • Rosenblum exploit dysgraphia, a disorder of written expression, in order to identify neurodevelopmental disorders such as attention deficit with or without hyperactivity, autism spectrum disorders, or coordination acquisition disorders. These methods are based on the analysis of handwriting in children being in particular in primary classes, that is to say knowing how to write. However, writing is a complex and codified gesture. In addition, the evolution of learning to write can last more than ten years, as described in the publications Handwriting development, written by KP Feder et al. and Factors that relate to good and poor handwriting, written by H. Cornhill et al. These methods therefore do not allow the early identification of neurodevelopmental disorders.
  • the invention aims to meet this need and it achieves it, according to one of its aspects, by virtue of a method for acquiring and analyzing the fine motor skills of an individual, comprising the following steps: a) presentation of at least one course on a support, inviting the individual to perform a free movement with at least one finger and / or an accessory on the support, this movement being linked to the course presented, b) recording of an execution time of at least part of the route, c) recording of the successive positions of the finger and / or of the accessory when performing at least part of the route, d) analysis of the recordings to generate at least one random variable describing the successive positions of the finger and / or the accessory according to a predefined statistical model, e) generation of a score representative of fine motor skills, from at least the duration of carrying out at least part of the route and of a statistical measurement of the random variable, characteristic of a quantity of information, of a disorder or of a chaos contained in the recording of the successive positions of the finger and / or accessory.
  • Such a method is implemented with computer means.
  • the recording is done in a computer memory, and the analysis and generation of the score is done by computer.
  • the invention is based on a statistical modeling of the movement performed by the individual with the finger and / or the accessory when performing the course.
  • the statistical measurement resulting from this modeling makes it possible to highlight an individual's cognitive and motor functions, such as attention, planning and memorization, which are important markers of good health.
  • the invention enables the possible presence of pathologies to be detected simply and quickly, in particular by highlighting an atypical course in children, an abnormal decline in the elderly, or a progression or regression during therapeutic treatment.
  • One of the advantages of the method according to the invention is that it allows the early identification of cognitive and / or motor disorders via the analysis of fine motor skills regardless of age, language or level of mastery of the language. 'writing.
  • the course can in particular be done without instruction and without special knowledge, making it easier for any individual to complete.
  • the course can be done remotely by the individual, for example at home or at school, and does not require a trip to a health specialist.
  • the analysis of the movement performed makes it possible in particular to highlight hesitations or errors when completing at least part of the course.
  • the movement can be analyzed in particular by recording the positions of the finger and / or the accessory when performing at least part of the route.
  • the recording of speeds and / or accelerations of the movement of the finger and / or the accessory and / or the recording of finger pressure and / or the accessory on the support and / or the recording of inclinations of the finger and / or the accessory with respect to the support during production of at least part of the course can allow a more detailed analysis of the movement.
  • the inclinations of the finger and / or the accessory can be acquired by image analysis with optionally optical markers attached to the finger and / or the accessory (colored, reflected pellets, light emitters), and / or the accessory can possibly include an accelerometer.
  • the acquisition of the recordings is carried out with a constant sampling frequency.
  • the at least part of the route corresponds to the route as a whole.
  • Carrying out several courses that may have varying degrees of difficulty makes it possible to characterize more precisely the cognitive and / or motor capacities of the individual.
  • the statistical modeling of these recordings makes it possible to carry out the analysis by quantifying the characteristics of the movement such as the fluidity and / or the control of the movement, in particular via the determination of a statistical measurement.
  • the statistical measure can be an entropy measure, including multiscale entropy, coarse entropy, "sample entropy", Tsallis entropy, or differential entropy.
  • Entropy makes it possible to measure the disorder and the uncertainty of the actions carried out by the individual during the completion of the course.
  • the statistical measure can also be defined from a measure of chaos, such as a measure of fractal dimensions or a measure of Lyapunov exponent.
  • the statistical measure is a differential entropy, which can be described by the following formula:
  • the probability density of the random variable can be estimated by a statistical model, in particular by a mixture of Gaussians (GMM).
  • GMM mixture of Gaussians
  • the differential entropy can then be defined by [Math 2] where ⁇ is the covariance matrix and N the dimension of the Gaussians, for example equal to 2, corresponding for example to the dimension of the coordinates of the positions of the finger and / or of the accessory.
  • the number of Gaussians can be determined so as to limit the calculation time of the statistical measurement while retaining an amount of information contained in the recording sufficient for the analysis.
  • the mixture of Gaussians comprises for example 30 Gaussians or more.
  • the differential entropy measure of a Gaussian is related to its variance and quantifies the dispersion of the Gaussian distribution.
  • a disorderly movement will therefore have a high entropy measure, unlike a fluid gesture.
  • Variance can be defined as a statistical measure, as well as an average or any other value relative to the statistical model.
  • the statistical model can be a hidden Markov model, characterized by a number of states S.
  • the states can correspond to portions of the path, that is to say to a position or a set of successive positions. finger and / or accessory.
  • the number of S states may depend on the length of time the individual completes the course.
  • the states may correspond to portions of the course each extending over the same duration and / or the states may include the same number of successive positions of the finger and / or of the accessory. Thus, the longer the realization time, the greater the number of S states.
  • the number of S states can be predefined.
  • the states may in particular include a number of successive positions of the finger and / or of the different accessory, and / or correspond to portions of the course extending over variable durations.
  • An intermediate statistical measure can be calculated for each of the S states and / or an intermediate realization time can be recorded for each state of the hidden Markov model.
  • the statistical measure can be defined from the intermediate statistical measures and / or the completion time can be defined from the intermediate periods.
  • An intermediate score representative of fine motor skills can be generated for each state of the hidden Markov model, from at least the intermediate duration of the portion corresponding to the state and the intermediate statistical measure calculated for the state, the score that can be defined from intermediate scores, statistical measures intermediate, and / or intermediate durations.
  • the analysis of fine motor skills is advantageously finer and more precise, making it possible to locate the portion or portions of the course where the individual has had atypical behavior.
  • the statistical measurement in combination with at least the duration of the course of the course advantageously makes it possible to generate the score representative of fine motor skills.
  • Steps a), b), c), d) and e) are advantageously repeated several times for the same individual, preferably between 2 and 40 times, better between 10 and 30, even better about 20 times. An average score can then be calculated from the scores of each step e).
  • steps a), b) and c) are repeated several times for the same individual, and steps d) and e) are carried out once from the recordings of steps b) and c) repeated several times.
  • the sum of the times for carrying out step b) is less than 10 minutes.
  • An individual's concentration may decline when completing at least part of the route or several routes take too long.
  • Parameters other than successive positions and duration, can help characterize an individual's fine motor skills more precisely, further improving the analysis.
  • a movement having a constant speed during the realization of the course is in particular representative of a controlled movement.
  • a more detailed analysis of the movement is for example carried out by one or more additional recording (s), of speeds and / or accelerations of the finger and / or of the accessory and / or of pressure of the finger and / or of the accessory on the support and / or inclinations of the finger and / or the accessory with respect to the support when performing the course, the score being generated at least from this or these recording (s).
  • the analysis of the recording (s) is carried out so as to generate at least one random variable describing the speed and / or one random variable.
  • the score generated in step e) being calculated from at least one statistical measurement of the at least one random variable characteristic of a quantity of information, of a disorder or of a chaos contained in the recording (s) of the speed, acceleration, pressure or inclination of the finger and / or the accessory.
  • the identification of atypical behaviors is preferably carried out by comparing the score representative of fine motor skills with at least one reference score.
  • the reference score is for example an average score.
  • the score can be compared to scores recorded in a database. These recorded scores can be derived from implementations of the method according to the invention.
  • the comparison can in particular be carried out by calculating a z-score then by performing a thresholding; the z-score expressing the deviation from the mean, the thresholding then makes it possible to highlight significant deviations from this mean.
  • the comparison can also be carried out by means of a machine learning method, in particular a classification method, for example K-means, hierarchical classification, GMM (Gaussian Mixture Model), k-medoids, DBSCAN (density-based spatial clustering of applications with noise), k nearest neighbors, random forest, graph method.
  • classification methods may or may not be supervised. This list is not exhaustive.
  • the comparison is preferably carried out to compare scores of individuals that are substantially similar, particularly in terms of age, education, and / or language.
  • the comparison is preferably carried out for substantially similar degrees of difficulty of course and / or for identical courses.
  • the comparison can also be carried out for the same individual performing for example different routes, and / or performing one or more routes at different moments in time. These different moments in time can correspond to a moment before treatment and a moment after treatment.
  • An evolution of the fine motor skills of the individual can be determined by comparing the scores resulting from the achievements of the course at different points in time. The comparison can be carried out on the basis of intermediate scores, allowing the identification of the portions comprising an atypical behavior of the individual.
  • An alert can be generated based on the result of the comparison, for example with the aim of carrying out a more detailed analysis a posteriori, for example by presenting the individual with different paths which may be of different difficulties; the alert can be communicated, for example automatically by email, sms, by being displayed on the support and / or recorded in a database, to a specialist in cognitive and / or motor disorders, to a doctor, to a person in charge of the individual, to the individual and / or a relative of the individual.
  • the generation of the score, the comparison and / or the generation of an alert can be carried out at a distance from the completion of the route and the detection of successive positions and / or the duration of completion of at least part of the route.
  • the route can be randomly generated and / or saved.
  • the course presented can be a labyrinth.
  • a labyrinth preferably defines a single path connecting a starting point to an ending point.
  • the labyrinth can have at least one dead end path.
  • the labyrinth has several dead end paths.
  • a degree of difficulty can be selected, the number of dead end paths in the labyrinth increasing with the degree of difficulty.
  • the course is a set of points to be connected.
  • the points are to be connected in a predetermined order.
  • each point can contain information such as a number and / or a letter, defining in particular the order in which the points are to be connected.
  • the set of points to be connected can contain only one type of information, for example only points containing numbers or only points containing letters, or different types of information, for example points containing numbers and points containing letters.
  • Points can contain other types of information such as mathematical operations, colors, shapes. Instructions, for example audio or written, can if necessary be broadcast to guide the individual in his journey.
  • the selection of a degree of difficulty can define the number of points to be connected and / or the type of information contained in the points to be connected and / or the number of types. of different information contained in the set of points to be connected, the number of points to be connected and / or the number of types of information increasing with the degree of difficulty.
  • the presentation of the course may include its display on the support.
  • the presentation comprises the display of the route, in particular a labyrinth or a set of points, on a screen, the screen preferably being tactile.
  • a trace of the trajectory of the finger and / or the accessory can optionally be displayed on the support.
  • the display of the track tends to increase the degree of difficulty by increasing the amount of visual information to be understood.
  • the invention also relates, according to another of its aspects, to a system for acquiring and analyzing fine motor skills for implementing the method according to the invention, comprising: a support suitable for displaying the route , a timing means for measuring a duration of completion of at least part of the route, a detection means, detecting the positions of the finger and / or of the accessory when performing at least part of the route, a memory in which the positions of the finger and / or the accessory and / or the duration of at least part of the route can be recorded, a processing and analysis means for generating a score representative of motor skills fine from at least the duration of completion of at least part of the route and a statistical measurement, characteristic of a quantity of information, of a disorder or of a chaos contained in the recording of positions of the finger and / or the accessory, itself generated from r of a random variable representative of the positions of the finger and / or the accessory.
  • the support may comprise a screen, preferably comprising a touch interface making it possible to follow the movement of the finger and / or of the accessory during the production. of the course.
  • the support can be a tablet, a cell phone, or an interactive whiteboard among other possibilities.
  • the accessory used by the individual to complete at least part of the course may be a tablet-operated tool, such as a stylus, or any suitable writing tool such as a pencil, chalk, pen or felt-tip pen.
  • the accessory may include a sensor, for example capacitive, optical, thermal, pressure, ultrasonic.
  • the timing means may be an algorithm executed by computer means, this algorithm preferably being included in the program executed by the processing and analysis means, determining the duration of completion of at least part of the route from the recordings of the successive positions of the finger and / or the accessory.
  • the processing means preferably comprising an internal clock, it is possible to determine the duration of completion of at least part of the route, knowing the sampling frequency at which the successive positions are recorded.
  • the timing means may alternatively be separate from the processing and analysis means, being for example a specialized electronic circuit or a program executed during the acquisition independently of a program executed for the processing and analysis of the records.
  • the timing device can be included in the support.
  • the detection means can be a sensor, in particular a capacitive, optical, thermal, pressure or ultrasonic sensor.
  • the detection means can be included in the holder. Alternatively, it is separate from the support.
  • the detection means can be integrated into the support, in particular integrated into a camera, a tablet, a mobile phone, or an interactive whiteboard.
  • the detection means may be a camera observing the support, for example a color camera, for example of the Kinect type.
  • the detection means can also detect the speed and / or the acceleration and / or the pressure of the finger and / or the accessory on the support and / or the inclination of the finger and / or the accessory with respect to the support.
  • the processing means can be included in the support and / or in the detection means.
  • the processing and analysis means may include a processor.
  • processing algorithms make it possible to automatically generate the score from the recordings.
  • the processing and analysis means may include supervised or unsupervised learning methods performing the analysis of the score generated for the individual.
  • the processing and analysis means can be placed at a distance from the detection means and / or the timing means and / or the support and / or the memory.
  • the processing and analysis means are, for example, a computer, a tablet, a cell phone, an interactive whiteboard, a smart watch that can for example be connected to a tablet, an on-board camera, or a computer program located in the cloud.
  • the processing and analysis of the recordings can be performed in real time or in deferred mode.
  • the memory preferably comprises a database, the database possibly comprising scores representative of the fine motor skills of a set of individuals, preferably of any age, records of successive positions, durations of completion of at at least part of at least one course, personal information relating to the set of individuals and / or to the individual, or values and / or algorithms intended for the analysis of the score.
  • the memory can be included in the medium and / or in the processing and analysis means and / or in the detection means, being for example a RAM bar, a hard disk, a USB key, an SD card or a circuit. integrated for example on a processor. Preferably, access to this data is secure, protected for example by a password.
  • FIG 1 Figure 1 schematically shows a device according to the invention
  • FIG 2 is a block diagram of various elements of a device according to the invention.
  • FIG 3 Figure 3 illustrates different steps of a process according to the invention
  • FIG 4 shows a comparison of scores representative of fine motor skills using a classification method
  • FIG 5 shows another comparison of scores using a classification method
  • Figure 6 illustrates an example of a route in progress
  • Figure 7 shows examples of routes with different degrees of difficulty.
  • FIG. 1 shows a system for acquisition and analysis 1 of fine motor skills according to the invention, comprising a touchscreen tablet 2, for example a Wacom type tablet, and an accessory 11, the accessory 11 being here a stylus.
  • the accessory 11 comprises, for example, a tip, an individual being able to position and move the accessory more precisely on the tablet 2.
  • the tablet 2 makes it possible to display a route and to detect the successive positions of the finger and / or of the accessory 11 on the screen when performing at least part of the route.
  • the accessory 11 can also help to detect successive positions, for example by including a capacitive, optical, thermal, ultrasonic and / or pressure sensor.
  • the tablet 2 comprises a processing and analysis means composed in particular of a processor, analyzing the successive positions and being able to determine a duration of completion of at least part of the route, from the acquisition of the successive positions and of 'an internal clock.
  • the tablet 2 executes a program generating and analyzing a score representative of the fine motor skills of the individual. This score can be compared to a set of scores taken from a database, the database possibly being located in a memory of the tablet. The score and / or the successive positions and / or the duration of completion of at least part of the course can be recorded in the memory.
  • the acquisition and analysis system 1 comprises a display medium 10, a detection means 12, a processing and analysis means 13, a memory 14 and a timing means 15, as shown. in figure 2.
  • the display medium 10, the detection means 12, the processing and analysis means 13, the timing means 15 and the memory 14 may or may not be distinct from each other.
  • the whole can be grouped together within a single device, for example the touchscreen tablet shown in Figure 1.
  • the support 10 can alternatively be a sheet of paper, a non-touch screen, or a board.
  • the detection means 12 may comprise an optical, capacitive, thermal, ultrasonic and / or pressure sensor, which may be located in or under the support 10 and / or be located at a distance from the support, the detection means 12 being for example a touch screen or a camera.
  • the timing means 15 can be an algorithm, preferably included in the processing and analysis means 13, determining the duration of completion of at least part of the route from the recordings of the successive positions of the finger and / or of the accessory.
  • the processing and analysis means 13 preferably includes an internal clock and the duration of completion of at least part of the path can be determined from the sampling frequency at which the successive positions are recorded.
  • the processing and analysis means 13 can be any type of processor, in particular be identical to those found in computers, tablets, cell phones, smart watches, or on-board cameras, among others.
  • the memory 14 can contain a database containing recorded scores and / or a set of data making it possible to carry out the processing and the analysis, for example a threshold value beyond which an alert is triggered, programs computer, personal information relating to the individual allowing for example to refine the analysis, such as his age, his level of education, his medical history. Access to this personal information is preferably secure, for example by being protected by a password or a handwritten signature of the individual, of a healthcare professional or of any other person having a right of access to these. personal informations.
  • the memory 14 is preferably included in the processing and analysis means 13.
  • the processing and analysis means 13 and / or the memory 14 can be located at a distance from the support 10 and the detection means 12.
  • the initial step 101 involves the presentation of the course 26 to the individual on the support 10, inviting the individual to perform a free movement 20 with the finger and / or the accessory on the support 10.
  • the duration of completion of at least part of the route as well as the successive positions MM, Mi of the finger and / or of the accessory on the support 10 when performing at least part of the route are the subject of acquisitions 102, 103.
  • the acquisition 102 of the duration of completion of at least part of the path, and / or the acquisition 103 of the successive positions of the finger and / or of the accessory on the support 10 can be carried out as soon as the finger and / or the accessory are detected on the support 10.
  • the acquisition 103 is preferably carried out with a constant sampling frequency.
  • the execution time can be determined by computer from the number of acquisitions and the sampling frequency.
  • the score representative of fine motor skills can be generated in step 107 thanks to the knowledge of the duration of production and to the analysis 105 of the recordings of the positions comprising the generation of at least one random variable describing the successive positions of the finger. and / or the accessory according to a predefined statistical model, from which a statistical measurement is calculated.
  • the successive positions of the finger and / or the accessory can be described by a series of random variables.
  • the statistical model is a mixture of Gaussians, the statistical measure preferably being differential entropy.
  • the recordings of the successive positions MM, Mi associated with the movement 20 of the individual on the support 10 when carrying out at least part of the route can be represented by a set of temporal coordinates (x (t), y (t)), the random variable consisting of at least a part, better still of all of these temporal coordinates.
  • the random variable can also include temporal coordinates resulting from the realization of one or more routes.
  • a density function associated with the generated random variable can be determined from the statistical model, which can be described by the following formula in the case of a mixture of Gaussians:
  • the statistical measure can be calculated using the following formula:
  • N 2 being the dimension of the temporal coordinates
  • the statistical measure being a differential entropy
  • the statistical model a mixture of Gaussians.
  • Differential entropy is related to the variance of Gaussians, quantifying the dispersion of records from successive positions.
  • the slower the individual's movement for example because of a reflection, a hesitation, a motor problem, and / or the more the individual goes backwards, for example having a gesture disordered, the more the Gaussians are spread out, then comprising a high variance and therefore a high differential entropy.
  • the statistical model can be a Hidden Markov Model (HMM).
  • HMM Hidden Markov Model
  • the hidden Markov model is notably characterized by a number of states S.
  • the states can each be characteristic of a portion of the movement performed by the individual, a state grouping for example a set of successive positions, the portions preferably being distinct.
  • the portions can extend over substantially similar durations, the number of states S then depending on the duration of completion of at least part of the route.
  • the portions can extend over different durations, the number of states being, for example, predefined.
  • the states can also each be characteristic of completing at least part of the route, with the individual completing several routes, for example between 2 and 40 routes, better between 10 and 30, even better around 20.
  • the states can still be characteristic of portions of the movement performed by the individual when performing several routes.
  • An intermediate statistical measure is preferably calculated for each of the S states.
  • the statistical measure is preferably defined from intermediate statistical measures characteristic of a state.
  • Intermediate statistical measurements can be derived from the analysis of portions comprising the generation of an intermediate random variable describing, for example, the successive positions included in each portion according to an intermediate statistical model, for example a mixture of Gaussians.
  • Intermediate measures can be differential entropies.
  • Intermediate scores representative of a portion of the movement performed by the individual to complete the course, can be generated from the intermediate statistical measurements and the durations over which said portions extend.
  • the score can be a combination of the intermediate scores.
  • the score can be a weighted sum of at least the statistical measurement representative of the successive positions of the finger and / or the accessory and of the duration of the course.
  • the score can alternatively be a vector comprising at least the statistical measurement representative of the successive positions of the finger and / or of the accessory and the duration of the course.
  • the method according to the invention comprises in particular a step 108 of analyzing the score.
  • the score can for example be compared automatically with scores included for example in a database.
  • the score can be subjected to a method of classification, supervised or not, for example 2D clustering methods as shown in the examples of Figures 4 and 5.
  • the score is compared with a predefined threshold value, being for example an average score calculated from a set of scores resulting, for example, from the implementation of a method according to the invention.
  • the score can be recorded in step 109.
  • the score can enrich a database that can be used for analysis step 108 by comparison, and / or participate in the definition of an average score.
  • the method may also include the automatic generation of an alert 110 to warn of the detection of atypical behavior.
  • an alert can be triggered in order to draw attention to scores substantially similar to those of group A in figures 4 and 5, these scores being isolated from the other groups and corresponding to a high duration of the course and high differential entropy.
  • FIG. 4 represents an example of comparison 108 of scores in the form of normalized vectors, the values of the duration of realization and of the statistical measurement being between 0 and 1.
  • the comparison 108 is carried out in this example by means of a method 2D clustering, defining eight different groups, based on 258 scores of different individuals, in particular of all ages. Group A contains in particular three scores that are far removed from the other scores. An alert can be generated 110 concerning these three individuals, for example with the aim of carrying out new routes, or medical tests.
  • FIG. 5 represents another example of comparison 108 of twenty-seven scores of individuals having substantially the same age by means of a 2D clustering method from normalized vectors comprising the duration of the course and the statistical measurement.
  • the scores are classified into three groups. Group A, with a single score, may correspond to atypical behavior relating to fine motor skills.
  • Completing at least part of the route can easily be done remotely and thus facilitates the implementation of the method according to the invention. Indeed, the individual can complete the course alone, that is to say without the supervision of a professional, especially in health.
  • the records, and / or the score and / or the analysis can be sent a posteriori, for example by Internet, to a server which carries out the data processing.
  • the method may include step 104 of recording additional parameters and step 106 of analyzing them, in order to obtain a score.
  • the parameters possibly being for example the speeds of the finger and / or of the accessory, the accelerations of the finger and / or of the accessory, the pressures of the finger and / or of the 'accessory on the support 10, and / or the tremors of the finger and / or of the accessory and / or the inclinations of the finger and / or of the accessory with respect to the support when carrying out the course.
  • This list is not exhaustive.
  • These parameters can be acquired thanks to a detection means, or be determined thanks to a computer routine, for example determining an average or calculating a number of round trips.
  • a Wacom type tablet can detect and acquire the pressures and inclinations of the accessory relative to the tablet.
  • FIG. 6 illustrates an example of a route 26 that can be presented to an individual on a support, inviting him to perform a free movement 20 with his finger and / or an accessory 11.
  • the successive positions Mi, MM are recorded with a pitch At separating two successive positions preferably constant.
  • An area 24 and / or a graphic element 23 to be selected can represent the position of the finger and / or the accessory on the support 10, making it possible in particular to visualize the position of the individual on the course.
  • Zone 24 gives the individual a larger space, making it easier to select for the purpose of completing the course.
  • the zone 24 can for example disappear when the individual selects the zone 24 and / or the graphic element 23.
  • the acquisition 102 of the duration and / or the acquisition 103 of the successive positions and / or the acquisition 104 of the others. parameters can be performed only when the individual selects zone 24 and / or graphic element 23.
  • a trace 20 representing the movement of the finger and / or the accessory 11 on the support 10 can be displayed, making it possible to visualize the progress of the individual on the course.
  • the trace 20 can represent the exact movement of the finger and / or the accessory on the support 10, or it can be represented by means of segments.
  • a trace showing a solution of the course can also be presented to the individual at the end of the exercise, if necessary.
  • the path 26 can be a labyrinth, comprising at least one dead end path 25 preferably defining a single path connecting a starting point 21 to an ending point 22.
  • the path can be delimited by walls which may or may not be rectilinear, the labyrinth taking for example the shape of an intestine.
  • FIG. 7 illustrates three degrees of difficulty of “easy”, “medium” and “difficult”, the number of dead-end paths increasing as a function of the degree of difficulty.
  • the path 26 can be generated randomly, for example by means of a computer program, for example included in the processing and analysis means 13. This path 26 can be recorded, for example in the memory 14, which can be presented several times. times, for example to several individuals in order to compare their score, and / or to the same individual, for example at different times, these different times possibly corresponding in particular to an evaluation before therapeutic treatment and to an evaluation after therapeutic treatment in order to assess the evolution of the individual's motor skills and of certain cognitive functions during said treatment and / or the effectiveness of said treatment.
  • the support may be a sheet of paper or any other material on which the path can be printed or drawn, the sheet or the material being for example positioned on a touch screen, or a camera capable of filming the movement of the finger and / or accessory on the sheet of paper or material. The movement can then be broken down in order to define successive positions, in particular by means of a computer program.
  • the acquisition of successive positions can be carried out by digitizing a trace left by the individual on the support when carrying out at least part of the route, for example with a pen or pencil on a sheet of paper. paper, the duration of completion of at least part of the route can be acquired separately, for example with a stopwatch.
  • the steps of acquiring successive positions and / or other parameters can be followed by pre-processing steps in order to standardize the records, typically between 0 and 1, or to identify missing records, for example. These pre-processing steps notably facilitate the generation and analysis of the score.
  • ADHD attention deficit hyperactivity disorder
  • H. Cornhill et al. Parkinsonism reduces coordination of fingers, wrist, and arm in fine motor control, H.L. Teulings,

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

Disclosed is a method for acquiring and analysing the fine motor skills of an individual, comprising the following steps: a) presenting at least one course on a medium, inviting the individual to make a free movement with at least one finger and/or one accessory on the medium, this movement being linked to the presented course, b) recording a period of time taken to complete at least part of the course, c) recording successive positions of the finger and/or the accessory during the completion of at least a part of the course, d) analysing the recordings in order to generate at least one random variable describing successive positions according to a predefined statistical model, e) generating a score representative of the fine motor skills, based on at least the period of time taken to complete at least part of the course and a statistical measurement of the random variable, characteristic of a quantity of information, disorder or chaos contained in the recording of the successive positions.

Description

Description Description
Titre : PROCEDE ET DISPOSITIF D’ANALYSE DE LA MOTRICITE FINE Title: METHOD AND DEVICE FOR THE ANALYSIS OF FINE MOTOR SKILLS
Domaine technique Technical area
La présente invention concerne le domaine de l’analyse de données relatives au domaine des neurosciences cognitives et comportementales. L’invention concerne plus particulièrement un procédé d’analyse de la motricité fine par l’acquisition et l’analyse des mouvements d’un individu, et un dispositif permettant de mettre en œuvre ce procédé. The present invention relates to the field of data analysis relating to the field of cognitive and behavioral neurosciences. The invention relates more particularly to a method for analyzing fine motor skills by acquiring and analyzing the movements of an individual, and to a device for carrying out this method.
Technique antérieure Prior art
La motricité fine correspond à l’exécution de gestes précis, notamment grâce à des muscles des doigts, et plus généralement de la main, ou du visage et au contrôle musculaire des muscles concernés. La préhension et la manipulation de petits objets, la réalisation de gestes minutieux, comme le dessin ou l’écriture, ou encore le contrôle de muscles faciaux constituent des exemples correspondant à la motricité fine. Fine motor skills correspond to the execution of precise movements, in particular thanks to the muscles of the fingers, and more generally of the hand, or of the face and to the muscular control of the muscles concerned. Gripping and manipulating small objects, performing painstaking gestures, such as drawing or writing, or controlling facial muscles are examples of fine motor skills.
Des méthodes d’analyse de la motricité fine de la main chez l’enfant, présentes dans la littérature, permettent le repérage de troubles neurodéveloppementaux. En effet, les publications Handwriting performance in children with attention déficit hyperactivity disorder (ADHD), rédigée par M. Racine et al., Children with autism show spécifie handwriting impairments, rédigée par C. Fuentes et al., Clinical description of children with developmental coordination disorder, rédigée par L. Miller et al., Fine motor deficiencies in children with developmental coordination disorder and learning disabilities , rédigée par B. Smits-Engelsman et al., ou encore Handwriting process and product characteristics of children diagnosed with developmental coordination disorder, rédigée par S. Rosenblum, exploitent la dysgraphie, trouble de l’expression par l’écrit, dans le but de repérer des troubles neurodéveloppementaux tels qu’un déficit de l’attention avec ou sans hyperactivité, des troubles du spectre autistique, ou des troubles d’acquisition de la coordination. Ces méthodes sont basées sur l’analyse de l’écriture chez des enfants étant notamment en classes de primaire, c’est-à-dire sachant écrire. Or l’écriture est un geste complexe et codifié. De plus, l’évolution de l’apprentissage de l’écriture peut durer plus de dix ans, comme cela est décrit dans les publications Handwriting development, rédigée par K.P. Feder et al. et Factors that relate to good and poor handwriting, rédigée par H. Cornhill et al. Ces méthodes ne permettent donc pas le repérage précoce de troubles neurodéveloppementaux. Methods of analyzing fine motor skills of the hand in children, present in the literature, allow the identification of neurodevelopmental disorders. Indeed, the publications Handwriting performance in children with attention deficit hyperactivity disorder (ADHD), written by M. Racine et al., Children with autism show specifies handwriting impairments, written by C. Fuentes et al., Clinical description of children with developmental. coordination disorder, written by L. Miller et al., Fine motor deficiencies in children with developmental coordination disorder and learning disabilities, written by B. Smits-Engelsman et al., or Handwriting process and product characteristics of children diagnosed with developmental coordination disorder , written by S. Rosenblum, exploit dysgraphia, a disorder of written expression, in order to identify neurodevelopmental disorders such as attention deficit with or without hyperactivity, autism spectrum disorders, or coordination acquisition disorders. These methods are based on the analysis of handwriting in children being in particular in primary classes, that is to say knowing how to write. However, writing is a complex and codified gesture. In addition, the evolution of learning to write can last more than ten years, as described in the publications Handwriting development, written by KP Feder et al. and Factors that relate to good and poor handwriting, written by H. Cornhill et al. These methods therefore do not allow the early identification of neurodevelopmental disorders.
Des publications décrivent également des analyses de l’écriture pour détecter des maladies, telles que Parkinson, Huntington, la schizophrénie, la sclérose, ou divers types de dépression. En particulier, les publications Parkinsonism reduces coordination offingers, wrist, and arm in fine motor control, rédigée par H.L. Teulings et Spiral analysis: a new Technique for measuring Tremor with a Digitizing Tablet, rédigée par S.L. Pullman analysent des tracés de spirales d’Archimède, de cercles concentriques ou de textes manuscrits afin de repérer la maladie de Parkinson, notamment basées sur des paramètres spatio-temporels, des durées de mouvements, des vitesses et/ou la fluidité des mouvements. Cependant, les analyses décrites dans les publications ci-dessus visent à mettre en évidence une maladie en particulier, à savoir Parkinson, et ciblent une population en particulier, à savoir les personnes âgées. Publications also describe writing tests to detect diseases, such as Parkinson's, Huntington's, schizophrenia, sclerosis, or various types of depression. In particular, the publications Parkinsonism reduces coordination offingers, wrist, and arm in fine motor control, written by HL Teulings and Spiral analysis: a new Technique for measuring Tremor with a Digitizing Tablet, written by SL Pullman analyze traces of Archimedean spirals , concentric circles or handwritten texts in order to identify Parkinson's disease, in particular based on spatio-temporal parameters, duration of movements, speeds and / or fluidity of movements. However, the analyzes described in the above publications aim to highlight a disease in particular, namely Parkinson's, and target a population in particular, namely the elderly.
Exposé de l’invention Disclosure of the invention
En conséquence, il existe un besoin pour bénéficier d’une méthode permettant le repérage précoce de comportements atypiques, notamment des troubles neurodéveloppementaux, pour des personnes de tout âge, pouvant être réalisé facilement et non uniquement dans un contexte clinique. Consequently, there is a need to benefit from a method allowing the early identification of atypical behaviors, in particular neurodevelopmental disorders, for people of all ages, which can be carried out easily and not only in a clinical context.
Résumé de l’invention Summary of the invention
L’invention vise à répondre à ce besoin et elle y parvient, selon l’un de ses aspects, grâce à un procédé d’acquisition et d’analyse de la motricité fine d’un individu, comportant les étapes suivantes : a) présentation d’au moins un parcours sur un support, invitant l’individu à effectuer un mouvement libre avec au moins un doigt et/ou un accessoire sur le support, ce mouvement étant lié au parcours présenté, b) enregistrement d’une durée de réalisation d’au moins une partie du parcours, c) enregistrement des positions successives du doigt et/ou de l’accessoire lors de la réalisation d’au moins une partie du parcours, d) analyse des enregistrements pour générer au moins une variable aléatoire décrivant les positions successives du doigt et/ou de l’accessoire selon un modèle statistique prédéfini, e) génération d’un score représentatif de la motricité fine, à partir d’au moins la durée de réalisation d’au moins une partie du parcours et d’une mesure statistique de la variable aléatoire, caractéristique d’une quantité d’information, d’un désordre ou d’un chaos contenu dans l’enregistrement des positions successives du doigt et/ou de l’accessoire. The invention aims to meet this need and it achieves it, according to one of its aspects, by virtue of a method for acquiring and analyzing the fine motor skills of an individual, comprising the following steps: a) presentation of at least one course on a support, inviting the individual to perform a free movement with at least one finger and / or an accessory on the support, this movement being linked to the course presented, b) recording of an execution time of at least part of the route, c) recording of the successive positions of the finger and / or of the accessory when performing at least part of the route, d) analysis of the recordings to generate at least one random variable describing the successive positions of the finger and / or the accessory according to a predefined statistical model, e) generation of a score representative of fine motor skills, from at least the duration of carrying out at least part of the route and of a statistical measurement of the random variable, characteristic of a quantity of information, of a disorder or of a chaos contained in the recording of the successive positions of the finger and / or accessory.
Un tel procédé est mis en œuvre avec des moyens informatiques. L’enregistrement s’effectue dans une mémoire informatique, et l’analyse et la génération du score sont effectuées informatiquement. Such a method is implemented with computer means. The recording is done in a computer memory, and the analysis and generation of the score is done by computer.
L’invention repose sur une modélisation statistique du mouvement effectué par l’individu avec le doigt et/ou l’accessoire lors de la réalisation du parcours. La mesure statistique issue de cette modélisation permet de mettre en évidence des fonctions cognitives et motrices d’un individu, comme l’attention, la planification et la mémorisation, qui sont des marqueurs importants de bonne santé. The invention is based on a statistical modeling of the movement performed by the individual with the finger and / or the accessory when performing the course. The statistical measurement resulting from this modeling makes it possible to highlight an individual's cognitive and motor functions, such as attention, planning and memorization, which are important markers of good health.
L’invention permet de détecter simplement et rapidement la présence éventuelle de pathologies, notamment en mettant en évidence une évolution atypique chez l’enfant, un déclin anormal chez la personne âgée, ou une progression ou régression au cours d’un traitement thérapeutique. The invention enables the possible presence of pathologies to be detected simply and quickly, in particular by highlighting an atypical course in children, an abnormal decline in the elderly, or a progression or regression during therapeutic treatment.
L’un des avantages du procédé selon l’invention est qu’il permet le repérage précoce de troubles cognitifs et/ou moteurs via l’analyse de la motricité fine indépendamment de l’âge, de la langue ou du niveau de maîtrise de l’écriture. One of the advantages of the method according to the invention is that it allows the early identification of cognitive and / or motor disorders via the analysis of fine motor skills regardless of age, language or level of mastery of the language. 'writing.
Le parcours peut en particulier être réalisé sans instruction et sans connaissance particulière, facilitant sa réalisation par n’importe quel individu. De plus, le parcours peut être réalisé à distance par l’individu, par exemple chez lui ou à l’école, et ne nécessite pas un déplacement chez un spécialiste de santé. The course can in particular be done without instruction and without special knowledge, making it easier for any individual to complete. In addition, the course can be done remotely by the individual, for example at home or at school, and does not require a trip to a health specialist.
L’analyse du mouvement effectué permet notamment de mettre en évidence des hésitations ou des erreurs lors de la réalisation d’au moins une partie du parcours. The analysis of the movement performed makes it possible in particular to highlight hesitations or errors when completing at least part of the course.
Le mouvement peut être analysé notamment grâce à l’enregistrement des positions du doigt et/ou de l’accessoire lors de la réalisation d’au moins une partie du parcours. L’enregistrement de vitesses et/ou d’accélérations du mouvement du doigt et/ou de l’accessoire et/ou l’enregistrement de pressions du doigt et/ou de l’accessoire sur le support et/ou l’enregistrement d’inclinaisons du doigt et/ou de l’accessoire par rapport au support lors de la réalisation d’au moins une partie du parcours peuvent permettre une analyse plus fine du mouvement. Les inclinaisons du doigt et/ou l’accessoire peuvent être acquises par analyse d’images avec éventuellement des marqueurs optiques fixés sur le doigt et/ou l’accessoire (pastilles colorées, réfléchies, émetteurs lumineux), et/ou l’accessoire peut comporter éventuellement un accéléromètre. De préférence, l’acquisition des enregistrements est réalisée avec une fréquence d’échantillonnage constante. De préférence la au moins une partie du parcours correspond au parcours dans son ensemble. The movement can be analyzed in particular by recording the positions of the finger and / or the accessory when performing at least part of the route. The recording of speeds and / or accelerations of the movement of the finger and / or the accessory and / or the recording of finger pressure and / or the accessory on the support and / or the recording of inclinations of the finger and / or the accessory with respect to the support during production of at least part of the course can allow a more detailed analysis of the movement. The inclinations of the finger and / or the accessory can be acquired by image analysis with optionally optical markers attached to the finger and / or the accessory (colored, reflected pellets, light emitters), and / or the accessory can possibly include an accelerometer. Preferably, the acquisition of the recordings is carried out with a constant sampling frequency. Preferably the at least part of the route corresponds to the route as a whole.
La réalisation de plusieurs parcours pouvant avoir un degré de difficulté variable permet de caractériser plus précisément les capacités cognitives et/ou motrices de l’individu. Carrying out several courses that may have varying degrees of difficulty makes it possible to characterize more precisely the cognitive and / or motor capacities of the individual.
La modélisation statistique de ces enregistrements permet de réaliser l’analyse grâce à une quantification des caractéristiques du mouvement comme la fluidité et/ou la maîtrise du mouvement, via notamment la détermination d’une mesure statistique. The statistical modeling of these recordings makes it possible to carry out the analysis by quantifying the characteristics of the movement such as the fluidity and / or the control of the movement, in particular via the determination of a statistical measurement.
Modélisation statistique Statistical modeling
La mesure statistique peut être une mesure d’entropie, notamment une entropie multi-échelle, une entropie approximative, une « sample entropy », une entropie de Tsallis ou une entropie différentielle. The statistical measure can be an entropy measure, including multiscale entropy, coarse entropy, "sample entropy", Tsallis entropy, or differential entropy.
L’entropie permet en effet de mesurer le désordre et l’incertitude des gestes effectués par l’individu lors de la réalisation du parcours. Entropy makes it possible to measure the disorder and the uncertainty of the actions carried out by the individual during the completion of the course.
La mesure statistique peut également être définie à partir d’une mesure de chaos, notamment une mesure de dimensions fractales ou une mesure d’exposant de Lyapunov. The statistical measure can also be defined from a measure of chaos, such as a measure of fractal dimensions or a measure of Lyapunov exponent.
De préférence, la mesure statistique est une entropie différentielle, pouvant être décrite par la formule suivante : Preferably, the statistical measure is a differential entropy, which can be described by the following formula:
[Math 1] h(x ) = — f /(x) ln(/(x)) dx Jx [Math 1] h (x) = - f / (x) ln (/ (x)) dx Jx
/étant la densité de probabilité de X, une variable aléatoire. / being the probability density of X, a random variable.
La densité de probabilité de la variable aléatoire peut être estimée par un modèle statistique, en particulier par un mélange de gaussiennes (GMM). L’entropie différentielle peut alors être définie par [Math 2] où å est la matrice de covariance et N la dimension des gaussiennes, par exemple égale à 2, correspondant par exemple à la dimension des coordonnées des positions du doigt et/ou de l’accessoire. Le nombre de gaussiennes peut être déterminé de manière à limiter le temps de calcul de la mesure statistique tout en conservant une quantité d’information contenue dans l’enregistrement suffisante pour l’analyse. Le mélange de gaussiennes comporte par exemple 30 gaussiennes ou plus. The probability density of the random variable can be estimated by a statistical model, in particular by a mixture of Gaussians (GMM). The differential entropy can then be defined by [Math 2] where å is the covariance matrix and N the dimension of the Gaussians, for example equal to 2, corresponding for example to the dimension of the coordinates of the positions of the finger and / or of the accessory. The number of Gaussians can be determined so as to limit the calculation time of the statistical measurement while retaining an amount of information contained in the recording sufficient for the analysis. The mixture of Gaussians comprises for example 30 Gaussians or more.
La mesure d’entropie différentielle d’une gaussienne est liée à sa variance et quantifie la dispersion de la distribution gaussienne. Un mouvement désordonné aura donc une mesure d’entropie élevée, contrairement à un geste fluide. La variance peut être définie comme mesure statistique, de même qu’une moyenne ou tout autre valeur relative au modèle statistique. The differential entropy measure of a Gaussian is related to its variance and quantifies the dispersion of the Gaussian distribution. A disorderly movement will therefore have a high entropy measure, unlike a fluid gesture. Variance can be defined as a statistical measure, as well as an average or any other value relative to the statistical model.
Alternativement, le modèle statistique peut être un modèle de Markov caché, caractérisé par un nombre d’états S. Les états peuvent correspondre à des portions de réalisation du parcours, c’est-à-dire à une position ou un ensemble de positions successives du doigt et/ou de l’accessoire. Le nombre d’états S peut dépendre de la durée de réalisation du parcours par l’individu. Les états peuvent correspondre à des portions de réalisation du parcours s’étendant chacune sur la même durée et/ou les états peuvent comporter le même nombre de positions successives du doigt et/ou de l’accessoire. Ainsi, plus la durée de réalisation est longue, plus le nombre d’états S est grand. Alternatively, the statistical model can be a hidden Markov model, characterized by a number of states S. The states can correspond to portions of the path, that is to say to a position or a set of successive positions. finger and / or accessory. The number of S states may depend on the length of time the individual completes the course. The states may correspond to portions of the course each extending over the same duration and / or the states may include the same number of successive positions of the finger and / or of the accessory. Thus, the longer the realization time, the greater the number of S states.
Alternativement, le nombre d’états S peut être prédéfini. Les états peuvent notamment comporter un nombre de positions successives du doigt et/ou de l’accessoire différent, et/ou correspondre à des portions de réalisation du parcours s’étendant sur des durées variables. Alternatively, the number of S states can be predefined. The states may in particular include a number of successive positions of the finger and / or of the different accessory, and / or correspond to portions of the course extending over variable durations.
Une mesure statistique intermédiaire peut être calculée pour chacun des états S et/ou une durée intermédiaire de réalisation peut être enregistrée pour chaque état du modèle de Markov caché. La mesure statistique peut être définie à partir des mesures statistiques intermédiaires et/ou la durée de réalisation peut être définie à partir des durées intermédiaires. Un score intermédiaire représentatif de la motricité fine peut être généré pour chaque état du modèle de Markov caché, à partir d’au moins la durée intermédiaire de la portion correspondant à l’état et la mesure statistique intermédiaire calculée pour l’état, le score pouvant être défini à partir des scores intermédiaires, des mesures statistiques intermédiaires, et/ou des durées intermédiaires. L’analyse de la motricité fine est avantageusement plus fine et précise, permettant de localiser la ou les portions du parcours où l’individu a eu un comportement atypique. An intermediate statistical measure can be calculated for each of the S states and / or an intermediate realization time can be recorded for each state of the hidden Markov model. The statistical measure can be defined from the intermediate statistical measures and / or the completion time can be defined from the intermediate periods. An intermediate score representative of fine motor skills can be generated for each state of the hidden Markov model, from at least the intermediate duration of the portion corresponding to the state and the intermediate statistical measure calculated for the state, the score that can be defined from intermediate scores, statistical measures intermediate, and / or intermediate durations. The analysis of fine motor skills is advantageously finer and more precise, making it possible to locate the portion or portions of the course where the individual has had atypical behavior.
Calcul du score Score calculation
La mesure statistique en combinaison avec au moins la durée de réalisation du parcours permet avantageusement de générer le score représentatif de la motricité fine. The statistical measurement in combination with at least the duration of the course of the course advantageously makes it possible to generate the score representative of fine motor skills.
Cependant, le score de l’individu peut varier en fonction du parcours réalisé par l’individu, dépendant par exemple de la difficulté du parcours, des conditions de réalisation du parcours, de la prise en main de l’accessoire, ou de la compréhension de l’objectif du parcours. Les étapes a), b), c), d) et e) sont avantageusement répétées plusieurs fois pour le même individu, de préférence entre 2 et 40 fois, mieux entre 10 et 30, encore mieux environ 20 fois. Un score moyen peut alors être calculé à partir des scores de chaque étape e). However, the individual's score may vary depending on the route taken by the individual, depending for example on the difficulty of the route, the conditions for completing the route, the handling of the accessory, or understanding of the course objective. Steps a), b), c), d) and e) are advantageously repeated several times for the same individual, preferably between 2 and 40 times, better between 10 and 30, even better about 20 times. An average score can then be calculated from the scores of each step e).
En variante, les étapes a), b) et c) sont répétées plusieurs fois pour un même individu, et les étapes d) et e) sont réalisées une unique fois à partir des enregistrements des étapes b) et c) répétées plusieurs. As a variant, steps a), b) and c) are repeated several times for the same individual, and steps d) and e) are carried out once from the recordings of steps b) and c) repeated several times.
De préférence, la somme des durées de réalisation de l’étape b) est inférieure à 10 minutes. La concentration de l’individu peut baisser lorsque la réalisation d’au moins une partie du parcours ou de plusieurs parcours dure trop longtemps. Preferably, the sum of the times for carrying out step b) is less than 10 minutes. An individual's concentration may decline when completing at least part of the route or several routes take too long.
L’analyse de plusieurs réalisations de parcours permet d’obtenir un score global de la motricité fine de l’individu caractérisant plus fidèlement ses capacités motrices et cognitives. The analysis of several achievements of the course makes it possible to obtain an overall score of the individual's fine motor skills, characterizing more faithfully his motor and cognitive abilities.
Des paramètres, autres que les positions successives et la durée, peuvent permettre de caractériser plus précisément la motricité fine de l’individu, améliorant encore davantage l’analyse. En effet, un mouvement ayant une vitesse constante lors de la réalisation du parcours est en particulier représentatif d’un mouvement maîtrisé. Ainsi, une analyse plus fine du mouvement est par exemple réalisée par un ou des enregistrement(s) supplémentaires, de vitesses et/ou d’accélérations du doigt et/ou de l’accessoire et/ou de pressions du doigt et/ou de l’accessoire sur le support et/ou d’inclinaisons du doigt et/ou de l’accessoire par rapport au support lors de la réalisation du parcours, le score étant généré au moins à partir de cet ou ces enregistrement(s). Parameters, other than successive positions and duration, can help characterize an individual's fine motor skills more precisely, further improving the analysis. Indeed, a movement having a constant speed during the realization of the course is in particular representative of a controlled movement. Thus, a more detailed analysis of the movement is for example carried out by one or more additional recording (s), of speeds and / or accelerations of the finger and / or of the accessory and / or of pressure of the finger and / or of the accessory on the support and / or inclinations of the finger and / or the accessory with respect to the support when performing the course, the score being generated at least from this or these recording (s).
De préférence, on procède à l’analyse du ou des enregistrement(s) de manière à générer au moins une variable aléatoire décrivant la vitesse et/ou une variable aléatoire décrivant l’accélération et/ou une variable aléatoire décrivant la pression du doigt et/ou de l’accessoire et/ou une variable aléatoire décrivant l’inclinaison du doigt et/ou de l’accessoire par rapport au support selon au moins un modèle statistique prédéfini, le score généré à l’étape e) étant calculé à partir d’au moins une mesure statistique de la au moins une variable aléatoire caractéristique d’une quantité d’information, d’un désordre ou d’un chaos contenu dans le ou les enregistrement(s) des vitesses, accélérations, pressions ou inclinaisons du doigt et/ou de l’accessoire. Preferably, the analysis of the recording (s) is carried out so as to generate at least one random variable describing the speed and / or one random variable. describing the acceleration and / or a random variable describing the pressure of the finger and / or the accessory and / or a random variable describing the inclination of the finger and / or the accessory with respect to the support according to at least one model predefined statistic, the score generated in step e) being calculated from at least one statistical measurement of the at least one random variable characteristic of a quantity of information, of a disorder or of a chaos contained in the recording (s) of the speed, acceleration, pressure or inclination of the finger and / or the accessory.
Analyse du score Score analysis
Le repérage de comportements atypiques est de préférence réalisé par comparaison du score représentatif de la motricité fine avec au moins un score de référence. Le score de référence est par exemple un score moyen. The identification of atypical behaviors is preferably carried out by comparing the score representative of fine motor skills with at least one reference score. The reference score is for example an average score.
Le score peut être comparé à des scores enregistrés dans une base de données. Ces scores enregistrés peuvent être issus de mises en œuvre du procédé selon l’invention. The score can be compared to scores recorded in a database. These recorded scores can be derived from implementations of the method according to the invention.
La comparaison peut en particulier être réalisée en calculant un z-score puis en effectuant un seuillage ; le z-score exprimant l’écart par rapport à la moyenne, le seuillage permet alors de mettre en évidence des écarts importants par rapport à cette moyenne. The comparison can in particular be carried out by calculating a z-score then by performing a thresholding; the z-score expressing the deviation from the mean, the thresholding then makes it possible to highlight significant deviations from this mean.
La comparaison peut être également réalisée au moyen d’une méthode d’apprentissage automatique, notamment une méthode de classification, par exemple K- moyennes, classification hiérarchique, GMM (Gaussian Mixture Model), k-medoids, DBSCAN (density-based spatial clustering of applications with noise), k plus proche voisins, random forest (forêt d’arbres décisionnels), méthode des graphes. Les méthodes de classification peuvent être supervisées ou non. Cette liste n’est pas limitative. The comparison can also be carried out by means of a machine learning method, in particular a classification method, for example K-means, hierarchical classification, GMM (Gaussian Mixture Model), k-medoids, DBSCAN (density-based spatial clustering of applications with noise), k nearest neighbors, random forest, graph method. Classification methods may or may not be supervised. This list is not exhaustive.
La comparaison est de préférence réalisée pour comparer des scores d’individus sensiblement similaires, notamment en termes d’âge, d’éducation, et/ou de langue. The comparison is preferably carried out to compare scores of individuals that are substantially similar, particularly in terms of age, education, and / or language.
La comparaison est de préférence réalisée pour des degrés de difficulté de parcours sensiblement similaires et/ou pour des parcours identiques. The comparison is preferably carried out for substantially similar degrees of difficulty of course and / or for identical courses.
La comparaison peut également être réalisée pour un même individu effectuant par exemple différents parcours, et/ou réalisant un ou plusieurs parcours à différents moments dans le temps. Ces différents moments dans le temps peuvent correspondre à un moment avant traitement et un moment après traitement. Une évolution de la motricité fine de l’individu peut être déterminée grâce à la comparaison des scores issus des réalisations du parcours aux différents moments dans le temps. La comparaison peut être réalisée à partir de scores intermédiaires, permettant l’identification des portions comportant un comportement atypique de l’individu. The comparison can also be carried out for the same individual performing for example different routes, and / or performing one or more routes at different moments in time. These different moments in time can correspond to a moment before treatment and a moment after treatment. An evolution of the fine motor skills of the individual can be determined by comparing the scores resulting from the achievements of the course at different points in time. The comparison can be carried out on the basis of intermediate scores, allowing the identification of the portions comprising an atypical behavior of the individual.
Une alerte peut être générée en fonction du résultat de la comparaison, par exemple dans le but de réaliser une analyse plus fine a posteriori, par exemple en présentant à l’individu des parcours différents pouvant être de difficultés différentes ; l’alerte pouvant être communiquée, par exemple automatiquement par email, sms, en étant affichée sur le support et/ou enregistrée dans une base de données, à un spécialiste des troubles cognitifs et/ou moteurs, à un médecin, à une personne en charge de l’individu, à l’individu et/ou un proche de l’individu. An alert can be generated based on the result of the comparison, for example with the aim of carrying out a more detailed analysis a posteriori, for example by presenting the individual with different paths which may be of different difficulties; the alert can be communicated, for example automatically by email, sms, by being displayed on the support and / or recorded in a database, to a specialist in cognitive and / or motor disorders, to a doctor, to a person in charge of the individual, to the individual and / or a relative of the individual.
La génération du score, la comparaison et/ou la génération d’une alerte peuvent être réalisées à distance de la réalisation du parcours et de la détection des positions successives et/ou de la durée de réalisation d’au moins une partie du parcours. The generation of the score, the comparison and / or the generation of an alert can be carried out at a distance from the completion of the route and the detection of successive positions and / or the duration of completion of at least part of the route.
Parcours Journey
Le parcours peut être généré aléatoirement et/ou être enregistré. The route can be randomly generated and / or saved.
Le parcours présenté peut être un labyrinthe. The course presented can be a labyrinth.
Un labyrinthe définit de préférence un trajet unique reliant un point de départ à un point d’arrivée. Le labyrinthe peut comporter au moins un chemin sans issue. De préférence, le labyrinthe comporte plusieurs chemins sans issue. A labyrinth preferably defines a single path connecting a starting point to an ending point. The labyrinth can have at least one dead end path. Preferably, the labyrinth has several dead end paths.
On peut notamment sélectionner un degré de difficulté, le nombre de chemins sans issue du labyrinthe augmentant avec le degré de difficulté. In particular, a degree of difficulty can be selected, the number of dead end paths in the labyrinth increasing with the degree of difficulty.
Alternativement, le parcours est un ensemble de points à relier. De préférence, les points sont à relier dans un ordre prédéterminé. En particulier, chaque point peut contenir une information telle qu’un chiffre et/ou une lettre, définissant notamment l’ordre dans lequel les points sont à relier. L’ensemble de points à relier peut contenir un seul type d’informations, par exemple uniquement des points contenant des chiffres ou uniquement des points contenant des lettres, ou différents types d’informations, par exemple des points contenant des chiffres et des points contenant des lettres. Les points peuvent contenir d’autres types d’informations comme des opérations mathématiques, des couleurs, des formes. Des instructions, par exemple audio ou écrites, peuvent le cas échéant être diffusées pour guider l’individu dans son parcours. Alternatively, the course is a set of points to be connected. Preferably, the points are to be connected in a predetermined order. In particular, each point can contain information such as a number and / or a letter, defining in particular the order in which the points are to be connected. The set of points to be connected can contain only one type of information, for example only points containing numbers or only points containing letters, or different types of information, for example points containing numbers and points containing letters. Points can contain other types of information such as mathematical operations, colors, shapes. Instructions, for example audio or written, can if necessary be broadcast to guide the individual in his journey.
La sélection d’un degré de difficulté peut définir le nombre de points à relier et/ou le type d’information contenue dans les points à relier et/ou le nombre de types d’informations différents contenus dans l’ensemble des points à relier, le nombre de points à relier et/ou le nombre de types d’informations augmentant avec le degré de difficulté. The selection of a degree of difficulty can define the number of points to be connected and / or the type of information contained in the points to be connected and / or the number of types. of different information contained in the set of points to be connected, the number of points to be connected and / or the number of types of information increasing with the degree of difficulty.
L’avantage de ces parcours est qu’ils peuvent facilement être mis en œuvre, autant sur papier que sur un dispositif numérique. The advantage of these journeys is that they can easily be implemented, both on paper and on a digital device.
La présentation du parcours peut comporter son affichage sur le support. En particulier, la présentation comporte l’affichage du parcours, notamment un labyrinthe ou un ensemble de points, sur un écran, l’écran étant de préférence tactile. Une trace de la trajectoire du doigt et/ou de l’accessoire peut optionnellement être affichée sur le support. En particulier, l’affichage de la trace tend à augmenter le degré de difficulté en augmentant le nombre d’informations visuelles à appréhender. The presentation of the course may include its display on the support. In particular, the presentation comprises the display of the route, in particular a labyrinth or a set of points, on a screen, the screen preferably being tactile. A trace of the trajectory of the finger and / or the accessory can optionally be displayed on the support. In particular, the display of the track tends to increase the degree of difficulty by increasing the amount of visual information to be understood.
Dispositif Device
L’invention porte encore, selon un autre de ses aspects, sur un système d’acquisition et d’analyse de la motricité fine pour la mise en œuvre du procédé selon l’invention, comportant : un support adapté à l’affichage du parcours, un moyen de chronométrage pour mesurer une durée de réalisation d’au moins une partie du parcours, un moyen de détection, détectant les positions du doigt et/ou de l’accessoire lors de la réalisation d’au moins une partie du parcours, une mémoire dans laquelle peuvent être enregistrées les positions du doigt et/ou de l’accessoire et/ou la durée de réalisation d’au moins une partie du parcours, un moyen de traitement et d’analyse pour générer un score représentatif de la motricité fine à partir d’au moins la durée de réalisation d’au moins une partie du parcours et d’une mesure statistique, caractéristique d’une quantité d’information, d’un désordre ou d’un chaos contenu dans l’enregistrement des positions du doigt et/ou de l’accessoire, lui-même généré à partir d’une variable aléatoire représentative des positions du doigt et/ou de l’accessoire. The invention also relates, according to another of its aspects, to a system for acquiring and analyzing fine motor skills for implementing the method according to the invention, comprising: a support suitable for displaying the route , a timing means for measuring a duration of completion of at least part of the route, a detection means, detecting the positions of the finger and / or of the accessory when performing at least part of the route, a memory in which the positions of the finger and / or the accessory and / or the duration of at least part of the route can be recorded, a processing and analysis means for generating a score representative of motor skills fine from at least the duration of completion of at least part of the route and a statistical measurement, characteristic of a quantity of information, of a disorder or of a chaos contained in the recording of positions of the finger and / or the accessory, itself generated from r of a random variable representative of the positions of the finger and / or the accessory.
Support Support
Le support peut comporter un écran, de préférence comportant une interface tactile permettant de suivre le mouvement du doigt et/ou de l’accessoire lors de la réalisation du parcours. Le support peut être une tablette, un téléphone portable, ou un tableau interactif entre autres possibilités. The support may comprise a screen, preferably comprising a touch interface making it possible to follow the movement of the finger and / or of the accessory during the production. of the course. The support can be a tablet, a cell phone, or an interactive whiteboard among other possibilities.
Accessoire Accessory
L’accessoire utilisé par l’individu pour réaliser au moins une partie du parcours peut être un outil fonctionnant avec une tablette, comme un stylet, ou n’importe quel outil adapté pour écrire comme un crayon, une craie, un stylo ou feutre. The accessory used by the individual to complete at least part of the course may be a tablet-operated tool, such as a stylus, or any suitable writing tool such as a pencil, chalk, pen or felt-tip pen.
L’accessoire peut comporter un capteur, par exemple capacitif, optique, thermique, de pression, à ultrasons. The accessory may include a sensor, for example capacitive, optical, thermal, pressure, ultrasonic.
Moyen de chronométrage Timing means
Le moyen de chronométrage peut être un algorithme exécuté par un moyen informatique, cet algorithme étant de préférence inclus dans le programme exécuté par le moyen de traitement et d’analyse, déterminant la durée de réalisation d’au moins une partie du parcours à partir des enregistrements des positions successives du doigt et/ou de l’accessoire. En effet, le moyen de traitement comportant de préférence une horloge interne, on peut déterminer la durée de réalisation d’au moins une partie du parcours, connaissant la fréquence d’échantillonnage à laquelle les positions successives sont enregistrées. The timing means may be an algorithm executed by computer means, this algorithm preferably being included in the program executed by the processing and analysis means, determining the duration of completion of at least part of the route from the recordings of the successive positions of the finger and / or the accessory. Indeed, the processing means preferably comprising an internal clock, it is possible to determine the duration of completion of at least part of the route, knowing the sampling frequency at which the successive positions are recorded.
Le moyen de chronométrage peut alternativement être distinct du moyen de traitement et d’analyse, étant par exemple un circuit électronique spécialisé ou un programme exécuté lors de l’acquisition indépendamment d’un programme exécuté pour le traitement et l’analyse des enregistrements. The timing means may alternatively be separate from the processing and analysis means, being for example a specialized electronic circuit or a program executed during the acquisition independently of a program executed for the processing and analysis of the records.
Le moyen de chronométrage peut être inclus dans le support. The timing device can be included in the support.
Moyen de détection Means of detection
Le moyen de détection peut être un capteur, notamment un capteur capacitif, optique, thermique, de pression, à ultrasons. The detection means can be a sensor, in particular a capacitive, optical, thermal, pressure or ultrasonic sensor.
Le moyen de détection peut être inclus dans le support. Alternativement, il est distinct du support. The detection means can be included in the holder. Alternatively, it is separate from the support.
Le moyen de détection peut être intégré au support, notamment intégré à une caméra, une tablette, un téléphone portable, ou à un tableau interactif. The detection means can be integrated into the support, in particular integrated into a camera, a tablet, a mobile phone, or an interactive whiteboard.
Le moyen de détection peut être une caméra observant le support, par exemple une caméra couleur, par exemple de type Kinect. Le moyen de détection peut également détecter la vitesse et/ou l’accélération et/ou la pression du doigt et/ou de l’accessoire sur le support et/ou l’inclinaison du doigt et/ou de l’accessoire par rapport au support. The detection means may be a camera observing the support, for example a color camera, for example of the Kinect type. The detection means can also detect the speed and / or the acceleration and / or the pressure of the finger and / or the accessory on the support and / or the inclination of the finger and / or the accessory with respect to the support.
Moyen de traitement et d’analyse Means of processing and analysis
Le moyen de traitement peut être inclus dans le support et/ou dans le moyen de détection. The processing means can be included in the support and / or in the detection means.
Le moyen de traitement et d’analyse peut comporter un processeur. De préférence, des algorithmes de traitement permettent de générer automatiquement le score à partir des enregistrements. The processing and analysis means may include a processor. Preferably, processing algorithms make it possible to automatically generate the score from the recordings.
Le moyen de traitement et d’analyse peut comporter des méthodes d’apprentissage supervisées ou non supervisées effectuant l’analyse du score généré pour l’individu. The processing and analysis means may include supervised or unsupervised learning methods performing the analysis of the score generated for the individual.
Le moyen de traitement et d’analyse peut être disposé à distance du moyen de détection et/ou du moyen de chronométrage et/ou du support et/ou de la mémoire. The processing and analysis means can be placed at a distance from the detection means and / or the timing means and / or the support and / or the memory.
Le moyen de traitement et d’analyse est par exemple un ordinateur, une tablette, un téléphone portable, un tableau interactif, une montre intelligente pouvant par exemple être connectée à une tablette, une caméra embarquée, ou un programme informatique situé dans le cloud. The processing and analysis means are, for example, a computer, a tablet, a cell phone, an interactive whiteboard, a smart watch that can for example be connected to a tablet, an on-board camera, or a computer program located in the cloud.
Le traitement et l’analyse des enregistrements peuvent être effectués en temps réel ou en différé. The processing and analysis of the recordings can be performed in real time or in deferred mode.
Mémoire Memory
La mémoire comporte de préférence une base de données, la base de données pouvant comporter des scores représentatifs de la motricité fine d’un ensemble d’individu, de préférence de tout âge, des enregistrements de positions successives, des durées de réalisation d’au moins une partie d’au moins un parcours, des informations personnelles relatives à l’ensemble d’individu et/ou à l’individu, ou des valeurs et/ou des algorithmes destinés à l’analyse du score. The memory preferably comprises a database, the database possibly comprising scores representative of the fine motor skills of a set of individuals, preferably of any age, records of successive positions, durations of completion of at at least part of at least one course, personal information relating to the set of individuals and / or to the individual, or values and / or algorithms intended for the analysis of the score.
La mémoire peut être incluse dans le support et/ou dans le moyen de traitement et d’analyse et/ou dans le moyen de détection, étant par exemple une barrette RAM, un disque dur, une clé USB, une carte SD ou un circuit intégré par exemple sur un processeur. De préférence, l’accès à ces données est sécurisé, protégé par exemple par un mot de passe. Brève description des dessins The memory can be included in the medium and / or in the processing and analysis means and / or in the detection means, being for example a RAM bar, a hard disk, a USB key, an SD card or a circuit. integrated for example on a processor. Preferably, access to this data is secure, protected for example by a password. Brief description of the drawings
L’invention pourra être mieux comprise à la lecture de la description détaillée qui va suivre, d’exemples de mise en œuvre non limitatifs de celle-ci, et à l’examen du dessin annexé, sur lequel : The invention may be better understood from reading the detailed description which follows, of non-limiting examples of implementation thereof, and by examining the appended drawing, in which:
[Fig 1] la figure 1 représente de façon schématique un dispositif selon l’invention, [Fig 1] Figure 1 schematically shows a device according to the invention,
[Fig 2] la figure 2 est un schéma en blocs de divers éléments d’un dispositif selon l’invention, [Fig 2] Figure 2 is a block diagram of various elements of a device according to the invention,
[Fig 3] la figure 3 illustre différentes étapes d’un procédé selon l’invention,[Fig 3] Figure 3 illustrates different steps of a process according to the invention,
[Fig 4] la figure 4 représente une comparaison de scores représentatifs de la motricité fine au moyen d’une méthode de classification, [Fig 4] Figure 4 shows a comparison of scores representative of fine motor skills using a classification method,
[Fig 5] la figure 5 représente une autre comparaison de scores au moyen d’une méthode de classification, [Fig 5] Figure 5 shows another comparison of scores using a classification method,
[Fig 6] la figure 6 illustre un exemple de parcours en cours de réalisation, et[Fig 6] Figure 6 illustrates an example of a route in progress, and
[Fig 7] la figure 7 représente des exemples de parcours ayant des degrés de difficultés différents. [Fig 7] Figure 7 shows examples of routes with different degrees of difficulty.
Description détaillée detailed description
On a représenté à la figure 1 un système d’acquisition et d’analyse 1 de la motricité fine selon l’invention, comportant une tablette tactile 2, par exemple une tablette de type Wacom, et un accessoire 11, l’accessoire 11 étant ici un stylet. L’accessoire 11 comporte par exemple une pointe, un individu pouvant positionner et déplacer plus précisément l’accessoire sur la tablette 2. FIG. 1 shows a system for acquisition and analysis 1 of fine motor skills according to the invention, comprising a touchscreen tablet 2, for example a Wacom type tablet, and an accessory 11, the accessory 11 being here a stylus. The accessory 11 comprises, for example, a tip, an individual being able to position and move the accessory more precisely on the tablet 2.
La tablette 2 permet d’afficher un parcours et de détecter les positions successives du doigt et/ou de l’accessoire 11 sur l’écran lors de la réalisation d’au moins une partie du parcours. L’accessoire 11 peut également aider à détecter les positions successives, par exemple en comportant un capteur capacitif, optique, thermique, à ultrasons et/ou de pression. The tablet 2 makes it possible to display a route and to detect the successive positions of the finger and / or of the accessory 11 on the screen when performing at least part of the route. The accessory 11 can also help to detect successive positions, for example by including a capacitive, optical, thermal, ultrasonic and / or pressure sensor.
La tablette 2 comporte un moyen de traitement et d’analyse composé notamment d’un processeur, analysant les positions successives et pouvant déterminer une durée de réalisation d’au moins une partie du parcours, à partir de l’acquisition des positions successives et d’une horloge interne. La tablette 2 exécute un programme générant et analysant un score représentatif de la motricité fine de l’individu. Ce score peut être comparé à un ensemble de scores issus d’une base de données, la base de données pouvant être située dans une mémoire de la tablette. Le score et/ou les positions successives et/ou la durée de réalisation d’au moins une partie du parcours peuvent être enregistrés dans la mémoire. The tablet 2 comprises a processing and analysis means composed in particular of a processor, analyzing the successive positions and being able to determine a duration of completion of at least part of the route, from the acquisition of the successive positions and of 'an internal clock. The tablet 2 executes a program generating and analyzing a score representative of the fine motor skills of the individual. This score can be compared to a set of scores taken from a database, the database possibly being located in a memory of the tablet. The score and / or the successive positions and / or the duration of completion of at least part of the course can be recorded in the memory.
De façon générale, le système d’acquisition et d’analyse 1 comporte un support d’affichage 10, un moyen de détection 12, un moyen de traitement et d’analyse 13, une mémoire 14 et un moyen de chronométrage 15, comme représenté à la figure 2. In general, the acquisition and analysis system 1 comprises a display medium 10, a detection means 12, a processing and analysis means 13, a memory 14 and a timing means 15, as shown. in figure 2.
Le support d’affichage 10, le moyen de détection 12, le moyen de traitement et d’analyse 13, le moyen de chronométrage 15 et la mémoire 14 peuvent être distincts les uns des autres ou non. The display medium 10, the detection means 12, the processing and analysis means 13, the timing means 15 and the memory 14 may or may not be distinct from each other.
L’ensemble peut être regroupé au sein d’un même appareil, par exemple la tablette tactile représentée à la figure 1. The whole can be grouped together within a single device, for example the touchscreen tablet shown in Figure 1.
Le support 10 peut en variante être une feuille de papier, un écran non tactile, ou un tableau. The support 10 can alternatively be a sheet of paper, a non-touch screen, or a board.
Le moyen de détection 12 peut comporter un capteur optique, capacitif, thermique, à ultrasons et/ou de pression, pouvant être situé dans ou sous le support 10 et/ou être situé à distance du support, le moyen de détection 12 étant par exemple un écran tactile ou une caméra. The detection means 12 may comprise an optical, capacitive, thermal, ultrasonic and / or pressure sensor, which may be located in or under the support 10 and / or be located at a distance from the support, the detection means 12 being for example a touch screen or a camera.
Le moyen de chronométrage 15 peut être un algorithme, de préférence inclus dans le moyen de traitement et d’analyse 13, déterminant la durée de réalisation d’au moins une partie du parcours à partir des enregistrements des positions successives du doigt et/ou de l’accessoire. Le moyen de traitement et d’analyse 13 comporte de préférence une horloge interne et la durée de réalisation d’au moins une partie du parcours peut être déterminée à partir de la fréquence d’échantillonnage à laquelle les positions successives sont enregistrées. The timing means 15 can be an algorithm, preferably included in the processing and analysis means 13, determining the duration of completion of at least part of the route from the recordings of the successive positions of the finger and / or of the accessory. The processing and analysis means 13 preferably includes an internal clock and the duration of completion of at least part of the path can be determined from the sampling frequency at which the successive positions are recorded.
Le moyen de traitement et d’analyse 13 peut être tout type de processeur, notamment être identiques à ceux trouvés dans les ordinateurs, tablettes, téléphones portables, montres intelligentes, ou caméras embarquées, entre autres. The processing and analysis means 13 can be any type of processor, in particular be identical to those found in computers, tablets, cell phones, smart watches, or on-board cameras, among others.
La mémoire 14 peut contenir une base de données contenant des scores enregistrés et/ou un ensemble de données permettant de réaliser le traitement et l’analyse, par exemple une valeur seuil au-delà de laquelle une alerte est déclenchée, des programmes informatiques, des informations personnelles relatives à l’individu permettant par exemple d’affiner l’analyse, comme son âge, son niveau scolaire, ses antécédents médicaux. L’accès à ces informations personnelles est de préférence sécurisé, par exemple en étant protégé par un mot de passe ou une signature manuscrite de l’individu, d’un professionnel de santé ou de toute autre personne ayant un droit d’accès à ces informations personnelles. La mémoire 14 est de préférence comprise dans le moyen de traitement et d’analyse 13. Le moyen de traitement et d’analyse 13 et/ou la mémoire 14 peuvent être situés à distance du support 10 et du moyen de détection 12. The memory 14 can contain a database containing recorded scores and / or a set of data making it possible to carry out the processing and the analysis, for example a threshold value beyond which an alert is triggered, programs computer, personal information relating to the individual allowing for example to refine the analysis, such as his age, his level of education, his medical history. Access to this personal information is preferably secure, for example by being protected by a password or a handwritten signature of the individual, of a healthcare professional or of any other person having a right of access to these. personal informations. The memory 14 is preferably included in the processing and analysis means 13. The processing and analysis means 13 and / or the memory 14 can be located at a distance from the support 10 and the detection means 12.
On va maintenant décrire en référence à la figure 3, différentes étapes d’un procédé selon l’invention. With reference to Figure 3, different steps of a process according to the invention will now be described.
L’étape initiale 101 comporte la présentation du parcours 26 à l’individu sur le support 10, invitant l’individu à effectuer un mouvement libre 20 avec le doigt et/ou l’accessoire sur le support 10. The initial step 101 involves the presentation of the course 26 to the individual on the support 10, inviting the individual to perform a free movement 20 with the finger and / or the accessory on the support 10.
La durée de réalisation d’au moins une partie du parcours ainsi que les positions successives MM, Mi du doigt et/ou de l’accessoire sur le support 10 lors de la réalisation d’au moins une partie du parcours font l’objet des acquisitions 102, 103. The duration of completion of at least part of the route as well as the successive positions MM, Mi of the finger and / or of the accessory on the support 10 when performing at least part of the route are the subject of acquisitions 102, 103.
L’acquisition 102 de la durée de réalisation d’au moins une partie du parcours, et/ou l’acquisition 103 des positions successives du doigt et/ou de l’accessoire sur le support 10 peuvent être réalisées dès lors que le doigt et/ou l’accessoire sont détectés sur le support 10. L’acquisition 103 est de préférence réalisée avec une fréquence d’échantillonnage constante. La durée de réalisation peut être déterminée informatiquement à partir du nombre d’acquisitions et de la fréquence d’échantillonnage. The acquisition 102 of the duration of completion of at least part of the path, and / or the acquisition 103 of the successive positions of the finger and / or of the accessory on the support 10 can be carried out as soon as the finger and / or the accessory are detected on the support 10. The acquisition 103 is preferably carried out with a constant sampling frequency. The execution time can be determined by computer from the number of acquisitions and the sampling frequency.
Le score représentatif de la motricité fine peut être généré à l’étape 107 grâce à la connaissance de la durée de réalisation et à l’analyse 105 des enregistrements des positions comportant la génération d’au moins une variable aléatoire décrivant les positions successives du doigt et/ou de l’accessoire selon un modèle statistique prédéfini, à partir de laquelle une mesure statistique est calculée. Alternativement, les positions successives du doigt et/ou de l’accessoire peuvent être décrites par une suite de variables aléatoires. The score representative of fine motor skills can be generated in step 107 thanks to the knowledge of the duration of production and to the analysis 105 of the recordings of the positions comprising the generation of at least one random variable describing the successive positions of the finger. and / or the accessory according to a predefined statistical model, from which a statistical measurement is calculated. Alternatively, the successive positions of the finger and / or the accessory can be described by a series of random variables.
Dans un mode de réalisation préféré, le modèle statistique est un mélange de gaussiennes, la mesure statistique étant de préférence une entropie différentielle. Les enregistrements des positions successives MM, Mi associés au mouvement 20 de l’individu sur le support 10 lors de la réalisation d’au moins une partie du parcours peuvent être représentés par un ensemble de coordonnées temporelles (x(t), y(t)), la variable aléatoire étant constituée d’au moins une partie, mieux de l’ensemble de ces coordonnées temporelles. In a preferred embodiment, the statistical model is a mixture of Gaussians, the statistical measure preferably being differential entropy. The recordings of the successive positions MM, Mi associated with the movement 20 of the individual on the support 10 when carrying out at least part of the route can be represented by a set of temporal coordinates (x (t), y (t)), the random variable consisting of at least a part, better still of all of these temporal coordinates.
La variable aléatoire peut aussi comporter des coordonnées temporelles issues de la réalisation d’un ou plusieurs parcours. The random variable can also include temporal coordinates resulting from the realization of one or more routes.
Une fonction de densité associée à la variable aléatoire générée peut être déterminée à partir du modèle statistique, pouvant être décrite par la formule suivante dans le cas d’un mélange de gaussiennes : A density function associated with the generated random variable can be determined from the statistical model, which can be described by the following formula in the case of a mixture of Gaussians:
[Math 3] avec x un vecteur de coordonnées temporelles (x(t), y(t)), Wi des poids associés aux gaussiennes composant le mélange de gaussiennes et [Math 4] des densités associées à ces gaussiennes, où pi sont des moyennes et des matrices de covariance relatives à chacune des gaussiennes. [Math 3] with x a vector of temporal coordinates (x (t), y (t)), Wi of the weights associated with the Gaussians composing the mixture of Gaussians and [Math 4] densities associated with these Gaussians, where pi are means and covariance matrices relating to each of the Gaussians.
La mesure statistique peut être calculée au moyen de la formule suivante :The statistical measure can be calculated using the following formula:
[Math 5] avec N =2 étant la dimension des coordonnées temporelles, la mesure statistique étant une entropie différentielle et le modèle statistique un mélange de gaussiennes. [Math 5] with N = 2 being the dimension of the temporal coordinates, the statistical measure being a differential entropy and the statistical model a mixture of Gaussians.
L’entropie différentielle est liée à la variance des gaussiennes, quantifiant la dispersion des enregistrements des positions successives. Ainsi, plus le mouvement de l’individu est lent, à cause par exemple d’une réflexion, d’une hésitation, d’un problème moteur, et/ou plus l’individu effectue des retours en arrière, ayant par exemple un geste désordonné, plus les gaussiennes sont étalées, comportant alors une variance élevée et donc une entropie différentielle élevée. Differential entropy is related to the variance of Gaussians, quantifying the dispersion of records from successive positions. Thus, the slower the individual's movement, for example because of a reflection, a hesitation, a motor problem, and / or the more the individual goes backwards, for example having a gesture disordered, the more the Gaussians are spread out, then comprising a high variance and therefore a high differential entropy.
Alternativement, le modèle statistique peut être un modèle de Markov caché (HMM). Le modèle de Markov caché est notamment caractérisé par un nombre d’états S. Les états peuvent chacun être caractéristiques d’une portion du mouvement effectué par l’individu, un état regroupant par exemple un ensemble de positions successives, les portions étant de préférence distinctes. Alternatively, the statistical model can be a Hidden Markov Model (HMM). The hidden Markov model is notably characterized by a number of states S. The states can each be characteristic of a portion of the movement performed by the individual, a state grouping for example a set of successive positions, the portions preferably being distinct.
Les portions peuvent s’étendre sur des durées sensiblement similaires, le nombre d’états S dépendant alors de la durée de réalisation d’au moins une partie du parcours. The portions can extend over substantially similar durations, the number of states S then depending on the duration of completion of at least part of the route.
Alternativement, les portions peuvent s’étendre sur des durées différentes, le nombre d’états étant par exemple prédéfini. Alternatively, the portions can extend over different durations, the number of states being, for example, predefined.
Les états peuvent également être chacun caractéristiques de la réalisation d’au moins une partie du parcours, l’individu effectuant plusieurs parcours, par exemple entre 2 et 40 parcours, mieux entre 10 et 30, encore mieux environ 20. The states can also each be characteristic of completing at least part of the route, with the individual completing several routes, for example between 2 and 40 routes, better between 10 and 30, even better around 20.
Les états peuvent encore être caractéristiques de portions du mouvement effectué par l’individu lors de la réalisation de plusieurs parcours. The states can still be characteristic of portions of the movement performed by the individual when performing several routes.
Une mesure statistique intermédiaire est de préférence calculée pour chacun des états S. La mesure statistique est de préférence définie à partir de mesures statistiques intermédiaires caractéristiques d’un état. Les mesures statistiques intermédiaires peuvent être issues de l’analyse des portions comportant la génération d’une variable aléatoire intermédiaire décrivant par exemple les positions successives comprises dans chaque portion selon un modèle statistique intermédiaire, par exemple un mélange de gaussiennes. Les mesures intermédiaires peuvent être des entropies différentielles. An intermediate statistical measure is preferably calculated for each of the S states. The statistical measure is preferably defined from intermediate statistical measures characteristic of a state. Intermediate statistical measurements can be derived from the analysis of portions comprising the generation of an intermediate random variable describing, for example, the successive positions included in each portion according to an intermediate statistical model, for example a mixture of Gaussians. Intermediate measures can be differential entropies.
Des scores intermédiaires, représentatifs d’une portion du mouvement effectué par l’individu pour réaliser le parcours, peuvent être générés à partir des mesures statistiques intermédiaires et des durées sur lesquelles s’étendent lesdites portions. Le score peut être une combinaison des scores intermédiaires. Intermediate scores, representative of a portion of the movement performed by the individual to complete the course, can be generated from the intermediate statistical measurements and the durations over which said portions extend. The score can be a combination of the intermediate scores.
Le score peut être une somme pondérée d’au moins la mesure statistique représentative des positions successives du doigt et/ou de l’accessoire et de la durée de réalisation du parcours. The score can be a weighted sum of at least the statistical measurement representative of the successive positions of the finger and / or the accessory and of the duration of the course.
Le score peut alternativement être un vecteur comprenant au moins la mesure statistique représentative des positions successives du doigt et/ou de l’accessoire et la durée de réalisation du parcours. The score can alternatively be a vector comprising at least the statistical measurement representative of the successive positions of the finger and / or of the accessory and the duration of the course.
Le procédé selon l’invention comporte notamment une étape d’analyse 108 du score. Le score peut par exemple être comparé de façon automatique à des scores compris par exemple dans une base de données. Le score peut être soumis à une méthode de classification, supervisée ou non, par exemple des méthodes de clustering 2D comme représenté sur les exemples des figures 4 et 5. The method according to the invention comprises in particular a step 108 of analyzing the score. The score can for example be compared automatically with scores included for example in a database. The score can be subjected to a method of classification, supervised or not, for example 2D clustering methods as shown in the examples of Figures 4 and 5.
Alternativement, le score est comparé à une valeur seuil prédéfinie, étant par exemple un score moyen calculé à partir d’un ensemble de scores issus par exemple de la mise en œuvre d’un procédé selon l’invention. Le score peut être enregistré à l’étape 109. Le score peut enrichir une base de données pouvant être destinée à l’étape d’analyse 108 par comparaison, et/ou participer à la définition d’un score moyen. Alternatively, the score is compared with a predefined threshold value, being for example an average score calculated from a set of scores resulting, for example, from the implementation of a method according to the invention. The score can be recorded in step 109. The score can enrich a database that can be used for analysis step 108 by comparison, and / or participate in the definition of an average score.
Le procédé peut également comporter la génération automatique d’une alerte 110 pour prévenir de la détection de comportements atypiques. Par exemple, une alerte peut être déclenchée afin d’attirer l’attention sur des scores sensiblement similaires à ceux du groupe A dans les figures 4 et 5, ces scores étant isolés des autres groupes et correspondant à une durée de réalisation du parcours élevée et une entropie différentielle élevée. The method may also include the automatic generation of an alert 110 to warn of the detection of atypical behavior. For example, an alert can be triggered in order to draw attention to scores substantially similar to those of group A in figures 4 and 5, these scores being isolated from the other groups and corresponding to a high duration of the course and high differential entropy.
La figure 4 représente un exemple de comparaison 108 de scores sous forme de vecteurs normalisés, les valeurs de la durée de réalisation et de la mesure statistique étant comprises entre 0 et 1. La comparaison 108 est effectuée dans cet exemple au moyen d’une méthode de clustering 2D, définissant huit groupes différents, à partir de 258 scores d’individus différents, notamment de tout âge. Le groupe A contient en particulier trois scores éloignés des autres scores. Une alerte peut être générée 110 concernant ces trois individus, par exemple dans le but de réaliser de nouveaux parcours, ou des tests médicaux. FIG. 4 represents an example of comparison 108 of scores in the form of normalized vectors, the values of the duration of realization and of the statistical measurement being between 0 and 1. The comparison 108 is carried out in this example by means of a method 2D clustering, defining eight different groups, based on 258 scores of different individuals, in particular of all ages. Group A contains in particular three scores that are far removed from the other scores. An alert can be generated 110 concerning these three individuals, for example with the aim of carrying out new routes, or medical tests.
La figure 5 représente un autre exemple de comparaison 108 de vingt-sept scores d’individus ayant sensiblement le même âge au moyen d’une méthode de clustering 2D à partir de vecteurs normalisés comportant la durée de réalisation du parcours et la mesure statistique. Dans cet exemple, les scores sont classés en trois groupes. Le groupe A, comportant un unique score, peut correspondre à un comportement atypique relatif à la motricité fine. FIG. 5 represents another example of comparison 108 of twenty-seven scores of individuals having substantially the same age by means of a 2D clustering method from normalized vectors comprising the duration of the course and the statistical measurement. In this example, the scores are classified into three groups. Group A, with a single score, may correspond to atypical behavior relating to fine motor skills.
La réalisation d’une partie au moins du parcours peut aisément se faire à distance et facilite ainsi la mise en œuvre du procédé selon l’invention. En effet, l’individu peut réaliser le parcours seul, c’est-à-dire sans l’encadrement d’un professionnel, notamment de santé. Les enregistrements, et/ou le score et/ou l’analyse peuvent être envoyés a posteriori, par exemple par Internet, à un serveur qui effectue le traitement des données. Completing at least part of the route can easily be done remotely and thus facilitates the implementation of the method according to the invention. Indeed, the individual can complete the course alone, that is to say without the supervision of a professional, especially in health. The records, and / or the score and / or the analysis can be sent a posteriori, for example by Internet, to a server which carries out the data processing.
De plus, le procédé peut comporter l’étape 104 consistant à enregistrer des paramètres supplémentaires et l’étape 106 consistant à les analyser, en vue d’obtenir un score représentant plus précisément la motricité fine de l’individu, les paramètres pouvant par exemple être les vitesses du doigt et/ou de l’accessoire, les accélérations du doigt et/ou de l’accessoire, les pressions du doigt et/ou de l’accessoire sur le support 10, et/ou les tremblements du doigt et/ou de l’accessoire et/ou les inclinaisons du doigt et/ou de l’accessoire par rapport au support lors de la réalisation du parcours. Cette liste n’est pas limitative. Ces paramètres peuvent être acquis grâce à un moyen de détection, ou être déterminés grâce à une routine informatique, déterminant par exemple une moyenne ou calculant un nombre d’aller-retour. En particulier, une tablette de type Wacom peut détecter et acquérir les pressions et les inclinaisons de l’accessoire par rapport à la tablette. In addition, the method may include step 104 of recording additional parameters and step 106 of analyzing them, in order to obtain a score. more precisely representing the fine motor skills of the individual, the parameters possibly being for example the speeds of the finger and / or of the accessory, the accelerations of the finger and / or of the accessory, the pressures of the finger and / or of the 'accessory on the support 10, and / or the tremors of the finger and / or of the accessory and / or the inclinations of the finger and / or of the accessory with respect to the support when carrying out the course. This list is not exhaustive. These parameters can be acquired thanks to a detection means, or be determined thanks to a computer routine, for example determining an average or calculating a number of round trips. In particular, a Wacom type tablet can detect and acquire the pressures and inclinations of the accessory relative to the tablet.
La figure 6 illustre un exemple de parcours 26 pouvant être présenté à un individu sur un support, l’invitant à effectuer un mouvement libre 20 avec son doigt et/ou un accessoire 11. Les positions successives Mi, MM sont enregistrées avec un pas At séparant deux positions successives de préférence constant. FIG. 6 illustrates an example of a route 26 that can be presented to an individual on a support, inviting him to perform a free movement 20 with his finger and / or an accessory 11. The successive positions Mi, MM are recorded with a pitch At separating two successive positions preferably constant.
Une zone 24 et/ou un élément graphique 23 à sélectionner peut représenter la position du doigt et/ou de l’accessoire sur le support 10, permettant notamment de visualiser la position de l’individu sur le parcours. La zone 24 offre à l’individu un espace plus large, facilitant la sélection dans le but de réaliser le parcours. La zone 24 peut par exemple disparaître lorsque l’individu sélectionne la zone 24 et/ou l’élément graphique 23. L’acquisition 102 de la durée et/ou l’acquisition 103 des positions successives et/ou l’acquisition 104 des autres paramètres peuvent être réalisées uniquement lorsque l’individu sélectionne la zone 24 et/ou l’élément graphique 23. An area 24 and / or a graphic element 23 to be selected can represent the position of the finger and / or the accessory on the support 10, making it possible in particular to visualize the position of the individual on the course. Zone 24 gives the individual a larger space, making it easier to select for the purpose of completing the course. The zone 24 can for example disappear when the individual selects the zone 24 and / or the graphic element 23. The acquisition 102 of the duration and / or the acquisition 103 of the successive positions and / or the acquisition 104 of the others. parameters can be performed only when the individual selects zone 24 and / or graphic element 23.
Une trace 20 représentant le mouvement du doigt et/ou de l’accessoire 11 sur le support 10 peut être affichée, permettant de visualiser la progression de l’individu sur le parcours. La trace 20 peut représenter le mouvement exact du doigt et/ou de l’accessoire sur le support 10, ou celle-ci peut être représentée à l’aide de segments. Une trace affichant une solution du parcours peut aussi être présentée à l’individu en fin d’exercice, le cas échéant. A trace 20 representing the movement of the finger and / or the accessory 11 on the support 10 can be displayed, making it possible to visualize the progress of the individual on the course. The trace 20 can represent the exact movement of the finger and / or the accessory on the support 10, or it can be represented by means of segments. A trace showing a solution of the course can also be presented to the individual at the end of the exercise, if necessary.
Le parcours 26 peut être un labyrinthe, comportant au moins un chemin sans issue 25 définissant de préférence un trajet unique reliant un point de départ 21 à un point d’arrivée 22. Le chemin peut être délimité par des parois pouvant être rectilignes ou non, le labyrinthe prenant par exemple la forme d’un intestin. The path 26 can be a labyrinth, comprising at least one dead end path 25 preferably defining a single path connecting a starting point 21 to an ending point 22. The path can be delimited by walls which may or may not be rectilinear, the labyrinth taking for example the shape of an intestine.
La figure 7 illustre trois degrés de difficulté de parcours « facile », « moyen », « difficile », le nombre de chemins sans issue augmentant en fonction du degré de difficulté. Le parcours 26 peut être généré aléatoirement, par exemple au moyen d’un programme informatique, par exemple compris dans le moyen de traitement et d’analyse 13. Ce parcours 26 peut être enregistré, par exemple dans la mémoire 14, pouvant être présenté plusieurs fois, par exemple à plusieurs individus afin de comparer leur score, et/ou à un même individu, par exemple à différents instants, ces différents instants pouvant notamment correspondre à une évaluation avant traitement thérapeutique et à une évaluation après traitement thérapeutique afin d’apprécier l’évolution de la motricité de l’individu et de certaines fonctions cognitives au cours dudit traitement et/ou l’efficacité dudit traitement. FIG. 7 illustrates three degrees of difficulty of “easy”, “medium” and “difficult”, the number of dead-end paths increasing as a function of the degree of difficulty. The path 26 can be generated randomly, for example by means of a computer program, for example included in the processing and analysis means 13. This path 26 can be recorded, for example in the memory 14, which can be presented several times. times, for example to several individuals in order to compare their score, and / or to the same individual, for example at different times, these different times possibly corresponding in particular to an evaluation before therapeutic treatment and to an evaluation after therapeutic treatment in order to assess the evolution of the individual's motor skills and of certain cognitive functions during said treatment and / or the effectiveness of said treatment.
Bien entendu, l’invention n’est pas limitée aux exemples de réalisation qui viennent d’être décrits. Of course, the invention is not limited to the embodiments which have just been described.
En particulier, le support peut être une feuille de papier ou tout autre matériau sur lequel le parcours peut être imprimé ou dessiné, la feuille ou le matériau étant par exemple positionné sur un écran tactile, ou une caméra pouvant filmer le mouvement du doigt et/ou de l’accessoire sur la feuille de papier ou le matériau. Le mouvement peut ensuite être décomposé afin de définir des positions successives, notamment au moyen d’un programme informatique. In particular, the support may be a sheet of paper or any other material on which the path can be printed or drawn, the sheet or the material being for example positioned on a touch screen, or a camera capable of filming the movement of the finger and / or accessory on the sheet of paper or material. The movement can then be broken down in order to define successive positions, in particular by means of a computer program.
L’acquisition des positions successives peut être effectuée grâce à la numérisation d’une trace laissée par l’individu sur le support lors de la réalisation d’au moins une partie du parcours, par exemple avec un stylo ou un crayon sur une feuille de papier, la durée de réalisation d’au moins une partie du parcours pouvant être acquise séparément par exemple avec un chronomètre. The acquisition of successive positions can be carried out by digitizing a trace left by the individual on the support when carrying out at least part of the route, for example with a pen or pencil on a sheet of paper. paper, the duration of completion of at least part of the route can be acquired separately, for example with a stopwatch.
Les étapes d’acquisitions des positions successives et/ou d’autres paramètres peuvent être suivies d’étapes de pré-traitements afin de normaliser les enregistrements, classiquement entre 0 et 1, ou des repérer des enregistrements manquants par exemple. Ces étapes de pré-traitements facilitent notamment la génération et l’analyse du score. The steps of acquiring successive positions and / or other parameters can be followed by pre-processing steps in order to standardize the records, typically between 0 and 1, or to identify missing records, for example. These pre-processing steps notably facilitate the generation and analysis of the score.
Liste des documents cités List of cited documents
Handwriting performance in children with attention déficit hyperactivity disorder (ADHD), M. Racine et al., Handwriting performance in children with attention deficit hyperactivity disorder (ADHD), M. Racine et al.,
Children with autism show spécifie handwriting impairments, C. Fuentes et al., Clinical description of children with developmental coordination disorder, L. Miller et al., Children with autism show specifies handwriting impairments, C. Fuentes et al., Clinical description of children with developmental coordination disorder, L. Miller et al.,
Fine motor deficiencies in children with developmental coordination disorder and learning disabilities, B. Smits-Engelsman et al., Handwriting process and product characteristics of children diagnosed with developmental coordination disorder, S. Rosenblum, Fine motor deficiencies in children with developmental coordination disorder and learning disabilities, B. Smits-Engelsman et al., Handwriting process and product characteristics of children diagnosed with developmental coordination disorder, S. Rosenblum,
Handwriting development, K.P. Feder et al., Handwriting development, K.P. Feder et al.,
Factors that relate to good and poor handwriting, H. Cornhill et al., Parkinsonism reduces coordination of fingers, wrist, and arm in fine motor control, H.L. Teulings, Factors that relate to good and poor handwriting, H. Cornhill et al., Parkinsonism reduces coordination of fingers, wrist, and arm in fine motor control, H.L. Teulings,
Spiral analysis: a new Technique for measuring Tremor with a Digitizing Tablet, S.L. Pullman. Spiral analysis: a new Technique for measuring Tremor with a Digitizing Tablet, S.L. Pullman.

Claims

Revendications Claims
1. Procédé d’acquisition et d’analyse de la motricité fine d’un individu, comportant les étapes suivantes : a) présentation d’au moins un parcours sur un support, invitant l’individu à effectuer un mouvement libre avec au moins un doigt et/ou un accessoire sur le support, ce mouvement étant lié au parcours présenté, b) enregistrement d’une durée de réalisation d’au moins une partie du parcours, c) enregistrement des positions successives du doigt et/ou de l’accessoire lors de la réalisation d’au moins une partie du parcours, d) analyse des enregistrements pour générer au moins une variable aléatoire décrivant les positions successives du doigt et/ou de l’accessoire selon un modèle statistique prédéfini, e) génération d’un score représentatif de la motricité fine, à partir d’au moins la durée de réalisation d’au moins une partie du parcours et d’une mesure statistique de la variable aléatoire, caractéristique d’une quantité d’information, d’un désordre ou d’un chaos contenu dans l’enregistrement des positions successives du doigt et/ou de l’accessoire. 1. A method of acquiring and analyzing the fine motor skills of an individual, comprising the following steps: a) presentation of at least one course on a support, inviting the individual to perform a free movement with at least one finger and / or an accessory on the support, this movement being linked to the path presented, b) recording of a duration of completion of at least part of the path, c) recording of the successive positions of the finger and / or of the accessory when performing at least part of the route, d) analysis of the records to generate at least one random variable describing the successive positions of the finger and / or the accessory according to a predefined statistical model, e) generation of a score representative of fine motor skills, based on at least the duration of at least part of the route and a statistical measurement of the random variable, characteristic of a quantity of information, of a disorder or a chaos contained in the record recording the successive positions of the finger and / or the accessory.
2. Procédé selon la revendication 1, la mesure statistique étant une mesure d’entropie, notamment une entropie multi-échelle, une entropie approximative, une « sample entropy », ou une entropie de Tsallis, de préférence une entropie différentielle ou définie à partir d’une mesure de chaos, notamment une mesure de dimensions fractales ou une mesure d’exposant de Lyapunov. 2. Method according to claim 1, the statistical measurement being a measurement of entropy, in particular a multiscale entropy, an approximate entropy, a “sample entropy”, or a Tsallis entropy, preferably a differential entropy or defined from. a measure of chaos, in particular a measure of fractal dimensions or a measure of Lyapunov exponent.
3. Procédé selon l’une des revendications précédentes, le modèle statistique prédéfini étant un mélange de gaussiennes. 3. Method according to one of the preceding claims, the predefined statistical model being a mixture of Gaussians.
4. Procédé selon la revendication précédente, le mélange de gaussiennes comportant 30 gaussiennes ou plus. 4. Method according to the preceding claim, the mixture of Gaussians comprising 30 Gaussians or more.
5. Procédé selon l’une quelconque des revendications 3 et 4, la mesure statistique étant définie par où å est la matrice de covariance et N la dimension des gaussiennes. 5. Method according to any one of claims 3 and 4, the statistical measurement being defined by where å is the covariance matrix and N the dimension of the Gaussians.
6. Procédé selon l’une quelconque des revendications 1 et 2, le modèle statistique étant un modèle de Markov caché, caractérisé par un nombre d’états S. 6. Method according to any one of claims 1 and 2, the statistical model being a hidden Markov model, characterized by a number of S states.
7. Procédé selon la revendication précédente, une mesure statistique intermédiaire étant calculée pour chacun des états S, la mesure statistique étant de préférence définie à partir de ces mesures statistiques intermédiaires. 7. Method according to the preceding claim, an intermediate statistical measurement being calculated for each of the states S, the statistical measurement preferably being defined on the basis of these intermediate statistical measurements.
8. Procédé selon l’une quelconque des revendications 6 et 7, le nombre d’états S dépendant d’une durée totale de réalisation du parcours par l’individu. 8. Method according to any one of claims 6 and 7, the number of states S depending on the total duration of the course by the individual.
9. Procédé selon l’une quelconque des revendications 6 et 7, le nombre d’états S étant prédéfini. 9. Method according to any one of claims 6 and 7, the number of states S being predefined.
10. Procédé selon l’une quelconque des revendications 6 à 9, comportant l’enregistrement d’une durée intermédiaire de réalisation pour chaque état du modèle de Markov caché. 10. A method according to any one of claims 6 to 9, comprising recording an intermediate completion time for each state of the hidden Markov model.
11. Procédé selon la revendication précédente, un score intermédiaire score représentatif de la motricité fine étant calculé pour chaque état du modèle de Markov caché, le score représentatif de la motricité fine pouvant être défini à partir des scores intermédiaires. 11. Method according to the preceding claim, an intermediate score representative of fine motor skills being calculated for each state of the hidden Markov model, the score representative of fine motor skills being able to be defined from the intermediate scores.
12. Procédé selon l’une quelconque des revendications précédentes, le parcours présenté étant un labyrinthe. 12. Method according to any one of the preceding claims, the course presented being a labyrinth.
13. Procédé selon la revendication précédente, le labyrinthe comportant au moins un chemin sans issue. 13. Method according to the preceding claim, the labyrinth comprising at least one dead end path.
14. Procédé selon la revendication précédente, comportant une sélection d’un degré de difficulté, le nombre de chemins sans issue du labyrinthe augmentant avec le degré de difficulté. 14. Method according to the preceding claim, comprising a selection of a degree of difficulty, the number of dead end paths of the labyrinth increasing with the degree of difficulty.
15. Procédé selon l’une quelconque des revendications précédentes, le parcours définissant un trajet unique reliant un point de départ à un point d’arrivée.15. Method according to any one of the preceding claims, the path defining a single path connecting a starting point to an ending point.
16. Procédé selon l’une quelconque des revendications 1 à 11, le parcours présenté étant un ensemble de points à relier. 16. Method according to any one of claims 1 to 11, the path presented being a set of points to be connected.
17. Procédé selon l’une quelconque des revendications précédentes, le parcours étant généré aléatoirement. 17. Method according to any one of the preceding claims, the route being generated randomly.
18. Procédé selon l’une quelconque des revendications précédentes, comportant l’affichage sur le support (10) d’une trace de la trajectoire du doigt et/ou de l’accessoire. 18. Method according to any one of the preceding claims, comprising the display on the support (10) of a trace of the trajectory of the finger and / or of the accessory.
19. Procédé selon l’une quelconque des revendications précédentes, la présentation comportant l’affichage du parcours sur un écran, l’écran étant de préférence tactile. 19. Method according to any one of the preceding claims, the presentation comprising the display of the route on a screen, the screen preferably being touch-sensitive.
20. Procédé selon l’une quelconque des revendications précédentes, comportant l’enregistrement de vitesses et/ou d’accélérations du mouvement du doigt et/ou de l’accessoire et/ou l’enregistrement de pressions du doigt et/ou de l’accessoire sur le support lors de la réalisation du parcours, le score étant généré au moins à partir de cet ou ces enregistrement(s). 20. Method according to any one of the preceding claims, comprising the recording of speeds and / or accelerations of the movement of the finger and / or of the accessory and / or the recording of pressures of the finger and / or of the finger. 'accessory on the support during the course of the course, the score being generated at least from this or these recording (s).
21. Procédé selon l’une quelconque des revendications précédentes, comportant l’enregistrement d’inclinaisons du mouvement du doigt et/ou de l’accessoire par rapport au support lors de la réalisation du parcours, le score étant généré au moins à partir de cet enregistrement. 21. Method according to any one of the preceding claims, comprising the recording of inclinations of the movement of the finger and / or of the accessory with respect to the support during the completion of the course, the score being generated at least from this recording.
22. Procédé selon l’une quelconque des revendications précédentes, les étapes a), b), c), d) et e) étant répétées plusieurs fois pour un même individu, de préférence, entre 2 et 40 fois, mieux entre 10 et 30, encore mieux environ 20 fois, un score moyen étant de préférence calculé à partir des scores de chaque étape e). 22. Method according to any one of the preceding claims, steps a), b), c), d) and e) being repeated several times for the same individual, preferably between 2 and 40 times, better between 10 and. 30, even better about 20 times, an average score preferably being calculated from the scores of each step e).
23. Procédé selon l’une quelconque des revendications précédentes, les étapes a), b) et c) étant répétées plusieurs fois pour un même individu, et les étapes e) et d) étant réalisées une unique fois à partir des enregistrements des étapes b) et c) répétées plusieurs fois. 23. Method according to any one of the preceding claims, steps a), b) and c) being repeated several times for the same individual, and steps e) and d) being carried out once from the recordings of steps. b) and c) repeated several times.
24. Procédé selon l’une quelconque des revendications précédentes, comportant une étape de comparaison du score par rapport à des scores enregistrés dans une base de données. 24. Method according to any one of the preceding claims, comprising a step of comparing the score against scores recorded in a database.
25. Procédé selon l’une quelconque des revendications 23 et 24, comportant la génération d’une alerte en fonction du résultat de la comparaison. 25. A method according to any one of claims 23 and 24, comprising generating an alert based on the result of the comparison.
26. Procédé selon l’une quelconque des revendications précédentes, comportant la réalisation du parcours par l’individu à différents moments correspondant à un moment avant traitement et un moment après traitement ; et la comparaison des scores représentatifs de la motricité fine issus de la réalisation du parcours à ces différents moments. 26. Method according to any one of the preceding claims, comprising the completion of the course by the individual at different times corresponding to a time before treatment and a time after treatment; and the comparison of the representative scores of fine motor skills resulting from the completion of the course at these different times.
27. Procédé selon l’une quelconque des revendications précédentes, la comparaison étant réalisée au moyen d’une méthode d’apprentissage automatique, notamment une méthode de classification. 27. Method according to any one of the preceding claims, the comparison being carried out by means of a machine learning method, in particular a classification method.
28. Système d’acquisition et d’analyse (1) de la motricité fine pour la mise en œuvre du procédé selon l’une quelconque des revendications précédentes, comportant : un support (10) adapté à l’affichage du parcours, le support (10) comportant de préférence une interface tactile permettant de suivre le mouvement du doigt et/ou de l’accessoire lors de la réalisation du parcours, - un moyen de chronométrage (15) pour mesurer une durée de réalisation d’au moins une partie du parcours, un moyen de détection (12), détectant les positions du doigt et/ou de l’accessoire lors de la réalisation d’au moins une partie du parcours, une mémoire (14) dans laquelle peuvent être enregistrées les positions du doigt et/ou de l’accessoire et/ou la durée de réalisation d’au moins une partie du parcours un moyen de traitement et d’analyse (13) pour générer un score représentatif de la motricité fine à partir d’au moins la durée de réalisation d’au moins une partie du parcours et d’une mesure statistique, caractéristique d’une quantité d’information, d’un désordre ou d’un chaos contenu dans l’enregistrement des positions du doigt et/ou de l’accessoire, lui-même généré à partir d’une variable aléatoire représentative des positions du doigt et/ou de l’accessoire. 28. System for acquisition and analysis (1) of fine motor skills for implementing the method according to any one of the preceding claims, comprising: a support (10) suitable for displaying the course, the support (10) preferably comprising a tactile interface making it possible to follow the movement of the finger and / or of the accessory during the completion of the course, - a timing means (15) for measuring a duration of completion of at least one part of the route, a detection means (12), detecting the positions of the finger and / or of the accessory when performing at least part of the route, a memory (14) in which the positions of the finger can be recorded and / or the accessory and / or the duration of completion of at least part of the route, a processing and analysis means (13) to generate a score representative of fine motor skills from at least the duration completion of at least part of the route and a statistical measurement, because acteristic of a quantity of information, of a disorder or of a chaos contained in the recording of the positions of the finger and / or of the accessory, itself generated from a random variable representative of the positions of the finger and / or accessory.
EP21701061.0A 2020-01-15 2021-01-13 Method and device for analysing fine motor skills Pending EP4091176A1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2000383A FR3106234A1 (en) 2020-01-15 2020-01-15 Fine motor analysis method and device
PCT/EP2021/050586 WO2021144307A1 (en) 2020-01-15 2021-01-13 Method and device for analysing fine motor skills

Publications (1)

Publication Number Publication Date
EP4091176A1 true EP4091176A1 (en) 2022-11-23

Family

ID=71894873

Family Applications (1)

Application Number Title Priority Date Filing Date
EP21701061.0A Pending EP4091176A1 (en) 2020-01-15 2021-01-13 Method and device for analysing fine motor skills

Country Status (4)

Country Link
US (1) US20230047530A1 (en)
EP (1) EP4091176A1 (en)
FR (1) FR3106234A1 (en)
WO (1) WO2021144307A1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114788918B (en) * 2022-06-23 2022-09-27 深圳市心流科技有限公司 Method, device, equipment and storage medium for formulating reaction force training scheme

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB8328909D0 (en) * 1983-10-28 1983-11-30 Hutton G H Manufacturing pattern-bearing article
WO2005009223A2 (en) * 2003-07-21 2005-02-03 Gannon Technologies Group Systems and methods for assessing disorders affecting fine motor skills using handwriting recognition
WO2013049156A1 (en) * 2011-09-26 2013-04-04 President And Fellows Of Harvard College Quantitative methods and systems for neurological assessment
WO2013071285A1 (en) * 2011-11-11 2013-05-16 Rutgers, The State University Of New Jersey Methods for the diagnosis and treatment of neurological disorders
US9510789B2 (en) * 2013-10-31 2016-12-06 Roshanak Houmanfar Motion analysis method
US20170263146A1 (en) * 2016-03-11 2017-09-14 Varun Aggarwal Method and system for building and scoring motor skills tests

Also Published As

Publication number Publication date
WO2021144307A1 (en) 2021-07-22
US20230047530A1 (en) 2023-02-16
FR3106234A1 (en) 2021-07-16

Similar Documents

Publication Publication Date Title
US9665824B2 (en) Rapid image annotation via brain state decoding and visual pattern mining
Desjardins et al. EEG Integrated Platform Lossless (EEG-IP-L) pre-processing pipeline for objective signal quality assessment incorporating data annotation and blind source separation
McCurrie et al. Predicting first impressions with deep learning
US20140316881A1 (en) Estimation of affective valence and arousal with automatic facial expression measurement
Constantin et al. The Predicting Media Memorability Task at MediaEval 2019.
Valla et al. Tremor-related feature engineering for machine learning based Parkinson’s disease diagnostics
Ammour et al. A new semi-supervised approach for characterizing the Arabic on-line handwriting of Parkinson's disease patients
US20230252316A1 (en) Adjusting mental state to improve task performance
Barz et al. Digital pen features predict task difficulty and user performance of cognitive tests
Deschamps et al. Development of a pre-diagnosis tool based on machine learning Algorithms on the BHK test to improve the diagnosis of dysgraphia
Bruno et al. A multi-scale colour and keypoint density-based approach for visual saliency detection
EP4091176A1 (en) Method and device for analysing fine motor skills
Beltzung et al. Deep learning for studying drawing behavior: A review
Brophy et al. Denoising EEG signals for real-world BCI applications using GANs
Barz et al. Implicit estimation of paragraph relevance from eye movements
Lara-Garduno et al. 3D-Trail-Making Test: A Touch-Tablet Cognitive Test to Support Intelligent Behavioral Recognition.
Amini et al. Identifications of developmental dysgraphia on the basis of dynamic handwriting features
Jensen et al. Human perception and machine vision reveal rich latent structure in human figure drawings
FR3058538B1 (en) MULTIPARAMETRIC METHOD FOR QUANTIFYING BALANCE
Xu et al. A task-driven eye tracking dataset for visual attention analysis
FR3066097A1 (en) DEVICE AND METHOD FOR NEUROPSYCHOLOGICAL EVALUATION
Białek et al. Selected problems of image data preprocessing used to perform examination in Parkinson’s disease
WO2003067554A1 (en) Objective handwriting analysis device
Hu et al. Analyzing user interactions with music information retrieval system: An eye tracking approach
US11733781B2 (en) Leveraging machine learning and fractal analysis for classifying motion

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20220816

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)