FR3126866A1

FR3126866A1 - Système et procédé de prédiction de chute d’un individu

Info

Publication number: FR3126866A1
Application number: FR2209307A
Authority: FR
Inventors: Karim Ben Dhia; Thomas CARRIE; Nadim NASREDDINE
Original assignee: Kareteq
Current assignee: Kareteq
Priority date: 2021-09-16
Filing date: 2022-09-15
Publication date: 2023-03-17
Also published as: FR3126867A1

Abstract

SYSTÈME ET PROCÉDÉ DE PRÉDICTION DE CHUTE D’UN INDIVIDU L’invention concerne un système et un procédé de prédiction de chute d’un individu comprenant : un boitier (10) porté par un individu (8) dans lequel est logé une pluralité de capteurs d’acquisition de mesures représentatives de la posture et/ou des mouvements de l’individu ; une unité de traitement (100) des mesures fournies par ladite pluralité de capteurs et comprenant : un module (110) de détermination d’un score de profil, fonction de données représentatives des caractéristiques propres de l’individu ; un module (120) de calcul de curseurs moteurs, fonction des mesures fournies par ladite pluralité de capteurs, et représentatifs de l’activité de l’individu sur un intervalle de temps prédéterminé ; un module (130) de calcul d’un score de risque de chute, fonction desdits curseurs moteurs et dudit score de profil ; un module (140) de détermination d’un risque de chute, fonction d’une variation dudit score de risque de chute au-delà d’un seuil prédéterminé sur un intervalle de temps prédéterminé. Figure pour l’abrégé : figure 1

Description

SYSTÈME ET PROCÉDÉ DE PRÉDICTION DE CHUTE D’UN INDIVIDU

Domaine technique de l’invention

L’invention concerne un système et un procédé de prédiction de chute d’un individu, c’est-à-dire un système et un procédé configuré pour évaluer et anticiper le risque de chute d’un individu. L’invention concerne également un système et un procédé de détection de chute d’un individu mettant en œuvre un système et procédé de prédiction de chute selon l’invention.

Arrière-plan technologique

Il existe aujourd’hui de nombreux dispositifs connectés destinés à détecter les chutes de personnes susceptibles de tomber telles que des personnes âgées, des personnes souffrant d’un déficit d’attention, des personnes sujettes à des crises de paniques, des personnes épileptiques, etc.

Ces dispositifs et procédés mettent en général en œuvre des capteurs de mouvement (tels que des accéléromètres) portés par les personnes à surveiller associés à des unités de traitement des données fournies par ces capteurs. L’unité de traitement analyse et interprète les valeurs des données fournies par les capteurs et déclenche une alerte de détection de chute dès que les valeurs dépassent un seuil prédéterminé. Les traitements proposés consistent par exemple à compter le nombre de pas effectués par la personne surveillée sur une période de temps prédéterminée et à déclencher l’alerte si aucune activité n’est observée sur une période normale d’activités.

Ces dispositifs sont aujourd’hui disponibles sous la forme de podomètres, de montres connectées, de colliers, de téléphones intelligents (plus connus sous la dénomination anglaise de smartphones), etc., qui sont portés par les individus à surveiller. Les unités de traitement peuvent être embarquées dans les dispositifs ou être hébergées sur des serveurs distants reliés aux dispositifs de détection par des moyens de connexion sans fil.

Ces solutions sont utiles pour pouvoir réagir rapidement dès que la chute est détectée par le système, ce qui permet de prendre rapidement contact avec la personne surveillée et/ou d’envoyer des secours sur place pour une prise en charge rapide

Cela étant, ces systèmes ne permettent pas d’éviter la chute. En d’autres termes, les solutions connues permettent simplement de détecter la chute et de réduire le temps d’intervention entre la chute et la prise en charge de l’individu ayant chuté.

Les inventeurs ont cherché à aller plus loin et à mettre en place un système qui permet de prédire la chute, avant qu’elle ne se produise, de manière à pouvoir l’éviter. En d’autres termes, les inventeurs ont cherché à développer un système et un procédé de prédiction de chute d’un individu, c’est-à-dire un système et un procédé qui permet de détecter l’imminence d’une chute d’un individu surveillé, de manière à pouvoir alerter l’individu (ou un tiers aidant) qu’il risque de chuter, et ainsi d’éviter la survenue de la chute ou d’en réduire les conséquences.

Objectifs de l’invention

L’invention vise à fournir un système et un procédé de prédiction d’un risque de chute d’un individu.

L’invention vise aussi à fournir, dans au moins un mode de réalisation, un système et un procédé qui s’adaptent aux caractéristiques physiques et/ou physiologiques de la personne surveillée.

L’invention vise aussi à fournir, dans au moins un mode de réalisation, un système et un procédé qui peut interagir avec l’individu surveillé pour pouvoir l’alerter d’un risque de chute (ou un tiers aidant) et/ou confirmer une éventuelle chute détectée.

L’invention vise aussi à fournir, dans au moins un mode de réalisation, un système et un procédé qui permet de surveiller des paramètres d’activité d’un individu surveillé.

L’invention vise aussi à fournir un système et un procédé de détection d’une chute d’un individu qui met en œuvre un système et un procédé de prédiction d’un risque de chute d’un individu selon l’invention.

Pour ce faire, l’invention concerne un système de prédiction de chute d’un individu comprenant :

un boitier configuré pour pouvoir être porté par un individu, ledit boitier comprenant une pluralité de capteurs d’acquisition de mesures représentatives de la posture et/ou des mouvements de l’individu dont au moins un accéléromètre, un magnétomètre et un gyroscope,
une unité de traitement des mesures fournies par ladite pluralité de capteurs.

Le système selon l’invention est caractérisé en ce que ladite unité de traitement comprend au moins :

un module de détermination d’une donnée, dite score de profil, fonction de données représentatives des caractéristiques propres de l’individu,
un module de calcul de données, dites curseurs moteurs, fonction des mesures fournies par ladite pluralité de capteurs, et représentatifs de l’activité de l’individu sur un intervalle de temps prédéterminé,
un module de calcul d’une donnée, dite score de risque de chute, fonction desdits curseurs moteurs et dudit score de profil,
un module de détermination d’un risque de chute, fonction d’une variation dudit score de risque de chute au-delà d’un seuil prédéterminé sur un intervalle de temps prédéterminé.

Le système selon l’invention présente donc la particularité de traiter des données acquises par des capteurs logés dans un boitier porté par l’individu surveillé pour en déduire un risque de chute à partir de la variation d’un score de risque au-delà d’un seuil prédéterminé. Le score de risque de chute est dérivé de curseurs moteurs et d’un score de profil, propre à l’individu. Les curseurs moteurs reflètent l’activité de la personne surveillée et donne une représentation des facteurs physiologiques de la personne surveillée.

En d’autres termes, le système selon l’invention surveille en continu le score de risque de chute et déclenche une alerte dès que ce score de risque varie rapidement sur une période de temps prédéterminée, ce qui est caractéristique d’une dégradation importante de la stabilité de la personne surveillée.

Dans tout le texte, on désigne par les terminologies « personne surveillée », « personne à surveiller », « individu surveillé » ou « individu à surveiller », la personne susceptible de chuter qui utilise le système selon l’invention.

La prédiction de la chute est spécifique à chaque personne dans la mesure où elle s’appuie sur un score de profil, qui dépend des caractéristiques propres de l’individu surveillé, et des curseurs moteurs, qui sont fonctions de l’activité de la personne. Ainsi et contrairement à la plupart des systèmes connus, l’invention s’adapte aux spécificités de la personne.

Avantageusement et selon l’invention, ledit module de détermination dudit score de profil dudit individu comprend un modèle de calcul automatique entrainé pour déterminer un score de profil, ce modèle de calcul, dit premier modèle, ayant été entrainé au moyen d’une banque de données d’entrainements, dites banque de profil, qui comporte des données représentatives de caractéristiques propres d’une pluralité d’individus associées à des occurrences de chutes détectées de ladite pluralité d’individus.

Selon cette variante avantageuse, la détermination du score de profil d’un individu s’appuie sur un modèle de calcul automatique entrainé au moyen d’une banque de profil. Cette banque de profil est constituée par les caractéristiques propres d’une pluralité d’individus associés à des occurrences de chutes détectés de cette pluralité d’individus.

L’utilisation d’un tel modèle d’intelligence artificielle permet de détecter automatiquement des patterns caractéristiques de risque de chute.

Le modèle de calcul automatique mis en œuvre par le module de détermination du score de profil d’un individu peut être de tout type. Il peut s’agir d’un réseau de neurones à apprentissage supervisé, d’une machine à vecteurs de support (plus connue sous l’acronyme anglais SVM pourSupport Vector Machine) ou de tout autre algorithme de « machine learning ».

Ce module permet donc d’attribuer à chaque individu équipé du système selon l’invention d’un score de profil qui dépend de ses caractéristiques propres.

Avantageusement et selon l’invention, les données représentatives des caractéristiques propres de chaque individu comprennent une ou plusieurs informations liées à l’âge, au sexe, aux médicaments prescrits, au poids, à la taille, à la vue, à l’audition, à des antécédents de chute, etc. dudit individu.

Selon cette variante avantageuse, les caractéristiques propres de l’individu utilisées pour déterminer un score de profil sont des informations liées à son âge, son sexe, ses médicaments prescrits, son poids, sa taille, sa vue, son audition, ses antécédents de chute, etc.

Un poids spécifique à chaque caractéristique peut être utilisé. Par exemple, l’âge de l’individu peut être affecté d’un poids de 90%, le sexe d’un poids de 70%, le nombre de médicaments quotidiens prescrits d’un poids de 75%, le port de lunettes d’un poids de 50%, les antécédents de chute d’un poids de 100%, du poids de l’individu d’un poids de 50%, de la taille de l’individu d’un poids de 25%. Ces poids caractérisent l’importance du critère dans la détermination du score de profil.

Bien entendu, les poids indiqués ne sont qu’un exemple de la pertinence accordé aux différents critères dans la détermination du score de profil et une attribution différente des poids de chaque critère peut être faite sans remettre en cause le principe de l’invention.

Une fois le score de profil de l’individu connu, le système selon l’invention peut calculer les curseurs moteurs de l’individu au cours du temps. Ces curseurs moteurs visent à représenter l’activité et le comportement de l’individu sur des périodes de temps prédéterminées.

Avantageusement et selon l’invention, lesdits curseurs moteurs calculés par ledit module de calcul sont choisis dans le groupe comprenant :

des curseurs représentatifs de l’activité moyenne de l’individu sur un intervalle de temps T prédéterminé, dits curseurs SMA, calculés à partir des mesures fournies par chacun des capteurs logés dans ledit boitier selon les formules suivantes :
- [Math 1]

où

représentent les valeurs d’accélération mesurées sur trois axes d’un trièdre direct (x,y,z) dudit accéléromètre,

[Math 2]

où représentent les valeurs magnétiques mesurées sur trois axes dudit trièdre direct (x, y, z) du magnétomètre,

[Math 3]

où représentent les valeurs gyroscopiques mesurées sur trois axes dudit trièdre direct (x, y, z) du gyroscope,

des curseurs représentatifs de l’activité instantanée de l’individu calculée à partir des mesures fournies par chacun des capteurs logés dans ledit boitier selon les formules suivantes :
- [Math 4]

,

[Math 5]

[Math 6]

des curseurs représentatifs de l’énergie dudit individu, dits curseurs HA, calculée comme la variation de l’activité instantanée sur ladite période de T prédéterminée selon les formules suivantes :
- [Math 7]

oùvarreprésente la variation de la valeur sur l’intervalle de temps T prédéterminé,

[Math 8]

[Math 9]

des curseurs représentatifs de l’harmonie de l’activité de l’individu, dits curseurs HM, sur ledit intervalle de temps prédéterminé selon les formules suivantes :
- [Math 10]

où

[Math 11]

où

[Math 12]

où

des curseurs représentatifs des irrégularités dans le domaine fréquentiel durant les activités de l’individu sur ledit intervalle de temps prédéterminé T, dits curseurs HC, mesure selon les formules suivantes :
- [Math 13]

où

[Math 14]

où

[Math 15]

où

Le système selon cette variante permet de calculer un certain nombre de curseurs moteurs représentatifs de l’activité de l’individu surveillé.

En particulier, les curseurs SMA permettent de caractériser l’activité moyenne de l’individu surveillé. Le calcul de ces curseurs sur des périodes prédéterminées reflète la dynamique de l’individu et sa moyenne d’activité sur une journée par exemple. Ces curseurs SMA sont des mesures de la sédentarité de l’individu surveillé et sont calculés sur les accélérations (mesures fournies par l’accéléromètre), le champ magnétique (mesures fournies par le magnétomètre) et les vitesses angulaires (mesures fournies par le gyroscope).

Les curseurs HA permettent de caractériser l’énergie de l’individu surveillé. Le calcul de ces curseurs sur des périodes prédéterminées reflète la vitesse de marche de l’individu. Ces curseurs HA sont calculés sur les accélérations (mesures fournies par l’accéléromètre), le champ magnétique (mesures fournies par le magnétomètre) et les vitesses angulaires (mesures fournies par le gyroscope).

Les curseurs HM permettent de caractériser l’harmonie dans les activités de l’individu surveillé. Le calcul de ces curseurs sur des périodes prédéterminées reflète la stabilité et la symétrie de la marche de l’individu. Ces curseurs HM sont calculés sur les accélérations (mesures fournies par l’accéléromètre), le champ magnétique (mesures fournies par le magnétomètre) et les vitesses angulaires (mesures fournies par le gyroscope).

Les curseurs HC permettent de caractériser les irrégularités dans le domaine fréquentiel au cours des activités de l’individu surveillé. Le calcul de ces curseurs sur des périodes prédéterminées reflète la stabilité et l’équilibre de la marche de l’individu surveillé. Ces curseurs HC sont calculés sur les accélérations (mesures fournies par l’accéléromètre), le champ magnétique (mesures fournies par le magnétomètre) et les vitesses angulaires (mesures fournies par le gyroscope).

Avantageusement et selon l’invention, ledit module de détermination dudit score de risque de chute comprend un modèle de calcul automatique entrainé pour déterminer un score de risque de chute, ce modèle de calcul, dit deuxième modèle, ayant été entrainé au moyen d’une banque de données d’entrainements, dites banque de score de risque, qui comporte des valeurs desdits curseurs moteurs et des scores de profil d’une pluralité d’individus associés à des occurrences de chutes détectées de ladite pluralité d’individus.

Selon cette variante avantageuse, la détermination du score de risque de chute d’un individu s’appuie sur un modèle de calcul automatique entrainé au moyen d’une base d’apprentissage (dite banque de score de risque). Cette base d’apprentissage est constituée par les curseurs moteurs et scores de profils d’une pluralité d’individus susceptibles de chuter associés à des occurrences de chutes détectés de cette pluralité d’individus. Cette base d’apprentissage est de préférence la banque de profil enrichie des curseurs moteurs.

Pour constituer une telle base d’apprentissage, une pluralité d’individus a été équipée d’un boitier du système selon l’invention pour pouvoir calculer régulièrement les curseurs moteurs. Ces individus ont ensuite été observés (par un superviseur ou au moyen d’un dispositif dédié) pour déterminer les occurrences de chute. La base d’apprentissage a ainsi permis d’associer à chaque occurrence de chute, des valeurs des curseurs moteurs calculés avant la survenue de la chute, et le score de profil de l’individu. Une fois cette première base d’apprentissage constituée, le système selon cette variante peut être utilisé pour détecter l’occurrence de chute et ainsi améliorer et enrichir la base d’apprentissage.

L’utilisation d’un tel modèle d’intelligence artificielle permet de détecter automatiquement des patterns caractéristiques d’un risque de chute.

Le modèle de calcul automatique mis en œuvre par le module de détermination du score de risque de chute d’un individu peut être de tout type. Il peut s’agir d’un réseau de neurones à apprentissage supervisé, d’une machine à vecteurs de support (plus connue sous l’acronyme anglais SVM pourSupport Vector Machine) ou de tout autre algorithme de « machine learning ».

Ce module permet donc d’attribuer à chaque individu équipé du système selon l’invention d’un score de risque de chute qui dépend de la valeur des curseurs moteurs calculés et de ses caractéristiques propres.

Avantageusement et selon l’invention, ledit module de calcul dudit risque de chute comprend un modèle de calcul automatique entrainé pour déterminer un risque de chute, ce modèle de calcul, dit troisième modèle, ayant été entrainé au moyen d’une banque de données d’entrainements, dites banque de risque, qui comporte des données représentatives de variations des scores de risque de chute d’une pluralité d’individus associés à des occurrences de chutes détectées de ladite pluralité d’individus.

Selon cette variante avantageuse, la détermination du risque de chute d’un individu s’appuie sur un modèle de calcul automatique entrainé au moyen d’une base d’apprentissage (dite banque de risque). Cette base d’apprentissage est constituée par les curseurs moteurs et scores de risque de chute d’une pluralité d’individus susceptibles de chuter associés à des occurrences de chutes détectés de cette pluralité d’individus. Cette base d’apprentissage est de préférence la banque de profil enrichie des curseurs moteurs et des scores de risque de chute.

Ce module permet donc d’attribuer à chaque individu équipé du système selon l’invention d’un risque de chute qui dépend de la valeur des curseurs moteurs calculés, de son score de risque de chute et de ses caractéristiques propres.

Les différents modèles de calcul automatique mis en œuvre par ces variantes avantageuses de l’invention peuvent être enrichis par les résultats fournis par le système et par les utilisateurs eux-mêmes en validant ou infirmant les alertes de risque de chute déclenchés par le système.

Avantageusement et selon l’invention, le système comprend en outre un module radio configuré pour pouvoir transmettre les données déterminées et calculées par ladite unité de traitement à un serveur distant.

Selon cet aspect de l’invention, l’unité de traitement peut transmettre à un serveur distant les résultats du traitement, et en particulier le score de profil, le score de risque de chute, les cureurs moteurs et le risque de chute calculés par les différents modules de l’unité de traitement. Le module radio permet également de configurer le système lors de sa première utilisation et de vérifier la présence du système. Le serveur distant peut être utilisé pour affiner les traitements de l’unité de traitement ou pour effectuer en partie les traitements. A ce titre, l’unité de traitement peut être partiellement ou totalement embarquée dans l’équipement porté par l’individu surveillé ou être formée partiellement ou totalement par un serveur distant. Dans le cas où l’unité de traitement est totalement ou partiellement formée par un serveur distant, le module radio forme des moyens de communication sans fil configurés pour transmettre les données issues des capteurs vers ladite unité de traitement.

Avantageusement et selon l’invention, le système comprend en outre un module audio comprenant un microphone et un haut-parleur configurés pour permettre un échange d’informations vocales entre l’individu et un opérateur distant.

Selon cet aspect de l’invention, le module audio permet de transmettre une alerte audio à l’individu, par exemple lorsqu’un risque de chute a été détecté par le système. Ce module radio peut également permettre de recevoir des informations vocales de l’utilisateur, par exemple pour infirmer un risque de chute ou confirmer que l’alerte a bien été reçue. D’autres usages peuvent être envisagées selon les applications visées.

Avantageusement et selon l’invention, le système comprend en outre une interface homme-machine configurée pour que ledit individu puisse interagir avec ledit système et/ou un opérateur distant et recevoir des notifications de risque de chute.

Selon cet aspect de l’invention, l’interface homme-machine permet d’afficher des messages à destination de l’individu surveillé (notifications visuelles). Cette interface homme-machine peut également comprendre des boutons d’urgence que la personne surveillée peut activer lorsqu’elle chute ou lorsqu’elle a besoin d’aide.

L’invention concerne également un procédé de prédiction de chute d’un individu comprenant :

une acquisition de mesures représentatives de la posture et/ou d’un mouvement de l’individu à partir d’au moins un accéléromètre, un magnétomètre et un gyroscope,
un traitement des mesures acquises.

Le procédé selon l’invention est caractérisé en ce qu’il comprend en outre :

une détermination d’une donnée, dite score de profil, fonction de données représentatives des caractéristiques propres de l’individu,
un calcul de données, dites curseurs moteurs, fonction des mesures acquises, et représentatifs de l’activité de l’individu sur un intervalle de temps prédéterminé,
un calcul d’une donnée, dite score de risque de chute, fonction desdits curseurs moteurs et dudit score de profil,
une détermination d’un risque de chute, fonction d’une variation dudit score de risque de chute au-delà d’un seuil prédéterminé sur un intervalle de temps prédéterminé.

Les avantages et effets techniques du système selon l’invention s’appliquentmutatis mutandisà un procédé selon l’invention.

L’invention concerne aussi un système de détection de chute d’un individu comprenant :

un module de détection de chute configuré pour détecter la chute dudit individu à partir d’au moins une mesure d’au moins un capteur porté par ledit individu qui dépasse un seuil prédéterminé,
un système de prédiction de chute selon l’invention configuré pour déterminer un score de risque de chute dudit individu,
un module de modification dudit seuil prédéterminé dudit module de détection de chute en fonction dudit score de risque de chute fourni par ledit système de prédiction de chute.

Un système de détection de chute selon l’invention permet donc d’ajuster le seuil de détection de chute en fonction du score de risque de chute fourni par le système de prédiction de chute selon l’invention. Ainsi, il est possible d’adapter le système de détection de chute à l’individu. Ainsi, la sensibilité du système de détection de chute et sa politique d’alerte peut évoluer et s’adapter automatiquement à l’individu surveillé. En outre, un tel système peut prédire la chute avant qu’elle ne se produise par l’intégration du système de prédiction de chute selon l’invention.

L’invention concerne également un système de prédiction de chute, un système de détection de chute et un procédé, caractérisés en combinaison par tout ou partie des caractéristiques mentionnées ci-dessus ou ci-après.

Liste des figures

D'autres buts, caractéristiques et avantages de l'invention apparaîtront à la lecture de la description suivante donnée à titre uniquement non limitatif et qui se réfère aux figures annexées dans lesquelles :

est une vue schématique d’un système selon un mode de réalisation de l’invention,

est une vue schématique plus détaillée d’un boitier d’un système selon un mode de réalisation de l’invention,

est une vue schématique fonctionnelle d’une unité de traitement d’un système selon un mode de réalisation de l’invention.

Description détaillée d’un mode de réalisation de l’invention

Sur les figures, les échelles et les proportions ne sont pas strictement respectées et ce, à des fins d’illustration et de clarté. En outre, les éléments identiques, similaires ou analogues sont désignés par les mêmes références dans toutes les figures.

La illustre un système selon un mode de réalisation de l’invention comprenant un boitier 10 porté par un individu 8 à surveiller et une unité de traitement 100 des données acquises par des capteurs logés dans le boitier 10.

Sur la , le boitier 10 est intégré dans une montre portée par l’individu surveillé. Selon d’autres modes de réalisation, le boitier peut être intégré à un collier à une paire de lunettes ou tout équipement porté par l’individu à surveiller.

Comme illustré sur la , ce boitier 10 loge des capteurs d’acquisition de mesures représentatives de la posture et des mouvements de l’individu. Ces capteurs comprennent au moins un accéléromètre 12, un magnétomètre 14 et un gyroscope 16.

L’accéléromètre 12 est de préférence un accéléromètre trois axes pour pouvoir obtenir directement des mesures d’accélération sur les trois axes d’un trièdre direct (x, y, z). Selon un autre mode de réalisation, on peut utiliser trois accéléromètres un axe orientés les uns par rapport aux autres selon le trièdre susmentionné. Il est aussi possible d’utiliser un seul accéléromètre un axe, mais la précision des mesures sera moindre. L’accéléromètre trois axes permet d’obtenir à chaque instant d’échantillonnage , le triplet ( , ), ainsi que son module défini comme .

Le magnétomètre 14 est également de préférence un magnétomètre trois axes pour pouvoir obtenir directement des mesures de champ sur les trois axes du trièdre direct (x, y, z). Selon un autre mode de réalisation, on peut utiliser trois magnétomètres un axe orientés les uns par rapport aux autres selon le trièdre susmentionné. Le magnétomètre trois axes permet d’obtenir à chaque instant d’échantillonnage , le triplet ( , ), ainsi que son module défini comme .

Le gyroscope 16 est également de préférence un gyroscope trois axes pour pouvoir obtenir directement des mesures de vitesse angulaire sur les trois axes du trièdre direct (x, y, z). Selon un autre mode de réalisation, on peut utiliser trois gyroscopes un axe orientés les uns par rapport aux autres selon le trièdre susmentionné. Le gyroscope trois axes permet d’obtenir à chaque instant d’échantillonnage , le triplet ( , ), ainsi que son module défini comme .

Il est également possible de remplacer le gyroscope et l’accéléromètre par une centrale inertielle

Les instants d’échantillonnages peuvent être différents ou identiques, sans que cela ne remette en cause le principe de l’invention.

L’acquisition des données par l’accéléromètre 12, le magnétomètre 14 et le gyroscope 16 ainsi que les autres capteurs, le cas échéant, est pilotée par une carte de commande logée dans le boitier 10. Cette commande peut par exemple consister à définir la fréquence d’acquisition (les instants d’échantillonnages mentionnés précédemment).

Le boitier 10 comprend également, selon le mode de réalisation de la , un module radio 17 qui peut être utilisé pour transmettre les données déterminées et calculées par ladite unité de traitement à un serveur distant, dans le cas où l’unité de traitement est embarqué sur le boitier. Lorsque l’unité de traitement est distante, le module radio 17 peut être utilisé pour initialiser le système, vérifier la présence du boitier, etc.

Le boitier 10 comprend également, selon le mode de réalisation de la , une interface homme-machine 18 configurée pour que l’individu puisse interagir avec le système et/ou un opérateur distant et recevoir des notifications de risque de chute. Cette interface 18 peut être de tout type connu et n’est pas décrite en détail.

Le boitier 10 comprend également, selon le mode de réalisation de la , un microphone et un haut-parleur 19 qui forment un module audio configuré pour permettre un échange d’informations vocales entre l’individu et un opérateur distant.

Selon un mode de réalisation de l’invention, non représenté sur les figures, le boitier 10 peut aussi comprendre un capteur de pression et un capteur de température pour en dériver une information liée à l’altitude de l’individu portant le boitier.

Le système peut aussi comprendre, selon un mode de réalisation non représenté sur les figures, un tensiomètre configuré pour mesurer la tension artérielle de l’individu à surveiller, et/ou un tachymètre cardiaque configuré pour mesurer le rythme cardiaque de l’individu à surveiller.

L’unité de traitement 100 peut être embarquée sur le boitier 10 et portée directement par l’individu surveillé par le système ou être déportée et logée sur un serveur distant. Dans le cas où l’unité de traitement 100 est déportée, des moyens de communication sans fil 50 permettent de relier les capteurs logés dans le boitier 10 et l’unité de traitement 100. Ces moyens de communication sans fil comprennent par exemple une connectivité 3G, 4G, 5G, WIFI, etc.

Cette connectivité permet non seulement de transmettre les données du boitier 10 vers l’unité de traitement 100, qui est par exemple formée d’une application logicielle présente sur un serveur distant ou d’un ensemble d’applications logicielles et bases de données présentes sur un ensemble de serveurs distants (désigné aussi par la terminologie de cloud), mais également de transmettre des alertes ou informations au boitier.

Le mode de réalisation décrit en lien avec les figures comprend une unité de traitement 100 formée d’un serveur distant du boitier. Cela étant, rien n’empêche selon d’autres modes de réalisation que l’unité de traitement soit partiellement ou totalement embarquée sur le boitier porté par l’individu surveillé.

Ainsi, et selon le mode de réalisation des figures, l’unité de traitement 100 reçoit les données issues des capteurs du boitier 10 par des moyens de communication 50 sans fil reliant le boitier 10 et l’unité de traitement 100.

La est un schéma fonctionnel de l’unité de traitement 100 mis en œuvre par un système selon l’invention.

L’unité de traitement 100 comprend par exemple un dispositif informatique 102 qui doit être entendu au sens large (ordinateur, pluralité d’ordinateurs, serveur virtuel sur internet, serveur virtuel sur Cloud, serveur virtuel sur une plate-forme, serveur virtuel sur une infrastructure locale, réseaux de serveurs, etc. ). Ce dispositif informatique comprend typiquement un ou plusieurs processeurs 106, une ou plusieurs mémoires 108 comprenant des instructions de routines logicielles utilisées par le système et une interface homme-machine 104. L’unité de traitement comprend également une base de données 116 permettant de sauvegarder les résultats du traitement, d’accéder à des informations relatives à des traitements précédents, et aux données relatives à l’utilisateur (qui sont par exemple fournies par le biais de l’interface homme-machine 104 du dispositif informatique 102 ou par le biais de l’interface homme-machine 18 embarquée sur le boitier 10 et des moyens de communication sans fil 50).

L’unité de traitement 100 comprend quatre modules principaux : un module de détermination 110 du score de profil de la personne surveillée ; un module de calcul 120 des curseurs moteurs de la personne surveillée ; un module 130 de calcul d’un score de risque de chute de la personne surveillée ; et un module de détermination 140 d’un risque de chute de la personne surveillée.

Dans toute la suite, on désigne par module, un élément logiciel, un sous-ensemble d’un programme logiciel, pouvant être compilé séparément, soit pour une utilisation indépendante, soit pour être assemblé avec d’autres modules d’un programme, ou un élément matériel, ou une combinaison d’un élément matériel et d’un sous-programme logiciel. Un tel élément matériel peut comprendre un circuit intégré propre à une application (plus connue sous l’acronyme ASIC pour la dénomination anglaiseApplication- Specific Integrated Circuit) ou un circuit logique programmable (plus connu sous l’acronyme FPGA pour la dénomination anglaiseField-Programmable Gate Array) ou un circuit de microprocesseurs spécialisés (plus connu sous l’acronyme DSP pour la dénomination anglaiseDigital Signal Processor) ou tout matériel équivalent ou toute combinaison des matériels précités. D’une manière générale, un module est donc un élément (logiciel et/ou matériel) qui permet d’assurer une fonction.

L’unité de traitement 100 comprend aussi des moyens de stockage des modèles de calcul entrainés 117, 118, 119 mis en œuvre par l’invention. Ces moyens de stockage des modèles de calcul entrainés peuvent être des serveurs distincts du dispositif informatique 102 ou être sauvegardés au sein du dispositif informatique 102.

Les modèles de calcul automatiques mis en œuvre par l’invention peuvent être de différents types. Il peut s’agir d’un réseau de neurones à apprentissage supervisé, d’une machine à vecteurs de support (plus connue sous l’acronyme anglais SVM pour Support Vector Machine) ou de tout autre algorithme de « machine learning ».

Les différents modules du dispositif informatique 102, décrits ci-après, utilisent notamment les processeurs 106, les mémoires 108, la base de données 116 et les moyens de stockage des modèles de calcul entrainés 117, 118, 119, pour pouvoir être exécutés.

Le module 110 de détermination du score de profil met en œuvre, selon le mode de réalisation des figures, un modèle de calcul automatique 117 entrainé pour déterminer un score de profil de l’individu, en fonction des caractéristiques propres de l’individu, qui sont par exemple sauvegardés dans la base de données 116. Ces caractéristiques propres comprennent par exemple une ou plusieurs informations liées à l’âge, au sexe, aux médicaments prescrits, au poids, à la taille, à la vue, à l’audition, à des antécédents de chute, etc. de l’individu.

La base d’apprentissage utilisée pour entrainer le modèle est constituée par les caractéristiques propres d’une pluralité d’individus susceptibles de chuter associés à des occurrences de chutes détectés pour cette pluralité d’individus.

Pour constituer une telle base d’apprentissage, une pluralité d’individus, dont on a relevé les caractéristiques propres utilisées par le système (âge, sexe, poids, etc.), a été observée (par une équipe d’opérateurs dédiée ou par l’équipement des individus avec un dispositif de détection de chute) pour détecter des occurrences de chute. L’ensemble des informations a été sauvegardé dans une base de données, formant la base d’apprentissage du modèle de calcul 117. L’entrainement du modèle 117 permet à ce dernier d’associer un score de profil à des combinaisons de caractéristiques propres des individus. En d’autres termes, le modèle 117 permet de déterminer quels sont les facteurs intrinsèques de risque de chute de l’individu.

Le module 120 de calcul des curseurs moteurs sollicite le processeur 106 et des routines logicielles stockées dans les mémoires 108 pour évaluer à intervalles de temps prédéterminés les valeurs des curseurs moteurs de la personne surveillée. Les données fournies par les capteurs sont envoyées à l’unité de traitement 100 par les moyens de communications sans fil 50. Bien entendu et comme indiqué précédemment, il est aussi possible de prévoir que le module 120 de calcul des curseurs moteurs soit directement embarqué dans le boitier 10, auquel cas les curseurs moteurs sont sauvegardés sur une mémoire embarquée dans le boitier 10 et/ou transmis à la base de données 116 distante. L’homme du métier comprendra aisément que la localisation des différents traitements mis en œuvre par l’invention n’a pas d’importance et peut prévoir différentes variantes, sans remettre en cause les principes de l’invention.

Selon un mode de réalisation de l’invention, le module 120 calcule l’ensemble des curseurs moteurs suivants :

les curseurs représentatifs de l’activité moyenne de l’individu sur un intervalle de temps T prédéterminé, dits curseurs SMA, calculés à partir des mesures fournies par l’accéléromètre 12, le gyroscope 14 et le magnétomètre 16 logés dans le boitier 10 selon les formules suivantes :
- où représentent les valeurs d’accélération mesurées sur trois axes d’un trièdre direct (x,y,z) dudit accéléromètre,
- où représentent les valeurs magnétiques mesurées sur trois axes dudit trièdre direct (x, y, z) du magnétomètre,
- où représentent les valeurs gyroscopiques mesurées sur trois axes dudit trièdre direct (x, y, z) du gyroscope,
les curseurs représentatifs de l’activité instantanée de l’individu calculée à partir des mesures fournies par chacun des capteurs logés dans ledit boitier selon les formules suivantes :
- ,

les curseurs représentatifs de l’énergie dudit individu, dits curseurs HA, calculée comme la variation de l’activité instantanée sur ladite période de T prédéterminée selon les formules suivantes :
- oùvarreprésente la variation de la valeur sur l’intervalle de temps T prédéterminé,
- oùvarreprésente la variation de la valeur sur l’intervalle de temps T prédéterminé,
- oùvarreprésente la variation de la valeur sur l’intervalle de temps T prédéterminé,
les curseurs représentatifs de l’harmonie de l’activité de l’individu, dits curseurs HM, sur ledit intervalle de temps prédéterminé selon les formules suivantes :
- où
- où
- où
les curseurs représentatifs des irrégularités dans le domaine fréquentiel durant les activités de l’individu sur ledit intervalle de temps prédéterminé T, dits curseurs HC, mesure selon les formules suivantes :
- où
- où
- où

Ces différents curseurs sont, par exemple, sauvegardés dans la base de données 116 pour pouvoir être utilisés par les autres modules du système.

Le module 130 de calcul d’un score de risque de chute de l’individu surveillé met en œuvre, selon le mode de réalisation des figures, un modèle de calcul automatique 118 entrainé pour calculer un score de risque de chute, en fonction du score de profil déterminé par le module 110 et des curseurs moteurs calculés par le module 120.

La base d’apprentissage utilisée pour entrainer le modèle 118 est constituée par les curseurs moteurs et les scores de profil d’une pluralité d’individus associés à des occurrences de chutes détectées de cette pluralité d’individus.

Pour constituer une telle base d’apprentissage, une pluralité d’individus, dont on a calculé les curseurs moteurs à intervalles de temps prédéterminés et dont on a relevé les caractéristiques propres utilisées par le système (âge, sexe, poids, etc.), a été observée (par une équipe d’opérateurs dédiée ou par l’équipement des individus avec un dispositif de détection de chute) pour détecter des occurrences de chute. L’ensemble des informations a été sauvegardé dans une base de données, formant la base d’apprentissage du modèle de calcul 118. L’entrainement du modèle 118 permet à ce dernier d’associer un score de risque de chute à des combinaisons de caractéristiques propres et des curseurs moteurs des individus. En outre, il est possible d’enrichir régulièrement la base d’apprentissage à partir des utilisateurs du système selon l’invention (on récupère les curseurs moteurs et les caractéristiques propres des individus pour lesquels le système a détecté un risque de chute ou une chute, et confirmé par l’individu).

Le module 140 de détermination d’un risque de chute met en œuvre, selon le mode de réalisation des figures, un modèle de calcul automatique 119 entrainé pour déterminer un risque de chute à partir des variations du score de risque de chute calculé par le module 130, au-delà d’un seuil prédéterminé.

La base d’apprentissage utilisée pour entrainer le modèle 119 est constituée des scores de risque de chute et des curseurs moteurs d’une pluralité d’individus associés à des occurrences de chutes détectées de cette pluralité d’individus.

Pour constituer une telle base d’apprentissage, une pluralité d’individus, dont on a calculé les scores de risque de chute et les curseurs moteurs à intervalles de temps prédéterminés a été observée (par une équipe d’opérateurs dédiée ou par l’équipement des individus avec un dispositif de détection de chute) pour détecter des occurrences de chute. L’ensemble des informations a été sauvegardé dans une base de données, formant la base d’apprentissage du modèle de calcul 119. L’entrainement du modèle 119 permet à ce dernier d’associer un risque de chute à des variations brutales du score de risque de chute.

Cela permet d’alerter l’individu surveillé de la forte probabilité d’un risque de chute dans un délai court, typiquement de 1 à 5 heures. Cette alerte permet ainsi d’éviter la survenue de la chute.

L’alerte peut être transmise à l’individu par le biais de l’interface homme-machine 18 porté par le boitier et/ou par une alerte vocale transmise au module audio 19 et/ou à une personne définie par l’utilisateur du système comme personne référente (un parent, un médecin, etc.) qui peut alors prendre contact avec l’individu surveillé pour l’alerter d’un risque de chute et lui conseiller de réduire son activité dans les prochaines heures.

Un système selon l’invention permet ainsi, par la combinaison d’un ensemble de capteurs, de différentes routines logicielles mettant en œuvre des modèles de calcul automatique, de prédire un risque de chute alors que les solutions antérieures se limitaient à détecter une chute.

L’invention s’étend aussi à un système de détection de chute équipé d’un système de prédiction de chute selon l’invention.. En particulier, les risques de chutes fournis par le système selon l’invention peuvent être utilisés comme un paramètre du système de détection de chute, par exemple en adaptant les seuils de détection aux informations de risques de chute fournis par le système.

Claims

Système de prédiction de chute d’un individu comprenant :
un boitier (10) configuré pour pouvoir être porté par un individu (8), ledit boitier (10) comprenant une pluralité de capteurs d’acquisition de mesures représentatives de la posture et/ou des mouvements de l’individu dont au moins un accéléromètre (12), un magnétomètre (16) et un gyroscope (14),

une unité de traitement (100) des mesures fournies par ladite pluralité de capteurs,
caractérisé en ce que ladite unité de traitement (100) comprend au moins :
un module (110) de détermination d’une donnée, dite score de profil, fonction de données représentatives des caractéristiques propres de l’individu (8),

un module (120) de calcul de données, dites curseurs moteurs, fonction des mesures fournies par ladite pluralité de capteurs, et représentatifs de l’activité de l’individu (8) sur un intervalle de temps prédéterminé,

un module (130) de calcul d’une donnée, dite score de risque de chute, fonction desdits curseurs moteurs et dudit score de profil,

un module (140) de détermination d’un risque de chute, fonction d’une variation dudit score de risque de chute au-delà d’un seuil prédéterminé sur un intervalle de temps prédéterminé.
Système selon la revendication 1, caractérisé en ce que ledit module (110) de détermination dudit score de profil dudit individu comprend un modèle de calcul automatique (117) entrainé pour déterminer un score de profil, ce modèle de calcul (117), dit premier modèle, ayant été entrainé au moyen d’une banque de données d’entrainements, dites banque de profil, qui comporte des données représentatives de caractéristiques propres d’une pluralité d’individus associées à des occurrences de chutes détectées de ladite pluralité d’individus.
Système selon la revendication 2, caractérisé en ce que lesdites données représentatives des caractéristiques propres de chaque individu comprennent une ou plusieurs informations liées à l’âge, au sexe, aux médicaments prescrits, au poids, à la taille, à la vue, à l’audition, à des antécédents de chute, etc. dudit individu.
Système selon l’une des revendications 1 à 3, caractérisé en ce que lesdits curseurs moteurs calculés par ledit module (120) de calcul sont choisis dans le groupe comprenant :
des curseurs représentatifs de l’activité moyenne de l’individu sur un intervalle de temps T prédéterminé, dits curseurs SMA, calculés à partir des mesures fournies par chacun des capteurs logés dans ledit boitier selon les formules suivantes :

où représentent les valeurs d’accélération mesurées sur trois axes d’un trièdre direct (x,y,z) dudit accéléromètre,

où représentent les valeurs magnétiques mesurées sur trois axes dudit trièdre direct (x, y, z) du magnétomètre,

où représentent les valeurs gyroscopiques mesurées sur trois axes dudit trièdre direct (x, y, z) du gyroscope,

des curseurs représentatifs de l’activité instantanée de l’individu calculée à partir des mesures fournies par chacun des capteurs logés dans ledit boitier selon les formules suivantes :

,
des curseurs représentatifs de l’énergie dudit individu, dits curseurs HA, calculée comme la variation de l’activité instantanée sur ladite période de T prédéterminée selon les formules suivantes :

oùvarreprésente la variation de la valeur sur l’intervalle de temps T prédéterminé,

oùvarreprésente la variation de la valeur sur l’intervalle de temps T prédéterminé,

oùvarreprésente la variation de la valeur sur l’intervalle de temps T prédéterminé,

des curseurs représentatifs de l’harmonie de l’activité de l’individu, dits curseurs HM, sur ledit intervalle de temps prédéterminé selon les formules suivantes :

où

où

où

des curseurs représentatifs des irrégularités dans le domaine fréquentiel durant les activités de l’individu sur ledit intervalle de temps prédéterminé T, dits curseurs HC, mesure selon les formules suivantes :

où

où

où
Système selon l’une des revendications 1 à 4, caractérisé en ce que ledit module (130) de détermination dudit score de risque de chute comprend un modèle de calcul automatique (118) entrainé pour déterminer un score de risque de chute, ce modèle de calcul (118), dit deuxième modèle, ayant été entrainé au moyen d’une banque de données d’entrainements, dites banque de score de risque, qui comporte des valeurs desdits curseurs moteurs et des scores de profil d’une pluralité d’individus associés à des occurrences de chutes détectées de ladite pluralité d’individus.
Système selon l’une des revendications 1 à 5, caractérisé en ce que ledit module (140) de détermination dudit risque de chute comprend un modèle de calcul automatique (119) entrainé pour déterminer un risque de chute, ce modèle de calcul (119), dit troisième modèle, ayant été entrainé au moyen d’une banque de données d’entrainements, dites banque de risque, qui comporte des données représentatives de variations des scores de risque de chute d’une pluralité d’individus associés à des occurrences de chutes détectées de ladite pluralité d’individus.
Système selon l’une des revendications 1 à 6, caractérisé en ce qu’il comprend en outre un module radio configuré pour pouvoir transmettre les données déterminées et calculées par ladite unité de traitement à un serveur distant.
Système selon l’une des revendications 1 à 7, caractérisé en ce qu’il comprend en outre un module audio (17) comprenant un microphone et un haut-parleur configurés pour permettre un échange d’informations vocales entre l’individu et un opérateur distant.
Système selon l’une des revendications 1 à 8, caractérisé en ce qu’il comprend en outre une interface homme-machine (18) configurée pour que ledit individu puisse interagir avec ledit système et/ou un opérateur distant et recevoir des notifications de risque de chute.
Procédé de prédiction de chute d’un individu comprenant :
une acquisition de mesures représentatives de la posture et/ou d’un mouvement de l’individu à partir d’au moins un accéléromètre, un magnétomètre et un gyroscope,
caractérisé en ce qu’il comprend en outre :
une détermination d’une donnée, dite score de profil, fonction de données représentatives des caractéristiques propres de l’individu,

un calcul de données, dites curseurs moteurs, fonction des mesures acquises, et représentatifs de l’activité de l’individu sur un intervalle de temps prédéterminé,

un calcul d’une donnée, dite score de risque de chute, fonction desdits curseurs moteurs et dudit score de profil,

une détermination d’un risque de chute, fonction d’une variation dudit score de risque de chute au-delà d’un seuil prédéterminé sur un intervalle de temps prédéterminé.
Système de détection de chute d’un individu comprenant :
un module de détection de chute configuré pour détecter la chute dudit individu à partir d’au moins une mesure d’au moins un capteur porté par ledit individu qui dépasse un seuil prédéterminé,

un système de prédiction de chute selon l’une des revendications 1 à 9 configuré pour déterminer un score de risque de chute dudit individu,

un module de modification dudit seuil prédéterminé dudit module de détection de chute en fonction dudit score de risque de chute fourni par ledit système de prédiction de chute.