Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

31 mai 2018

Bourse CIFRE: Détection et mesure de la douleur à partir de l’analyse des expressions faciales et du mouvement du corps humain


Catégorie : Doctorant


La détection automatique de la douleur est un domaine de recherche émergent avec des applications pratiques dans les soins de santé. L'Association internationale pour l'étude de la douleur (IASP) définit la douleur comme «une expérience sensorielle et émotionnelle désagréable associée à des dommages tissulaires réels ou potentiels, ou décrits comme tels dommages». Obtenir des estimations précises des niveaux de douleur d'une personne est important pour gérer efficacement et adéquatement la douleur. La douleur est le plus souvent exprimée verbalement mais aussi sous forme d'expressions faciales. Des recherches psychologiques récentes suggèrent que l'expression faciale de la douleur est un indice fiable de l'expérience de la douleur. La détection d'une expression faciale douloureuse devient particulièrement pertinente chez les patients qui sont incapables de signaler leur douleur verbalement.

Dans cette thèse nous souhaiterions pouvoir détecter et mesurer la douleur à partir de l’analyse des expressions des faciales et des mouvements du corps humain, par l’utilisation des techniques avancées en vision par ordinateur, en géométrie et en machine learning.

 

Présentation du laboratoire d’accueil

CRIStAL (Centre de Recherche en Informatique, Signal et Automatique de Lille, UMR 9189) https://www.cristal.univ-lille.fr est né le 1er janvier 2015 sous la tutelle du CNRS, de l’Université Lille et de Centrale Lille en partenariat avec l’Université Lille 3, Inria et l’Institut Mines Telecom. L’unité est composée de près de 430 membres (228 permanents et plus de 200 non permanents). 

L’équipe 3D SAM de l’IMT Lille Douai et du laboratoire CRIStAL a développé une expérience reconnue dans les domaines de l’analyse de visages et de la reconnaissance d’actions. Elle a développé des collaborations internationales avec des leaders dans ces domaines. En particulier, elle a développé des algorithmes de reconnaissance des expressions faciales dans les vidéos 2D et 3D. Ses travaux sont fondés sur l’analyse géométrique du visage combinée à des algorithmes de machine learning.

Présentation du laboratoire d’accueil

Lucine est une entreprise qui propose un dispositif médical en capacité de mesurer, analyser et soulager la douleur. Elle utilise notamment la reconnaissance faciale, posturale, et environnementale de la douleur. Pour la partie soulagement, Lucine utilise les outils numériques comme les jeux sérieux, la réalité virtuelle, et la réalité augmentée.

Description du sujet

La détection automatique de la douleur est un domaine de recherche émergent avec des applications pratiques dans les soins de santé [4], [5], [6], [7]. L'Association internationale pour l'étude de la douleur (IASP) définit la douleur comme «une expérience sensorielle et émotionnelle désagréable associée à des dommages tissulaires réels ou potentiels, ou décrits comme tels dommages». Obtenir des estimations précises des niveaux de douleur d'une personne est important pour gérer efficacement et adéquatement la douleur. La douleur est le plus souvent exprimée verbalement mais aussi sous forme d'expressions faciales. Des recherches psychologiques récentes suggèrent que l'expression faciale de la douleur est un indice fiable de l'expérience de la douleur. La détection d'une expression faciale douloureuse devient particulièrement pertinente chez les patients qui sont incapables de signaler leur douleur verbalement. Dans cette thèse nous souhaiterions pouvoir détecter et mesurer la douleur à partir de l’analyse des expressions des faciales et des mouvements du corps humain, par l’utilisation des techniques avancées en vision par ordinateur, en géométrie et en machine learning.

Profil recherché

Les candidat.e.s de profil bac+5 informatique, ayant de préférence déjà travaillé dans le monde de la recherche (stage), retiendront toute notre attention.

Les compétences requises sont :

Candidature

Envoyer les documents suivants :

à : Professeur Mohamed Daoudi, mohamed.daoudi@imt-lille-douai.fr, Aymeric Esperance, aesperance@projet-lucine.org et COTTY-ESLOUS MARINE mcotty@projet-lucine.org

Références bibliographiques

1.Anis Kacem, Zakia Hammal, Mohamed Daoudi, Jeffrey Cohn Detecting Depression Severity by Interpretable Representations of Motion Dynamics, IEEE FG Workshop, Face and Gesture Analysis for Health Informatics (FGAHI), May 2018, Xi’an, China. 2018

2.Anis Kacem, Mohamed Daoudi, Boulbaba Ben Amor, Juan Carlos Álvarez Paiva, A Novel Space-Time Representation on the Positive Semidefinite Cone for Facial Expression Recognition. ICCV 2017: 3199-3208.

3.Paul Audain Desrosiers, Mohamed Daoudi, Maxime Devanne, Novel generative model for facial expressions based on statistical shape analysis of landmarks trajectories. ICPR 2016: 961-966

4.Thevenot, L-M. Bordallo, A. Hadid, A Survey on Computer Vision for Assistive Medical Diagnosis from Faces, IEEE J Biomed Health Inform. 2017.

5.D. Ruiz, O. Rudovic, X. Binefa, M. Pantic, Multi-Instance Dynamic Ordinal Random Fields for Weakly-Supervised Pain Intensity Estimation. ACCV (2) 2016: 171-186

6.Min S. H. Aung, Sebastian Kaltwang, Bernardino Romera-Paredes, Brais Martínez, Aneesha Singh, Matteo Cella, Michel F. Valstar, Hongying Meng, Andrew Kemp, Moshen Shafizadeh, Aaron C. Elkins, Natalie Kanakam, Amschel de Rothschild, Nick Tyler, Paul J. Watson, Amanda C. de C. Williams, Maja Pantic, Nadia Bianchi-Berthouze, The Automatic Detection of Chronic Pain-Related Expression: Requirements, Challenges and the Multimodal EmoPain Dataset. IEEE Trans. Affective Computing 7(4): 435-451 (2016)

7.T. Alashkar, B. Ben Amor, M. Daoudi, S. Berretti, Spontaneous Expression Detection from 3D Dynamic Sequences by Analyzing Trajectories on Grassmann Manifolds, IEEE Transactions On Affective Computing, 2018.

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2018.