Development and implementation of a social isolation detection system based on the recognition of mealtime and mobility activities of elderly people at home
Développement et mise en œuvre d'un système de détection de l'isolement social basé sur la reconnaissance des activités en matière de repas et de mobilité chez les personnes âgées à domicile
Résumé
The recognition of daily life activities has been the subject of research for several years to provide effective home care solutions. It is based on the spatio-temporal analysis of situations and behaviors with input data provided by ambient sensors or by sensors worn by the person. This thesis focuses on the instrumentation of the living space by ambient sensors for the detection of social isolation in the elderly. Two approaches are used to assess social isolation. The first is based on semi-directive questionnaires. The second approach relies on the use of technologies for the objective date acquisition representative of a state or behavior. The literature shows that the activity of “eating” and “moving” appear to be relevant for assessing a potential risk of social isolation in the elderly. In our case, we define the activity “eating” as a sequence of actions such as shopping, cooking, eating and washing dishes. The activity “moving” is linked to mobility within the home and leaving the home.
The thesis work focuses on four main contributions:
-A bibliographical review of research on ADL detection in order to identify its contributions and limitations, and to outline relevant research directions. Specific criteria have been chosen to include articles in which activity detection systems are presented.
-A system design approach applied to ADL detection. This approach is part of a system engineering process. It describes the analysis of requirements, their modeling through SysML diagrams, and the implementation of a hardware and software architecture based on an IoT network. The analysis of ADLs in our study uses data from motion sensors and contact sensors. The results are displayed on a web application for the caregiver/family...
-The original use of four ADL classification methods, namely "preparing the meal", "taking the meal", "washing the dishes", "sleeping/relaxing", "hygiene", "the person outside the home”, “a visitor inside the home” and “other activities”. The first three methods used are K-means, the Gaussian mixture model GMM and BIRCH, to which we apply a weighting to the data. The fourth algorithm is based on a logical method following the determination of a correlation matrix using all the available sensors as input. Using the data from the correlation matrix, the algorithm personalizes the detection of meal-related activities by distinguishing a person who prepares their own meal and one who benefits from a meal delivery service. We validate our methods by referring to the forms filled in by participants at the start and end of the experiment, in which they indicate the course of their typical day. These algorithms were applied to an open annotated database to confirm the accuracy of our approaches.
-The proposal of a social isolation score. This score is based on the identification of activities to extract daily habits through behavioral indicators (time spent outside the house and inside the kitchen, etc.). Six elderly people were followed for more than 3 months. A logistic regression algorithm was used to extract the risk level of social isolation, which was compared with that identified using the LSNS-6 questionnaire. The logistic regression algorithm gave an accuracy score of 1 and an F-measure of 1.
Finally, the manuscript presents work on the design and in situ validation of a comprehensive solution for activity recognition, particularly meal intake and mobility, in order to detect any changes in behavior and propose a risk level of social isolation.
La reconnaissance d’activités de vie quotidienne (AVQs) fait l’objet, depuis plusieurs années, de recherches pour proposer des solutions performantes notamment pour des problématiques d’aide à la personne et de maintien à domicile. Elle s’appuie sur l’analyse spatio-temporelle de situations, de gestes, de déplacements, de comportements dont les données d’entrée sont les informations fournies par des capteurs ambiants ou par des capteurs portés par la personne. Cette thèse se focalise sur l’instrumentation du lieu de vie par des capteurs ambiants pour la détection d’un état d’isolement social chez les personnes âgées. Deux approches sont utilisées pour évaluer l’isolement social. La première se base sur des questionnaires semi-directifs. La deuxième approche s’appuie sur l’utilisation des technologies pour la récupération objective de données représentatives d’un état, d’un comportement. La littérature montre que les activités « se nourrir » et « se déplacer » semblent pertinentes pour évaluer un risque potentiel d’isolement social chez les aînés. Dans notre cas, nous définissons l’activité « se nourrir » comme une séquence d’actions composée de tâches telles que faire les courses, cuisiner, manger et faire la vaisselle, et l’activité « se déplacer » comme une action liée à la mobilité au sein du domicile et au fait de sortir du logement.
Les travaux de thèse portent sur quatre contributions principales :
- Un état bibliographique des recherches sur la détection des AVQs afin d’en identifier les apports et les limites et tracer des voies de recherches pertinentes. Des critères spécifiques ont été choisis pour inclure les articles dans lesquels des systèmes de détection d'activités sont présentés.
- Une démarche de conception système appliquée à la reconnaissance d’AVQs. Cette démarche s’intègre dans un processus d’Ingénierie Système. Elle décrit l’analyse des exigences, leur modélisation au travers de diagrammes SysML et la mise en place d’une architecture matérielle et logicielle basée sur un réseau IoT. L'analyse des AVQs, dans notre étude, utilise les données de détecteurs de mouvement et de capteurs de contacts. Un affichage sur une application web permet de visualiser les résultats obtenus à destination de l’aide-soignant/la famille…
- L’utilisation originale de quatre méthodes de classification des AVQs à savoir "préparer le repas", "prendre le repas", "faire la vaisselle", "dormir/se relaxer", "hygiène", "la personne à l'extérieur du logement", "un visiteur à l'intérieur de la maison" et "autres activités". Les trois premières méthodes utilisées sont K-means, le modèle de mélange gaussien GMM et BIRCH auxquelles on applique une pondération aux données. Le quatrième algorithme est basé sur une méthode logique à la suite de la détermination d’une matrice de corrélation prenant en entrée l’ensemble des capteurs disponibles. En utilisant les données de la matrice de corrélation, l’algorithme personnalise la détection des activités liées au repas en différenciant une personne qui prépare seule son repas d’une personne qui bénéficie d’un service de portage de repas. Nous validons nos méthodes en nous référant aux formulaires remplis par les participants au début et à la fin de l’expérimentation dans lesquels ils indiquent le déroulement de leur journée-type. Ces algorithmes ont été appliqués sur une base de données annotée ouverte pour confirmer la précision de nos approches.
- La proposition d’un score du niveau d'isolement social. Ce score est établi sur la base de l'identification des activités pour extraire les habitudes quotidiennes au travers d'indicateurs du comportement (le temps passé à l'extérieur de la maison et à l'intérieur de la cuisine, etc.). Six personnes ont été suivies pendant plus de 3 mois. Un algorithme de régression logistique a été utilisé
Résumé
6
pour l’extraction du niveau de risque d’isolement social qui a été comparé à celui identifié grâce au questionnaire LSNS-6. L’algorithme de régression logistique a donné un score d’exactitude de 1 et une F-mesure de 1.
Finalement, le manuscrit présente des travaux sur la conception et la validation in situ d’une solution complète pour la reconnaissance des activités, en particulier la prise de repas et la mobilité, afin de détecter tout changement du comportement et proposer un niveau de risque d’isolement social.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|