L’Ecole doctorale : Ecole Doctorale de l’Institut Polytechnique de Paris

et le Laboratoire de recherche SAMOVAR – Services répartis, Architectures, Modélisation, Validation, Administration des Réseaux

présentent

l’AVIS DE SOUTENANCE de Monsieur Lorenzo HERMEZ

Autorisé à présenter ses travaux en vue de l’obtention du Doctorat de l’Institut Polytechnique de Paris, préparé à Télécom SudParis en :

Signal, Images, Automatique et robotique

« Modélisation spatiotemporelle de la marche pour caractériser les troubles moteurs par apprentissage automatique: du signal vers l’analyse d’image »

le MARDI 30 SEPTEMBRE 2025 à 10h00

à

Amphithéâtre 11
Télécom SudParis 9 rue Charles Fourier 91011 Evry Cedex

Membres du jury :

Mme Sonia GARCIA-SALICETTI, Professeure, Télécom SudParis, FRANCE – Directeur de these
M. Gérard DRAY, Professeur, IMT Mines Alès, FRANCE – Rapporteur
Mme Nesma HOUMANI, Maîtresse de conférences, Télécom SudParis, FRANCE – Co-encadrant de these
M. François ROUSSEAU, Professeur, IMT Atlantique, FRANCE – Rapporteur
M. Jérome BOUDY, Professeur, Télécom SudParis, FRANCE – Examinateur
M. Anthony FLEURY, Professeur, IMT Nord Europe, FRANCE – Examinateur
M. Mathieu LEMPEREUR, Ingénieur de recherche, CHRU de Brest, FRANCE – Examinateur

« Modélisation spatiotemporelle de la marche pour caractériser les troubles moteurs par apprentissage automatique: du signal vers l’analyse d’image »

présenté par Monsieur Lorenzo HERMEZ

Résumé :

La marche humaine est une activité motrice complexe, qui se développe progressivement et devient de plus en plus vulnérable au vieillissement et aux pathologies neurologiques telles que l’AVC ou la maladie de Parkinson (MP). Ces troubles entraînent souvent une faiblesse musculaire ou une paralysie, et leur prévalence croissante accentue le besoin d’outils précis d’évaluation de la marche. Bien que l’Analyse Quantifiée de la Marche fournisse des mesures objectives via la capture de mouvement et la cinématique articulaire, la pratique clinique repose encore largement sur des scores observationnels ou des indices quantitatifs simplifiés, souvent insuffisants pour refléter la variabilité et l’asymétrie dynamique de la marche. Cette thèse vise à développer des méthodes quantitatives fines pour évaluer les déviations et les asymétries de la marche en exploitant la structure temporelle complète des séquences cinématiques angulaires. À partir de bases de données cliniques comprenant des sujets sains et des patients atteints de troubles moteurs (post-AVC et MP), nous proposons d’abord une approche basée sur le signal, utilisant l’algorithme K-Medoids et la distance Dynamic Time Warping (DTW), afin de capturer la variabilité du schéma de marche normal et de quantifier les écarts individuels. Pour dépasser les limites des comparaisons scalaires, nous introduisons un cadre d’analyse basé sur l’image via les Dissimilarity Maps (DM). Cela inclut les Deviation Dissimilarity Maps (DDM), pour une analyse riche spatio-temporelle des déviations, ainsi que les Bilateral Dissimilarity Maps (BiDM), pour l’évaluation détaillée de l’asymétrie. Deux nouveaux indices cliniques (EGAI et GAD) sont dérivés de ces cartes à l’aide d’une décomposition en valeurs singulières (SVD). Nous introduisons également les Self-Dissimilarity Maps (SDM), qui encodent la structure interne de chaque cycle de marche. Combinées à des autoencodeurs convolutionnels, elles permettent une évaluation globale robuste des déviations dans un espace d’embedding à haute dimension. Enfin, nous développons un Visual Transformer Autoencoder (ViTAE) qui traite les SDMs sous forme de patchs. Cette méthode fournit une analyse localisée et cliniquement pertinente des déviations, mettant en évidence les instants précis du cycle de marche associés à la pathologie ou à l’effet thérapeutique.

Abstract :

Human gait is a complex motor activity, progressively developed and increasingly affected by aging and neurological disorders such as stroke or Parkinson’s disease (PD). These conditions often result in muscle weakness or paralysis, and with their rising prevalence, the need for precise gait assessment tools becomes critical. While Quantified Gait Analysis (QGA) offers objective insights via motion capture and joint kinematics, clinical practice still relies on observational or simplified quantitative scores that often overlook gait variability and dynamic asymmetries. This thesis aims to develop refined, quantitative methods for evaluating gait deviations and asymmetries by leveraging the full temporal structure of angular kinematic sequences. Using clinical datasets of healthy subjects and patients with motor impairments (post-stroke and PD), we first introduce a signal-based approach using K-Medoids and Dynamic Time Warping (DTW) to capture healthy gait variability and compute deviation scores per patient. To overcome the limitations of scalar comparisons, we propose a novel image-based framework using Dissimilarity Maps (DMs). This includes Deviation Dissimilarity Maps (DDMs) for rich spatiotemporal deviation analysis and Bilateral Dissimilarity Maps (BiDMs) for detailed asymmetry assessment, from which two new clinical indices (EGAI and GAD) are derived using Singular Value Decomposition. Additionally, we propose Self-Dissimilarity Maps (SDMs) that encode each gait cycle’s internal structure. Using convolutional autoencoders, these SDMs offer a robust global deviation score in a high-dimensional embedding space. Finally, to enable localized analysis, we develop a vision transformer autoencoder (ViTAE) that processes SDMs in patches. This method delivers localized and clinically meaningful information about gait deviations, highlighting precise moments within the gait cycle that relate to pathology or therapeutic effect.