Le développement rapide des technologies médicales a engendré une augmentation considérable de la masse de données biomédicales multimodales (c’est-à-dire, enregistrées à partir de plusieurs modalités d’acquisitions comme les capteurs de mouvement, imageries radiographiques et évaluations cliniques) et longitudinales (c’est-à-dire, mesurées régulièrement dans le temps pour des fins de suivi). L’analyse de données multimodales et longitudinales est un sujet de grand intérêt pour le développement de nouvelles technologies médicales.
Le programme de recherche que nous proposons de mener a un caractère aussi bien fondamental
qu’appliqué. Son but est de développer des méthodes importantes d’analyse de données multimodales et longitudinales en vue de les appliquer à des problèmes concrets de suivi de pathologies chroniques. Les objectifs visés sont: (1) Développement de méthodes de classification de données multimodales et longitudinales (2) Mise en oeuvre de méthodes d’interprétabilité et de visualisation de modèles de classification et (3) Analyse de corrélations des données multimodales et longitudinales. La réalisation de ces objectifs contribuera directement à l’avancement des connaissances, d’une part, dans le domaine d’analyse de données et de classification de formes et, d’autre part, dans le domaine de la santé par le développement d’applications de suivi de pathologies chroniques telles que l’arthrose au genou et l’insuffisance cardiorespiratoire.

Chercheur principal

Neila Mezghani

Secteur de recherche

Systèmes intelligents, sciences et technologies de l'information

Années

2020 - 2025

Montant accordé

140 000,00 $