{"id":75,"date":"2020-05-19T06:42:52","date_gmt":"2020-05-19T06:42:52","guid":{"rendered":"https:\/\/pageperso.lis-lab.fr\/mustapha.ouladsine\/?page_id=75"},"modified":"2020-06-23T12:47:44","modified_gmt":"2020-06-23T12:47:44","slug":"recherche-activites-et-projets","status":"publish","type":"page","link":"https:\/\/pageperso.lis-lab.fr\/mustapha.ouladsine\/?page_id=75","title":{"rendered":"Recherche"},"content":{"rendered":"<p><strong>Activit\u00e9 de recherche<br \/>\n<\/strong><\/p>\n<p style=\"text-align: justify;\">J\u2019ai, pendant ces quatre derni\u00e8res ann\u00e9es, continu\u00e9 \u00e0 d\u00e9velopper des m\u00e9thodes de diagnostic et pronostic de d\u00e9gradation des syst\u00e8mes complexes : th\u00e8me qui a \u00e9t\u00e9 signal\u00e9 comme faisant partie des originalit\u00e9s de notre \u00e9quipe par l\u2019HCERES. Dans ce cadre nous nous sommes plus particuli\u00e8rement int\u00e9ress\u00e9s aux syst\u00e8mes de production High-Mix Low-Volume qui sont caract\u00e9ris\u00e9s par une grande vari\u00e9t\u00e9 de technologies, des faibles volumes de production, et des produits de courte dur\u00e9e de vie. L\u2019introduction de la technique d\u2019\u00e9chantillonnage dynamique \u00e0 ce syst\u00e8me de production a permis un gain important sur le rendement de production. Cet \u00e9chantillonnage est bas\u00e9, en temps r\u00e9el, sur les \u00e9tats des \u00e9quipements et sur l\u2019ensemble des produits en cours de fabrication. Afin d\u2019adapter les m\u00e9thodes de surveillance au nouvel environnement de production, nous avons men\u00e9 dans le cadre d\u2019un PIA (Projet d\u2019Investissement d\u2019Avenir) et d\u2019un projet Europ\u00e9en une activit\u00e9 de recherche sur la d\u00e9veloppement d\u2019indice de sant\u00e9 des \u00e9quipements et des travaux sur le diagnostic qui consiste \u00e0 localiser l\u2019\u00e9quipement \u00e0 l\u2019origine de d\u00e9fauts dans une ligne de fabrication.<\/p>\n<p style=\"text-align: justify;\">Pour la g\u00e9n\u00e9ration d\u2019indice de sant\u00e9, notre premi\u00e8re contribution concerne le d\u00e9veloppement d&rsquo;un algorithme de pronostic de d\u00e9faillance \u00e0 partir d&rsquo;un tenseur de donn\u00e9es. Ce travail de recherche est construit autour de l&rsquo;hypoth\u00e8se q&rsquo;une d\u00e9gradation est monotone et progressive. La m\u00e9thode est organis\u00e9e en trois modules : un module de r\u00e9duction de la taille des donn\u00e9es, un module de traitement de l&rsquo;indice de sant\u00e9 brut et un module de pronostic. Dans chaque module, nous avons apport\u00e9 des solutions innovantes \u00e0 des verrous scientifiques bien identifi\u00e9s. Le module de r\u00e9duction est consacr\u00e9 \u00e0 l&rsquo;extraction des caract\u00e9ristiques utiles \u00e0 partir du tenseur de donn\u00e9es brutes. Dans cette partie, et dans un souci de g\u00e9n\u00e9ricit\u00e9, nous avons propos\u00e9 la m\u00e9thode des points significatifs qui associe la technique classique d&rsquo;analyse multi-vari\u00e9e ACP (Analyse en Composantes Principales) \u00e0 un algorithme de recherche des point significatifs (points qui pr\u00e9sentent une variabilit\u00e9) ainsi qu&rsquo;une m\u00e9thode d&rsquo;analyse de corr\u00e9lation. L&rsquo;\u00e9tape de r\u00e9duction, comme son nom l&rsquo;indique, permet de r\u00e9duire la taille des donn\u00e9es pour extraire un indice de sant\u00e9 qui peut \u00eatre consid\u00e9r\u00e9 comme une synth\u00e8se de plusieurs \u00e9l\u00e9ments ; un profil monotone (repr\u00e9sentant l&rsquo;\u00e9volution de la d\u00e9gradation), des perturbations, le bruit et certaines valeurs aberrantes. L&rsquo;association de ces \u00e9l\u00e9ments donne lieu \u00e0 un profil commun d&rsquo;indice de sant\u00e9 brut. Le traitement de l&rsquo;indice de sant\u00e9 brut est r\u00e9alis\u00e9 par une nouvelle m\u00e9thode appel\u00e9e m\u00e9thode des percentiles, qui permet de g\u00e9n\u00e9rer plusieurs profils monotones \u00e9crivant au mieux le processus de d\u00e9gradation, cette nouvelle technique de pr\u00e9traitement vient pallier \u00e0 la perte d&rsquo;information engendr\u00e9e par les m\u00e9thodes fr\u00e9quentielles et statistiques de pr\u00e9traitement. La m\u00e9thode de percentile g\u00e9n\u00e8re un ensemble de profils monotones, pour les exploiter au mieux dans l&rsquo;estimation du RUL (Remaining Useful Life). Dans le module de pronostic, nous avons d\u00e9velopp\u00e9 une m\u00e9thode nomm\u00e9e Gamma-percentile, qui consiste \u00e0 mod\u00e9liser chaque profil par un processus Gamma puis calculer un intervalle de confiance en utilisant une fonction de densit\u00e9 de probabilit\u00e9 agr\u00e9g\u00e9e. Cette m\u00e9thode a \u00e9t\u00e9 valid\u00e9e sur des donn\u00e9es industrielles r\u00e9elles fournies par ST-Microelectronics et elle a donn\u00e9e lieu \u00e0 plusieurs publications dans des conf\u00e9rences et revues internationales (IEEE Transactions on Semiconductor Manufacturing, SAFEPROCESS, IEEE International Conference on. Prognostics and Health Management, World Congress of the International Federation of Automatic Control, etc). Cette approche a \u00e9t\u00e9 \u00e9tendue au cas du pronostic de d\u00e9faillances des syst\u00e8mes \u00e0 fonctionnement multi-modes. L&rsquo;approche d\u00e9velopp\u00e9e s&rsquo;appuie sur l&rsquo;hypoth\u00e8se que la valeur future de l&rsquo;IS est une fonction de l&rsquo;\u00e9tat actuel du syst\u00e8me, du temps, et des modes d&rsquo;utilisation (consignes) suppos\u00e9s connus.<\/p>\n<p style=\"text-align: justify;\">Pour la partie diagnostic dans les syst\u00e8mes de production, nous avons consid\u00e9r\u00e9s la probl\u00e9matique de d\u00e9tection de la d\u00e9faillance permanente o\u00f9 l\u2019\u00e9quipement continue \u00e0 g\u00e9n\u00e9rer des d\u00e9fauts et celle de la d\u00e9faillance occasionnelle o\u00f9 l\u2019\u00e9quipement g\u00e9n\u00e8re des d\u00e9fauts dans une situation donn\u00e9e et revient \u00e0 son \u00e9tat de fonctionnement normal apr\u00e8s la disparition de l\u2019\u00e9v\u00e9nement. Afin de r\u00e9pondre au probl\u00e8me pos\u00e9 dans un contexte caract\u00e9ris\u00e9 par un grand nombre de produits et des faibles volumes de production, nous avons apport\u00e9 une contribution m\u00e9thodologique d\u00e9compos\u00e9e en trois parties principales : La combinaison de deux approches d\u2019analyse, l\u2019application de l\u2019algorithme d\u2019alignement des s\u00e9quences et le d\u00e9veloppement d\u2019une nouvelle technique d\u2019\u00e9chantillonnage appel\u00e9e \u00e9chantillonnage r\u00e9actif pour le diagnostic. Cette m\u00e9thode a donn\u00e9e lieu \u00e0 des publications de rang A (IEEE Transactions on Semiconductor Manufacturing, SAFEPROCESS). L\u2019application de cette m\u00e9thode \u00e0 l\u2019industrie du semi conduteur a obtenu le prix de \u00ab awarded the GLOBALFOUNDRIES\u2019 sponsored IEEE ASMC 2015 Best Student Paper \u00bb.<\/p>\n<p><strong>Projets de recherche actuels<br \/>\n<\/strong><\/p>\n<p style=\"text-align: justify;\">\u00a0mes projets de recherche se positionne actuellement a trois niveaux :<\/p>\n<ul>\n<li>Projet europ\u00e9en H2020 avec la soci\u00e9t\u00e9 STMicroelectronics qui a d\u00e9marr\u00e9 en 2017 et dont je suis le responsable scientifique c\u00f4t\u00e9 du LIS. Ce projet porte sur le diagnostic et pronostic de la d\u00e9gradation des \u00e9quipements de production et des robots en vue de pr\u00e9dire la qualit\u00e9 des produits et je dois suivre deux th\u00e9sards dans le cadre de ce projet.<\/li>\n<li>Europ\u00e9en Medin4 2019-2023 traitement des donn\u00e9e pour la d\u00e9termination d\u2019indice de sant\u00e9 des machines de production) dont je suis le responsable scientifique c\u00f4t\u00e9 du LIS<\/li>\n<li>Un autre projet que je suis entrain de\u00a0 mettre en place est d\u00e9veloppent du th\u00e8me aide au diagnostic et pronostic appliqu\u00e9 \u00e0 la sant\u00e9. Je suis actuellement en contact avec des m\u00e9decins de la Timone et nous avons une mission de la part du doyen de la facult\u00e9 de m\u00e9decine et du vice-pr\u00e9sident valorisation de notre universit\u00e9 pour monter un projet qui sera soutenu par Amidex afin de faire \u00e9merger au sein de notre \u00e9tablissement une communaut\u00e9 IA et Num\u00e9rique appliqu\u00e9s \u00e0 la sant\u00e9. Dans ce cadre le projet de recherche que je souhaite d\u00e9velopper en collaboration avec des m\u00e9decin de la Timone portera sur le th\u00e8me \u00ab Classification des arythmies Cardiaque \u00bb<\/li>\n<\/ul>\n<p style=\"text-align: justify;\">En effet, face \u00e0 ce probl\u00e8me de sant\u00e9 publique, de nombreuses \u00e9tudes s\u2019int\u00e9ressent au syst\u00e8me cardiovasculaire (SCV) dans le but de mieux appr\u00e9hender le d\u00e9veloppement des maladies cardiovasculaires pour pouvoir mieux les d\u00e9tecter et mieux les traiter. C\u2019est dans ce cadre que nous avons d\u00e9j\u00e0 travaill\u00e9 sur cette probl\u00e9matique dans le cadre du projet APRISE financ\u00e9 et soutenu par Amidex. Le projet consistait en la r\u00e9alisation d\u2019un dispositif \u00e9lectronique portatif qui sera dot\u00e9 de capteurs et de syst\u00e8mes experts afin de surveiller, diagnostiquer et alerter en cas de danger et connecter et collecter l\u2019ensemble des donn\u00e9es pour consultation (personnelle et\/ou ou par un professionnel de sant\u00e9).<\/p>\n<p style=\"text-align: justify;\">Ce projet a \u00e9t\u00e9 r\u00e9alis\u00e9 en partenariat \u00e9troit avec plusieurs composantes de l\u2019universit\u00e9 (facult\u00e9 de M\u00e9decine, facult\u00e9 de droit, facult\u00e9 des sciences) au travers de ces laboratoires de recherche, de l\u2019AP-HM (Assistance Publique des H\u00f4pitaux de Marseille) et des industriels de la r\u00e9gion (STMicroelectronics et Gemalto). Le dispositif d\u00e9velopp\u00e9 dans le cadre de ce projet est un bracelet \u00e9lectronique dot\u00e9 de capteurs biom\u00e9dicaux pour la mesure des principales constantes observables et plus particuli\u00e8rement l\u2019arythmie cardiaque. Il est \u00e9galement dot\u00e9 d\u2019algorithmes sp\u00e9cifiques (traitement de donn\u00e9es et classification). Il permet de pr\u00e9venir tous risques potentiels li\u00e9s \u00e0 la sant\u00e9. Dans ce projet notre travail s\u2019est plus focalis\u00e9 sur la d\u00e9tection de la FA qui est une tachy-arythmie supraventriculaire caract\u00e9ris\u00e9e par une activation auriculaire non coordonn\u00e9e ayant comme cons\u00e9quence une d\u00e9t\u00e9rioration de la fonction m\u00e9canique atriale. Sur l\u2019\u00e9lectrocardiogramme, la FA est caract\u00e9ris\u00e9e par le remplacement des ondes P par des oscillations rapides (appel\u00e9es ondes de fibrillation) de taille, de forme et de fr\u00e9quence de survenue variables, associ\u00e9 \u00e0 un rythme ventriculaire irr\u00e9gulier souvent rapide (lorsque la conduction atrio-ventriculaire est intacte). Nous avons donc d\u00e9velopp\u00e9 un algorithme bas\u00e9 sur l\u2019\u00e9tude de la r\u00e9gularit\u00e9 de la s\u00e9rie temporelle g\u00e9n\u00e9r\u00e9e par l\u2019extraction continue en temps r\u00e9el battement par battement des intervalles pic-\u00e0-pic PPG. Trois variables d\u2019int\u00e9r\u00eat, caract\u00e9ristiques de la dispersion des intervalles, sont utilis\u00e9es comme variables d\u2019\u00e9tat et constituent les variables d\u2019entr\u00e9e d\u2019un syst\u00e8me de r\u00e9seau de neurones. Le module d\u2019aide \u00e0 la d\u00e9cision que nous avons d\u00e9velopp\u00e9 est bas\u00e9 sur une structure hi\u00e9rarchis\u00e9e avec des algorithmes d\u2019apprentissage comp\u00e9titifs. Les r\u00e9sultats obtenus sont de l\u2019ordre de 100% en apprentissage et de 99,9% en validation crois\u00e9e pour la d\u00e9tection de la FA.<\/p>\n<p style=\"text-align: justify;\">N\u00e9anmoins, l\u2019analyse automatique des ECG n\u2019est pas simple (de la m\u00eame mani\u00e8re que son expertise m\u00e9dicale), du fait de la variabilit\u00e9 des enregistrements d\u2019un patient \u00e0 un autre et de leur variabilit\u00e9 interne, en fonction de l\u2019\u00e9tat physiologique d\u2019un patient (au repos, en mouvement, stress&#8230; Qui plus est, l\u2019expertise m\u00e9dicale d\u2019un enregistrement d\u2019ECG est souvent compl\u00e9t\u00e9e par l\u2019analyse de l\u2019histoire clinique du patient, difficile \u00e0 exploiter dans la mise en \u0153uvre d\u2019une expertise automatique.<\/p>\n<p style=\"text-align: justify;\">Notre probl\u00e9matique sera formul\u00e9e comme \u00e9tant un probl\u00e8me de classification supervsis\u00e9e. La difficult\u00e9 majeure est que les approches classiques de classification se heurteront \u00e0 deux probl\u00e8mes majeurs : le premier est la qualit\u00e9 des enregistrements \u00e9lectrocardiographiques recueillis, en fonction de la complexit\u00e9 du comportement physiologique du patient et du mat\u00e9riel utilis\u00e9 pour acqu\u00e9rir ces donn\u00e9es. Le deuxi\u00e8me probl\u00e8me est l\u2019incertitude des interpr\u00e9tations des \u00e9lectrocardiogrammes par les sp\u00e9cialistes car deux anomalies peuvent \u00eatre difficilement indiscernables est de ce fait difficilement s\u00e9parable dans l\u2019espace de repr\u00e9sentation.<\/p>\n<p style=\"text-align: justify;\">Si la premi\u00e8re question sur la qualit\u00e9 des donn\u00e9es recueillies peut \u00eatre r\u00e9solue ou au moins all\u00e9g\u00e9e, par des techniques de d\u00e9bruitage des signaux, la deuxi\u00e8me, portant sur le chevauchement des classes, nous oblige \u00e0 se tourner vers d\u2019autres solutions plus proches du raisonnement humain. La classification conventionnelle identifie les individus comme membre d\u2019une et seulement une classe. Cela revient \u00e0 dire que les techniques \u00ab traditionnelles \u00bb visent \u00e0 constituer des groupes mutuellement exclusifs. Ces derni\u00e8res d\u00e9cennies ont vu le d\u00e9veloppement des m\u00e9thodes de classification \u00e0 chevauchement pour r\u00e9pondre \u00e0 cette limite. Cependant, ces m\u00e9thodes ont \u00e9t\u00e9 peu fr\u00e9quemment utilis\u00e9es, puisqu\u2019elles ont plusieurs inconv\u00e9nients pratiques( elles produisent g\u00e9n\u00e9ralement trop de chevauchements entre les classes de sorte qu\u2019il est difficile d\u2019obtenir une solution spatiale).<\/p>\n<p style=\"text-align: justify;\">Par cons\u00e9quent, ces techniques de classification \u00e0 recouvrement ne disposent pas suffisamment d\u2019informations sur les tendances d\u2019appartenance. Autrement dit, les individus se trouvant dans la zone d\u2019intersection appartiennent \u00e0 poids \u00e9gal \u00e0 plusieurs segments \u00e0 la fois. Ainsi, de nouvelles approches de classification ont \u00e9t\u00e9 propos\u00e9es pour essayer de surmonter ce probl\u00e8me, notamment la logique floue. Par ailleurs, d\u2019autres m\u00e9thodes, comme les r\u00e9seaux de neurones et les algorithmes g\u00e9n\u00e9tiques, commencent \u00e0 \u00eatre largement utilis\u00e9es. Notre objectif est d\u2019explorer la possibilit\u00e9 d\u2019adaptation et\/ou utilisation de ce type de m\u00e9thode dans le domaine de la e-sant\u00e9.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Activit\u00e9 de recherche J\u2019ai, pendant ces quatre derni\u00e8res ann\u00e9es, continu\u00e9 \u00e0 d\u00e9velopper des m\u00e9thodes de diagnostic et pronostic de d\u00e9gradation des syst\u00e8mes complexes : th\u00e8me qui a \u00e9t\u00e9 signal\u00e9 comme faisant partie des originalit\u00e9s de notre \u00e9quipe par l\u2019HCERES. Dans ce cadre nous nous sommes plus particuli\u00e8rement int\u00e9ress\u00e9s aux syst\u00e8mes de production High-Mix Low-Volume qui<\/p>\n<div class=\"more-link\">\n             <a href=\"https:\/\/pageperso.lis-lab.fr\/mustapha.ouladsine\/?page_id=75\" class=\"read-more\">Read More<i class=\"fa fa-caret-right\"><\/i><\/a>\n        <\/div>\n","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-75","page","type-page","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/pageperso.lis-lab.fr\/mustapha.ouladsine\/index.php?rest_route=\/wp\/v2\/pages\/75","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/pageperso.lis-lab.fr\/mustapha.ouladsine\/index.php?rest_route=\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/pageperso.lis-lab.fr\/mustapha.ouladsine\/index.php?rest_route=\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/pageperso.lis-lab.fr\/mustapha.ouladsine\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/pageperso.lis-lab.fr\/mustapha.ouladsine\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=75"}],"version-history":[{"count":19,"href":"https:\/\/pageperso.lis-lab.fr\/mustapha.ouladsine\/index.php?rest_route=\/wp\/v2\/pages\/75\/revisions"}],"predecessor-version":[{"id":118,"href":"https:\/\/pageperso.lis-lab.fr\/mustapha.ouladsine\/index.php?rest_route=\/wp\/v2\/pages\/75\/revisions\/118"}],"wp:attachment":[{"href":"https:\/\/pageperso.lis-lab.fr\/mustapha.ouladsine\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=75"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}