207 - Analyse de mouvement sans marqueur pour des applications en santé de précision

Applications en santé de l’analyse de mouvement

Cette session présente des applications dans le domaine de la santé de l'analyse de mouvement.

• Communication orale 10 h 15
  Simulation d’un système de caméras sans-marqueurs pour l’évaluation des efforts articulaires à l’épaule lors du mouvement de propulsion manuelle en fauteuil roulant chez le blessé
  Rachid Aissaoui (Laboratoire de Recherche en Innovation Ouverte en Technologie de la Santé, Centre de Recherche CRCHUM ; Département de Génie des Systèmes, École de Technologie Supérieure.), Clément Ghazouani (ÉTS - École de technologie supérieure)

  Les simulateurs de propulsion pour fauteuil roulant manuel ont été développé pour analyser le comportement biomécanique des usagers au niveau des articulations du membre supérieur. Ce comportement est représenté par les moments de réaction articulaires au poignet, au coude et à l’épaule. La méthode de la dynamique inverse permet l’estimation des moments articulaires grâce à la cinématique articulaire et aux forces et moments de réaction sur la main courante du fauteuil roulant. La cinématique est généralement obtenue de manière précise, i.e. sous-millimétrique, par des systèmes de caméras optoélectroniques. Cependant, de plus en plus d’algorithme et d’architecture basés sur l’intelligence artificielle permettent de reconstruire des points clés d’une silhouette humaine à partir d’image vidéo. Néanmoins, les erreurs d’estimation de ces centres articulaires en deux dimensions demeurent encore élevées. L’objectif principal de cette étude, est de simuler ces silhouettes et de leurs injecter du bruit gaussien de même amplitude que les systèmes sans-marqueurs actuels ; par la suite les efforts seront estimés par la méthode de la dynamique appliquée sur une base de données de blessés médullaires qui ont propulsé leurs fauteuils roulants sur le simulateur. Les erreurs sur les moments articulaires seront rapportées par une analyste statistique de type analyse de variance à mesure répétées.

• Communication orale 10 h 30
  Impact sur le coût physiologique d’un entraînement à la propulsion de fauteuil roulant manuel basé sur l’intelligence artificielle.
  Rachid Aissaoui (Laboratoire de Recherche en Innovation Ouverte en Technologie de la Santé, Centre de Recherche CRCHUM ; Département de Génie des Systèmes, École de Technologie Supérieure.), Clément Ghazouani (Laboratoire de Recherche en Innovation Ouverte en Technologie de la Santé, Centre de Recherche CRCHUM ; Département de Génie des Systèmes, École de Technologie Supérieure.), Manon Perez (ÉTS - École de technologie supérieure)

  Environ 200 000 Canadiens dépendent de la propulsion d’un fauteuil roulant manuel pour leur autonomie et leur participation sociale mais présentent 6 fois plus de risques de développer des pathologies de l’épaule. Pourtant, aucun programme d'entraînement standardisé n'existe pour enseigner une technique de propulsion efficace et sécuritaire à chaque nouvel utilisateur.
  Dans ce contexte, un simulateur haptique a été développé au LIO pour reproduire fidèlement le comportement d’un fauteuil roulant manuel propulsé sur le sol. Un entraînement adaptatif et personnalisé a ensuite été conçu via une intelligence artificielle de type SARA (State Action Reward State Action), capable d'apprendre la technique de propulsion de l'utilisateur par renforcement, et de fournir une réponse haptique ajustée à cet effet. Cette réponse vise une propulsion plus efficace (basée sur l’efficacité mécanique de propulsion) et plus sécuritaire (basée sur la réduction du coût physiologique au coude et à l'épaule), ou bien une combinaison des deux.
  Cet algorithme a été testé sur 20 sujets sains, non expérimentés, et a montré une réduction du coût physiologique de la propulsion lorsque le mode de renforcement était de type assistif/résistif.
  Ainsi, nous discuterons de la grande variabilité des résultats entre les sujets, ce qui suggère la nécessité d'une personnalisation accrue, intégrant une identification des caractéristiques biomécaniques des articulations pour mieux répondre aux besoins individuels.

• Communication orale 10 h 45
  Détection automatique des points anatomiques de l’épaule avec un système monocaméra sur une population non-pathologique
  Yoann Blache (Laboratoire Interuniversitaire de la biologie et de la motricité, Université Lyon 1), Brice Guignard (Laboratoire Interuniversitaire de la biologie et de la motricité, Université Lyon 1), Felix Lefebvre (Laboratoire Interuniversitaire de la biologie et de la motricité, Université Lyon 1), Maxime Perek (Université Claude Bernard Lyon 1), Isabelle Rogowski (Laboratoire Interuniversitaire de la biologie et de la motricité, Université Lyon 1)

  Objectif : Développer et valider un algorithme basé sur un réseau de neurones (RN) pour détecter automatiquement des points anatomiques de l’épaule avec un système monocaméra, afin de quantifier la cinématique scapulaire. Méthodes : 90 participants ont adopté 13 positions. Un expérimentateur a repéré manuellement 10 points anatomiques (thorax, scapula, humérus) annotés via DeepLabCut. Le RN (ResNet-50) a été entraîné sur 650 images puis testé sur 398 images pour une validation externe. La précision du RN a été évaluée par le calcul de la distance euclidienne et des angles scapulothoraciques entre prédictions et annotations. Résultats : 82% des points correspondant à une confiance supérieure à 0.6 étaient identifiés par le RN. Indépendamment du point anatomique, la distance euclidienne médiane était de 11 mm (90e percentile : 30 mm, maximum : 139 mm), avec les distances plus importantes pour le trigonum spinae et l’angle inférieur de la scapula. L’estimation des angles scapulaires montrait une erreur médiane de 0,3° (90e percentile : 9°, maximum : 38°). Conclusion : L’approche sans marqueurs basée sur un RN entrainé spécifiquement offre une précision supérieure aux systèmes avec marqueurs tout en simplifiant l’évaluation de la cinématique scapulaire. Bien que la méthode constitue une avancée prometteuse pour une application clinique, des améliorations sont nécessaires afin de réduire les erreurs extrêmes.

• Communication orale 11 h 00
  Analyse biomécanique du pédalage à bras au moyen d'une caméra de profondeur
  Mickaël Begon (UdeM - Université de Montréal), Amedeo Ceglia (Université de Montréal), Lama Seoud (École polytechnique de Montréal)

  La rétroaction biomécanique, intégrant des données cinématiques, cinétiques ou musculaires, s’avère efficace pour accélérer la réadaptation. Pourtant, estimer les forces musculaires demeure ardu, car leur mesure directe in vivo est complexe. De plus, les solutions existantes requièrent souvent des systèmes de capture de mouvement inadaptés au milieu clinique. Si des approches simplifiées existent pour le membre inférieur, elles manquent de fiabilité pour le membre supérieur, rendant délicate l’estimation en temps réel des forces musculaires via des méthodes inverses sensibles aux données cinématiques.
  Pour combler cette lacune, l’objectif était de concevoir et de valider un système de capture du mouvement du membre supérieur à partir d’une caméra de profondeur, avec et sans marqueurs.
  À cette fin, un dispositif reposant sur une caméra RGBD (Intel RealSense D455) a été développé et testé lors d’un mouvement de pédalage à bras. Les résultats ont confirmé sa capacité à suivre avec précision des marqueurs cutanés (carrés blancs) par rapport à une approche de référence. Un algorithme de suivi en temps réel (~60 Hz) a ensuite permis l’annotation automatique des images, pour détecter les repères anatomiques via un réseau de neurones convolutifs, obtenant des performances comparables aux méthodes classiques à marqueurs. Cette étude jette les bases numériques et démontre leur validité en laboratoire, mais exige encore des approfondissements avant un déploiement en clinique.

Dîner

Algorithmes pour l’analyse de mouvement

Cette session vise la présentation d'algorithmes pour l'analyse de mouvements

• Communication orale 13 h 30
  Etude de l'impact de la présence des marqueurs dans les images pour le markerless
  Thierry Cresson (École de technologie supérieure), Lucas Mercier (ÉTS - École de technologie supérieure), Neila Mezghani (TELUQ - Université du Québec), Carlos Vazquez (École de technologie supérieure)

  Introduction
  Les réseaux markerless sont souvent réentraînés sur des images contenant des marqueurs. Ces derniers pourraient aider les réseaux à retrouver les centres articulaires (CA) à cause de leur features distinctes. L’impact de la présence de ces marqueurs est cependant inconnu pour le markerless [1]. L’objectif de cette étude est donc d’étudier cet impact.

  Méthode
  Deux bases ont été utilisées pour entraîner HRNet à prédire les CA à partir d’images avec marqueurs visibles. La première avec l’exosquelette KneeKG [2] et la seconde RRIS40 [1] avec des petits marqueurs. Le modèle a ensuite été évalué sur des images avec marqueurs visibles puis effacé via inpainting pour observer si l’erreur augmente s’il perd l’information visuelle des marqueurs.

  Résultats
  La fig.1 montre que lorsque HRNet a été entraîné avec des marqueurs, l’erreur sur des images sans marqueurs (vert) est plus grande que l’erreur sur des images avec (orange).
  
  Conclusion
  Si les réseaux sont entraînés avec des images contenant des marqueurs, ils produiront une erreur plus grande sur des images sans marqueurs (objectif du markerless). Ce phénomène augmente avec la taille des marqueurs. Entraîner directement sur les images inpaint pourrait être une solution.
  

• Communication orale 13 h 45
  Propagation d'incertitudes dans la triangulation en analyse de mouvement sans marqueurs
  Antoine Muller (Univ Lyon, Univ Gustave Eiffel, Univ Claude Bernard Lyon 1, LBMC UMR\_T 9406, F-69622 Lyon, France), Thomas Robert (Univ Lyon, Univ Gustave Eiffel, Univ Claude Bernard Lyon 1, LBMC UMR\_T 9406, F-69622 Lyon, France), Denis Brizard (Univ Lyon, Univ Gustave Eiffel, Univ Claude Bernard Lyon 1, LBMC UMR\_T 9406, F-69622 Lyon, France), Mathis Renaudin (Laboratoire de biomécanique et mécanique des chocs)

  L'analyse de mouvement à partir de vidéos RGB connaît une évolution rapide. Plusieurs études ont évalué la précision de ces approches en comparaison à des approches basées sur les marqueurs pour des cas spécifiques (configuration des caméras, tâches étudiées...). Cependant, il manque encore des analyses de sensibilité permettant d'estimer l'impact de la configuration utilisée sur la précision.
  Nous proposons une méthode numérique permettant de propager les incertitudes dans la triangulation (reconstruction des points 3D avec des points 2D issus de l'algorithme d'estimation de pose) en fonction de la configuration des caméras. Des données obtenues préalablement sur un participant en marche ont été utilisées afin de quantifier les incertitudes sur les points 2D. Ces incertitudes ont été propagées avec une méthode de Monte-Carlo. Pour chaque instant et chaque caméra, du bruit a été ajouté aux points 2D qui ont ensuite été triangulés pour estimer leur influence sur les points 3D.
  Pour une configuration à 9 caméras (résolution: 1920 × 1088), l’incertitude sur les points 2D suit une loi normale centrée d’écart-type σ ≈ 6 pixels, ce qui engendre une incertitude sur l’estimation des points 3D de ±1.45cm (95% des valeurs). Cette valeur est importante par rapport à l’incertitude sur les points 3D obtenus avec des systèmes optoélectroniques. Elle reste cependant du même ordre de grandeur que l’incertitude du positionnement de ces points d’intérêts par rapport aux structures anatomiques.

• Communication orale 14 h 00
  Estimation de pose multi-personnes pour les sports de combat
  Hossein Feizollah (École de technologie supérieure), David Labbé (École de technologie supérieure), Thomas Romeas (École d'optométrie, Université de Montréal), Sheldon Andrews (ÉTS - École de technologie supérieure), Sheldon Andrews (École de technologie supérieure)

  Je présente notre pipeline novateur pour l'estimation de pose 3D sans marqueur dans les sports de combat. Notre approche utilise une configuration parcimonieuse des caméras (3 ou 4) pour extraire les prédictions de pose 3D pour les athlètes dans les sports de combat. Nous utilisons une optimisation cinématique suivie d'un raffinement de trajectoire basé sur la physique multi-personnes pour atteindre une précision et une robustesse à la pointe dans des conditions difficiles telles que l'occlusion, les mouvements rapides et les interactions rapprochées. Une validation expérimentale sur divers jeux de données sera présentée, y compris un jeu de données composé des boxeurs d'élite.

• Communication orale 14 h 15
  Segmentation automatique des allures avec des données issues de capteurs inertiels
  Henry Chateau (École nationale vétérinaire d'Alfort, ENVA), Guillaume Dubois (École nationale vétérinaire d'Alfort, ENVA), Mahaut Gérard (TÉLUQ - Université du Québec), Sandrine Hanne-Poujade (École nationale vétérinaire d'Alfort, ENVA), Neila Mezghani (TELUQ - Université du Québec)

  La locomotion équine est évaluée visuellement par des vétérinaires, mais cela est subjectif. Des systèmes basés sur des capteurs inertiels (IMU) ont été développés pour quantifier la locomotion au trot, mais certaines pathologies sont plus visibles au pas ou au galop. La segmentation des allures peut être réalisée avec du traitement de signal, souvent peu robuste aux chevaux avec des locomotions spécifiques. Certains travaux utilisent des méthodes d’apprentissage machine (ML) pour détecter les allures après sélection des parties du signal avec allure stable. Nous proposons une approche par ML pour segmenter les allures sans pré-sélection et donc utilisable en environnement non-contrôlé, à partir de 7 IMU placés sur le cheval. D’abord, nous détectons les 3 allures principales (pas, trot, galop) et la classe ‘autre’, en extrayant les paramètres principaux des signaux bruts à l’aide d’un encodeur, à l’entrée d’un réseau de neurones convolutif. Ensuite, nous segmentons les types de galops (droite, gauche, désuni) avec des paramètres temporels. Au total, avec 10 ms entre timestamps, les accuracy de prédiction sont 96.7% (pas), 97.2% (trot), 90.6% (galop droit), 88.8% (galop gauche), 86.8% (galop désuni), et 74.9% (autre). Même si la classe autre est plus difficile à segmenter, regroupant des attitudes différentes (arrêt, transition, ruade), les allures sont très bien détectées. Cette méthode peut être utilisée sur des signaux obtenus dans la pratique vétérinaire standard.

• Communication orale 14 h 45
  Optimisation cinématique par cartes de confiance pour une utilisation en analyse du mouvement à partir de vidéos.
  Anaïs Chaumeil (Université Polytechnique des Hauts de France), Raphaël Dumas (LBMC, Lyon), Antoine Muller (LBMC, Lyon), Thomas Robert (LBMC, Lyon)

  L’analyse du mouvement à partir de vidéos se base sur des algorithmes d’estimation de pose qui renvoient des cartes de confiance décrivant la probabilité de présence d’un point d’intérêt (une articulation par exemple) sur une image. Les approches actuelles réduisent ces cartes en ne considérant que le point où la confiance est maximale. Notre hypothèse est que ces cartes de confiance permettent d’avoir une meilleure robustesse lors du calcul de la cinématique avec peu de caméras. A partir de la modélisation de chaque carte de confiance par une fonction Gaussienne 2D, l’optimisation consiste à estimer les poses qui maximisent les confiances des points 3D d’un modèle biomécanique. Cette méthode a été évaluée sur les données de deux participants réalisant trois mouvements (debout-assis, marche et tâche de manutention), filmés par deux caméras et par un système d’analyse du mouvement avec marqueurs. La méthode proposée donne des résultats similaires à la méthode classique d’optimisation basée sur les points d’intérêt triangulés. Cependant, cette dernière n’est pas possible dans 10.7% des cas à cause de points 2D manquants, tandis que l’entièreté des essais a pu être traité avec la méthode par cartes de confiance. Ces résultats soulignent la robustesse de l’utilisation de l’ensemble de l’information de confiance 2D en analyse du mouvement à partir de vidéos dans des conditions expérimentales avec peu de caméras.

• Communication orale 15 h 00
  Évaluation de la précision de la capture de mouvement 3D sans marqueurs dans les mouvements du membre supérieur chez l'enfant
  Mickaël Begon (Université de Montréal), Sonia Duprey (Laboratoire de Biomécanique des chocs (LBMC), Univ Lyon, Univ Gustave Eiffel, Univ Claude Bernard Lyon 1), Lucas Mercier (École de technologie supérieure), Alexandre Naaim (Université Claude Bernard Lyon 1), J. Rozaire (Laboratoire de biomécanique des chocs (LBMC), Univ Lyon, Univ Gustave Eiffel, Univ Claude Bernard Lyon 1)

  Introduction
  L’analyse du mouvement du membre supérieur chez les enfants atteints de paralysie cérébrale devrait bénéficier des approches sans marqueurs. Au préalable il faudrait connaitre leur précision L’objectif est de créer une base de données combinant données sans marqueurs et avec marqueur, et d’évaluer la précision des algorithmes.
  Méthodes
  La base ARGOS visera 20 participants (2–12 ans) réalisant 20 tâches. Cinq enfants (âge moyen 5 ans) ont déjà réalisé 6 tâches (dessiner, jouer avec la pâte à modeler, couper, manger, se coiffer, s’essuyer les fesses) enregistrées par 8 caméras RGB et 10 caméras optoélectroniques qui fourniront les données de référence avec 25 marqueurs (Ø1 mm) positionner sur les centres articulaires (épaule, coude, poignet, main) [1]. Trois réseaux de neurones (HRNet, PoseResnet, RTMPose) ont été comparés à la référence via la distribution des écarts des positions 3D.
  Résultats et Discussion
  Tous les réseaux de neurones présentent une précision similaire (Figure 1) et légèrement meilleure que celle observée dans la littérature chez les adultes [2].
  Conclusions
  Le choix du réseau ne semble pas critique pour estimer la cinématique des membres supérieurs chez l’enfant. Une fois finalisée, la base ARGOS sera partagée avec la communauté pour l’entraînement et la validation de futurs modèles. Elle permettra aussi d’analyser l’impact de chaque étape du traitement sans marqueur sur la cinématique et les biomarqueurs.

• Communication orale 15 h 15
  L’analyse du mouvement réinventée : plug-ins, modèles biomécaniques et intégration markerless
  Arnaud Barré (Solution Moveck inc.), Fabien Raspail (Solution Moveck inc.)

  Introduction : La capture du mouvement sans marqueurs représente une avancée majeure, ouvrant de nouvelles perspectives en sciences du vivant. On peut utiliser une caméra RGB (p.ex. OpenPose), deux caméras (p.ex. pose2sim) ou un système étendu (p.ex. Theia). Ces technologies peuvent se combiner à d’autres pour, par exemple, calculer la cinétique articulaire. Toutefois, comment s’assurer de l’interopérabilité des systèmes et leur évolution dans un domaine en grande évolution ?
  Méthodologie : Grâce à une architecture évolutive, associée à un système d’orchestration des données et à une bibliothèque de calcul dédié en analyse du mouvement, il est possible de créer des pipelines complexes, de visualiser chaque étape, de remplacer des étapes dédiées à la création d’un squelette, tout en comparant l’impact de chaque technologie.
  Résultats : Nos solutions reproduisent l’estimation de la cinématique et cinétique articulaire avec des modèles de référence (Vicon Plug-in Gait, Qualisys IOR) et des écarts inférieurs à 1e-3°, 1N/kg, 1Nm/kg. La lecture des fichiers C3D de Theia, qui stockent des matrices affines 4x4, permet de construire un squelette et comparer les résultats avec les modèles de références.
  Discussion : Les algorithmes de reconstruction sans marqueurs évoluent sans cesse. Pourtant, les outils d’analyse du mouvement restent rares et demandent une expertise en biomécanique. La technologie logicielle proposée par Moveck permet une intégration simple, efficace et certifiable.

• Communication orale 15 h 30
  Système d'analyse cinématique de la plongée à partir d’une séquence vidéo RGB unique, provenant d'une caméra fixe et sans l’utilisation des marqueurs sur le plongeur.
  Mathieu Charbonneau (Institut National du Sport du Québec), Rachid Aissaoui (Laboratoire de Recherche en Innovation Ouverte en Technologie de la Santé, Centre de Recherche CRCHUM ; Département de Génie des Systèmes, École de Technologie Supérieure.), Ramon Figueiredo (Laboratoire de Recherche en Innovation Ouverte en Technologie de la Santé, École de Technologie Supérieure.), Carlos Vazquez (ÉTS - École de technologie supérieure)

  Nous présentons un système d'analyse cinématique de la plongée à l'aide d'une seule caméra fixe et sans marqueurs sur les plongeurs. L’approche proposée comporte deux étapes. D’abord, un réseau « Faster R-CNN » préentrainé sur COCO, et réentrainé sur un nouvel ensemble de données, détecte les plongeurs, les tremplins et les éclaboussures d'eau sur chaque trame de la vidéo. Les variables cinématiques analysées comprennent la trajectoire du plongeur, les angles et le déplacement du tremplin et le volume de l'éclaboussure. Le système identifie également des points cinématiques spécifiques à la plongée, tels que le point le plus élevé de l’étape de préparation, l'atterrissage, l'enfoncement maximal du tremplin, le décollage, le pic de vol et le contact avec l'eau. Ensuite, le réseau « HRNet », réentrainé sur le même ensemble de données, estime la pose 2D du plongeur et calcule la trajectoire du centre de masse, y compris la position, la vitesse, l'accélération et les angles du tronc, des bras et des jambes du plongeur. Ces étapes de traitement sont intégrées dans un système web facilitant la présentation des résultats. Évalué sur l'ensemble de données DivingFy7797 - comprenant des vidéos d'athlètes canadiens lors des séries mondiales de plongeons de la FINA 2018 et 2019 à Montréal - le système a démontré une grande précision dans la détection des objets (91%) et l'estimation de la pose (97.04%) avec une erreur de position moyenne par articulation de 2,09 cm.

• Communication orale 15 h 45
  Estimation de la position des centres articulaires du membre inférieur avec des capteurs inertiels
  Rachid Aissaoui (Laboratoire d’Innovation Ouverte en technologies de la santé (LIO-ÉTS)), Nicola Hagemeister (Laboratoire d’Innovation Ouverte en technologies de la santé (LIO-ÉTS)), Camille di Falco (ÉTS - École de technologie supérieure)

  Cette étude s’inscrit dans le développement d’une méthode de calibrage pour l’utilisation du KneeKG™ dans l’analyse du mouvement 3D du genou à la marche avec des capteurs inertiels (IMU). Cette méthode permettra l’analyse ambulatoire de la marche en clinique pour détecter de manière précoce des problèmes au genou.
  La 1ère étape de ce calibrage est d’estimer la position des centres articulaires du membre inférieur (hanche, genou, cheville), tout d’abord le centre de la hanche (CH). Les IMU ne mesurant pas de positions, l’estimation du CH est faite en résolvant l’équation des accélérations d’un corps rigide en mouvement, traduite en système d’équations linéaires résolu par la méthode des moindres carrés à partir des mesures d’IMU fixés au niveau du fémur et du sacrum durant un mouvement de calibrage. L’influence de l’utilisation d’un ou plusieurs IMU, ainsi que différents mouvements de calibrage sont étudiés.
  Sur 4 sujets sains, l’erreur d’estimation du CH est systématiquement plus faible avec un seul IMU latéral au fémur (IMU FemLat) qu’avec un IMU supplémentaire antérieur au fémur. L’ajout d’un ou deux IMU au sacrum n’apporte pas d’amélioration. Les erreurs obtenues avec l’IMU FemLat pour les différents mouvements de calibrage (circumduction, croix, arc, étoile, étoile-arc) sont respectivement de 4.99, 5.06, 5.77, 5.49 et 5.43 cm. Ces résultats suggèrent que l’utilisation d’un seul IMU FemLat est plus fiable pour estimer le CH, simplifiant ainsi le protocole de calibrage.

Validation des algorithmes de capture de mouvement sans marqueur

Discussion sur les meilleures approches de validation des algorithmes d’estimation du mouvement sans marqueurs

La validation des algorithmes d’estimation de pose sans marqueurs représente un défi majeur pour leur adoption en milieu clinique, où la précision est essentielle. Actuellement, ces algorithmes sont principalement évalués en comparaison avec des références issues soit d’annotations manuelles sur des vidéos 2D, soit de vidéos contenant des marqueurs. Cependant, ces deux méthodes présentent des limites : les annotations manuelles en 2D manquent de précision, tandis que les vidéos avec marqueurs ne reflètent pas fidèlement les conditions d’acquisition sans marqueurs.

Il est donc crucial de développer des stratégies de validation plus adaptées afin de garantir la fiabilité et l’acceptabilité clinique de ces algorithmes.

Ce panel de discussion vise à identifier les principaux défis liés à la validation numérique des algorithmes d’estimation du mouvement sans marqueurs et à explorer des pistes de solutions pour améliorer leur robustesse et leur applicabilité en contexte clinique.