French
Ce travail est orienté vers le développement d’une solution capable de soutenir les médecins dans la prise de décision lors d’une intervention visant à corriger et à améliorer la condition des patients souffrant de pathologies de la marche. Cette étude a pour but de démontrer l’efficacité des trois méthodes d’apprentissage automatique à savoir, les forêts d’arbres décisionnels (RF), les réseaux de neurones convolutifs (CNN) ainsi que les réseaux de neurones récurrents (RNN) dans la classification de pathologies de la marche. Les résultats de notre base de référence à savoir les forêts d’arbres décisionnels, parviennent à classifier correctement les pathologies dans 46% des cas. La seconde approche, utilisant les réseaux de neurones récurrents spécialisés dans les séquences temporelles atteint une précision de 51%. La troisième approche quant à elle, utilise les réseaux de neurones convolutifs contribue à une classification à hauteur de 83% de précision pour l’identification des pathologies.
Travail de recherche réalisé dans le cadre du Master of Science HES-SO en Sciences de l'information à la Haute école de gestion de Genève (HEG-GE), Filière Information documentaire, 2020