Articles

Cette étude explore l'utilisation d'un système d'apprentissage profond pour identifier le trouble du déficit de l'attention avec hyperactivité (TDAH) à partir de vidéos enregistrées en milieu domestique. À partir de 78 séquences vidéo (40 femmes, 38 hommes), des coordonnées squelettiques du haut du corps ont été extraites et analysées via des architectures deep learning (TabNet, TCC, LSTM) et des classifieurs classiques, atteignant une précision de 0,66 à 0,88 pour les femmes et 0,65 à 0,82 pour les hommes. La méthode pourrait permettre une évaluation continue du TDAH à domicile et fournir de nouveaux biomarqueurs pour la clinique.

Utilisation de vidéos réelles enregistrées à domicile pour détecter le TDAH. Extraction de coordonnées squelettiques du haut du corps par deep learning pré-entraîné. Précision de classification de 0,66 à 0,88 selon le sexe et le modèle. Méthode non invasive et potentiellement applicable en télésurveillance. Identification de biomarqueurs comportementaux spécifiques au sexe.

Outil complémentaire aux questionnaires et entretiens pour le diagnostic du TDAH. Permet une évaluation écologique en milieu naturel, réduisant les biais observateurs. Facilite le suivi longitudinal des symptômes et l'ajustement thérapeutique à distance. Peut améliorer la détection des formes subcliniques ou atypiques du TDAH.

Échantillon de petite taille (78 vidéos) limitant la généralisation. Précision modeste, notamment chez les hommes (0,65-0,82). Absence de validation croisée externe sur une population indépendante. Potentiel biais de sélection dans les vidéos auto-enregistrées. Non prise en compte des comorbidités fréquentes du TDAH.

Preprint

Contexte : Les troubles musculosquelettiques (TMS) connaissent une augmentation marquée, notamment la douleur lombaire (DL), qui est une cause majeure de ces troubles. L'utilisation de technologies de suivi de la santé permettrait de faciliter la réhabilitation à distance, réduisant les barrières entre les patients et les professionnels de santé. Objectif : Proposer un système de suivi en temps réel et abordable pour la réhabilitation de la DL, basé sur la vision par ordinateur et l'apprentissage profond. Méthode : Le système utilise un modèle léger à base de réseau de neurones à mémoire à court terme (LSTM) avec 64 unités et des neurones denses, permettant d'identifier les postures correctes en temps réel à partir de vidéos capturées par des caméras RGB standards. Une représentation 3D du squelette humain est exploitée pour calculer les angles articulaires et classer neuf poses de réhabilitation avec une précision élevée. Résultats : Le système atteint une bonne précision croisée, un faible coût computationnel, et fournit des retours d'information en temps réel avec un délai minimal. Il n'exige aucun matériel supplémentaire ou caméras spécialisées. Intérêt clinique : Ce système pourrait améliorer la qualité de vie des patients souffrant de DL en offrant un suivi autonome et accessible, favorisant l'auto-réhabilitation à domicile. Limites : L'analyse repose sur les informations fournies dans l'abstract et le titre. Les données sur l'efficacité clinique à long terme, les tests sur des populations variées, ou les comparaisons avec d'autres méthodes ne sont pas détaillées.

Suivi en temps réel des exercices de réhabilitation pour la DL Utilisation de la vision par ordinateur et d'un modèle LSTM léger Classification de poses avec une représentation 3D du squelette Abordable et compatible avec des caméras standards Retours d'information immédiats pour corriger les postures

Faciliter l'accès à la réhabilitation à distance pour les patients Réduire la charge sur les professionnels de santé Améliorer la conformité des patients aux exercices prescrits

Absence de données sur l'efficacité clinique à long terme Peu de détails sur les tests sur des populations variées Dépendance aux conditions d'éclairage et à la qualité des vidéos

Preprint

Contexte : Le trouble du déficit de l'attention avec hyperactivité (TDAH) est associé à un déséquilibre entre l'excitation et l'inhibition cérébrale, affectant la fonction exécutive et la mémoire de travail. Les interventions actuelles restent limitées dans leur capacité à modifier ces mécanismes neurobiologiques. Objectif : Développer et évaluer une nouvelle intervention de formation de la mémoire de travail exécutive, visant à corriger ce déséquilibre neurobiologique chez les patients atteints de TDAH. Méthode : Bien que l'abstract ne soit pas disponible, le titre suggère une étude basée sur une intervention expérimentale, probablement randomisée, combinant entraînement cognitif et mesures neuroimagerie (comme l'IRMf) pour évaluer les changements cérébraux. Résultats : Selon le titre, l'intervention a modifié le rapport excitation/inhibition dans des régions cérébrales clés, ce qui pourrait améliorer les fonctions exécutives et la régulation comportementale. Intérêt clinique : Cette approche ouvre la voie à des thérapies non pharmacologiques ciblant les mécanismes neurobiologiques sous-jacents du TDAH, avec un potentiel d'application en médecine de rééducation et en psychologie clinique. Limites : L'absence d'abstract limite la compréhension des méthodologies précises, des groupes d'étude et des résultats quantitatifs. La publication datée de 2026 (probablement une erreur de saisie) soulève également des questions sur la pertinence temporelle des données.

TDAH excitation/inhibition mémoire de travail exécutive intervention non pharmacologique neuroimagerie

Nouvelle piste thérapeutique pour le TDAH Application en rééducation neurocognitive Réduction possible des médicaments stimulants

Absence d'abstract empêchant une analyse détaillée Date de publication anormalement future (2026)

Preprint