Post‑doctorat – Projet ARGOS : Méthodes d’analyse du mouvement sans marqueur pou

Projet Argos : Développement de méthode d’analyse du mouvement sans marqueur au service de l’évaluation quantifiée de la performance chez l’enfant paralysé cérébral/Developing markerless motion analysis methods to enable quantitative performance assessment in children with cerebral palsy

PDF FR :  
PDF ENG :  

Laboratoire de Biomécanique et Mécanique des Chocs (LBMC)
UMR_T 9406 – Université Gustave Eiffel / Université Claude Bernard Lyon 1
Sites : Université Gustave Eiffel Campus de Bron (25 av François Mitterand, 69500 Bron)
Encadrement scientifique : Sonia Duprey (LBMC-sonia.duprey@univ-lyon1.fr), Alexandre Naaïm (LBMC-alexandre.naaim@univ-lyon1.fr) et Julie Rozaire (CMCR des Massues Croix-Rouge française-julie.rozaire@croix-rouge.fr)

Contexte et enjeux
La Paralysie Cérébrale (PC) est la déficience motrice la plus fréquente chez l’enfant (Graham et al., 2016). Résultant d'une lésion cérébrale non progressive (pré-, péri- ou post-natale), elle engendre des déficiences fonctionnelles évolutives tout au long de la croissance. Il est donc crucial de réaliser des évaluations régulières et précises afin d'adapter les parcours de soins parmi les nombreuses options thérapeutiques disponibles.
Pour les membres inférieurs, l'Analyse Quantifiée du Mouvement (AQM) utilisant des marqueurs réfléchissants ou des unités de mesure inertielle (IMU) a permis des avancées significatives dans la prise en charge des patient·es, notamment grâce à l'analyse de la marche et au développement des chirurgies « multi-sites ».
Ces bénéfices doivent être étendus aux membres supérieurs. Or, les protocoles d'AQM issus de la littérature peinent à être intégrés en routine clinique en raison de la complexité des membres supérieurs (grand nombre de degrés de liberté) et de la variété des gestes quotidiens. Les clinicien·nes disposent actuellement d'une multitude d'outils et d'échelles pour évaluer la fonctionnalité selon les concepts de la Classification Internationale du Fonctionnement, du Handicap et de la Santé (CIF).
Proposée par l'Organisation Mondiale de la Santé (OMS) en 2001, la CIF offre un cadre pour évaluer la pathologie au-delà des seules déficiences, en distinguant :
La capacité : ce que l’individu peut faire à son plein potentiel (mesures standardisées, protocoles rigides).
La performance : ce que l’individu fait spontanément dans sa vie quotidienne (mesures écologiques).

L’AQM s’est traditionnellement concentrée sur la mesure de la capacité via des protocoles très standardisés et des tâches cyclées, souvent détachées du contexte quotidien. Pour devenir pertinente dans l'évaluation des membres supérieurs, l'AQM doit évoluer vers la mesure de la performance en instrumentant des tâches plus écologiques. Cependant, les solutions traditionnelles (marqueurs ou instrumentation corporelle) introduisent des limitations techniques (occlusions de marqueurs) et conceptuelles (mesure moins écologique, peu naturelle).

Les méthodes sans marqueurs (caméras RGB/profondeur, algorithmes de vision par ordinateur, apprentissage profond) représentent une solution non intrusive et plus écologique pour mesurer la performance réelle.

Toutefois, elles présentent des défis méthodologiques :

• Nombre restreint de repères anatomiques pour les modèles biomécaniques.
• Validation insuffisante pour une cinématique 3D de précision clinique.
• Littérature principalement axée sur les membres inférieurs chez les adultes asymptomatiques.
• Manque crucial de données dédiées au membre supérieur pédiatrique atteint de PC.

Dans ce contexte, le projet ARGOS vise à lever ces verrous méthodologiques et cliniques :

• Acquisition et Structuration des Données : Finaliser la structuration et la documentation d'une base de données unique, permettant la validation de modèles existants et le réentraînement de nouveaux modèles (base de données déjà obtenue).
• Validation des Systèmes : Valider des configurations multi-caméras robustes (précision, répétabilité, gestion des occlusions) spécifiquement adaptées aux situations cliniques pédiatriques.
• Amélioration Algorithmique : Intégrer des contraintes biomécaniques (par exemple, optimisation multi-segmentaire) pour améliorer la cohérence et la précision des reconstructions cinématiques.
• Transfert Clinique : Tester et valider in situ des chaînes de traitement (pipelines) reproductibles et transférables au suivi clinique et à la recherche.

Objectifs du post doc
Le/la post doctorant·e aura un rôle clé pour valoriser rapidement les données (FAIR), concevoir des configurations multi caméras adaptées aux contraintes pédiatriques, fiabiliser les pipelines markerless, coordonner les activités entre sites et accroître la visibilité scientifique (publications, communications, démonstrateurs).

• Valoriser et documenter la base de données existante (organisation, labellisation, contrôle qualité, métadonnées, traçabilité) en vue d’une diffusion FAIR.
• Étudier et optimiser l’implantation de caméras pour la mesure du membre supérieur chez l’enfant : scénarios (positions, orientations, recouvrements), analyse de précision/robustesse aux occlusions, simulations et/ou validations expérimentales ciblées.
• Mettre en œuvre et fiabiliser des pipelines d’analyse markerless : pré traitement, extraction cinématique, évaluation de la qualité, analyses statistiques, et rédaction. 
• Coordonner l’opérationnel entre LBMC et Clinique des Massues (1–2 déplacements/semaine) pour aligner besoins cliniques et développements méthodologiques.
• Valoriser les données du LIA Evasym (LIO/S2M, Montréal) et renforcer les méthodologies communes ; contribuer aux publications

Compétences : 
 Markerless, motion analysis (ex. vision par ordinateur, cinématique 3D) ; calibration/géométrie multi caméras ;

• Gestion et qualité des données (FAIR, métadonnées, traçabilité).
• Programmation Python : automatisation de pipelines, visualisation.
• Statistiques 
• Connaissance en IA et réentrainement sont considéré comme un vrai plus avec la possibilité d’orienté le post-doc sur des éléments de ré-entrainement de modèle de detection.

Résultats attendus

• Base de données organisée et documentée conforme aux principes FAIR ; guides et référentiels de qualité.
• Configurations multi caméras validées pour la mesure du membre supérieur pédiatrique, avec indicateurs de performance (précision, répétabilité, robustesse).
• Pipelines markerless fiabilisés et reproductibles.

Profil recherché
PhD/Doctorat en biomécanique, ingénierie biomédicale, vision par ordinateur / traitement d’image, mécanique, STAPS – biomécanique ou domaine connexe.

Télétravail possible 1 jour par semaine.

---

Laboratoire de Biomécanique et Mécanique des Chocs (LBMC)
UMR_T 9406 – Université Gustave Eiffel / Université Claude Bernard Lyon 1
Sites : Université Gustave Eiffel Campus de Bron (25 av François Mitterand, 69500 Bron)
Scientific supervision : Sonia Duprey (LBMC-sonia.duprey@univ-lyon1.fr),), Alexandre Naaïm (LBMC-alexandre.naaim@univ-lyon1.fr) et Julie Rozaire (CMCR des Massues Croix-Rouge française-julie.rozaire@croix-rouge.fr)

Context and challenges
Cerebral palsy (CP) is the most common motor impairment in children. Resulting from a non progressive brain lesion (pre , peri  or post natal), it leads to functional impairments that evolve throughout growth. It is therefore crucial to conduct regular and precise assessments in order to adapt care pathways among the many available therapeutic options.

For the lower limbs, Clinical Gait Analysis (CGA) using reflective markers or inertial measurement units (IMUs) has enabled significant advances in patient care, notably through gait analysis and the development of multi-level surgeries.

These benefits should be extended to the upper limbs. However, CGA protocols from the literature struggle to be integrated into routine clinical practice due to the complexity of the upper limbs (large number of degrees of freedom) and the variety of daily tasks. Clinicians currently have a multitude of tools and scales to assess function according to the concepts of the International Classification of Functioning, Disability and Health (ICF).

Proposed by the World Health Organization (WHO) in 2001, the ICF provides a framework to evaluate pathology beyond impairments alone, distinguishing:
Capacity: what an individual can do at their full potential (standardized measurements, rigid protocols).
Performance: what an individual does spontaneously in daily life (ecological measurements).

CGA has traditionally focused on measuring capacity via highly standardized protocols and cyclic tasks, often detached from everyday context. To become relevant for upper limb evaluation, QMA must evolve towards measuring performance by instrumenting more ecological tasks. However, traditional solutions (markers or body worn instrumentation) introduce technical limitations (marker occlusions) and conceptual limitations (less ecological, less natural measurement).
Markerless methods (RGB/depth cameras, computer vision algorithms, deep learning) offer a non intrusive and more ecological solution to measure real world performance.

However, they present methodological challenges:

• Limited set of anatomical landmarks for biomechanical models. 
• Insufficient validation for 3D kinematics at clinical precision. 
• Literature primarily focused on the lower limbs in asymptomatic adults. 
• Critical lack of data dedicated to the pediatric upper limb in children with CP.

In this context, the ARGOS project aims to lift these methodological and clinical barriers:

• Data Acquisition and Structuring: Finalize the structuring and documentation of a unique database, enabling the validation of existing models and the retraining of new ones (database already collected).
• System Validation: Validate robust multi camera configurations (precision, repeatability, occlusion handling) specifically adapted to pediatric clinical settings.
• Algorithmic Improvement: Integrate biomechanical constraints (e.g., multi segment optimization) to enhance the coherence and accuracy of kinematic reconstructions.
• Clinical Transfer: Test and validate in situ reproducible pipelines that are transferable to clinical follow up and research.

Postdoctoral objectives
The postdoctoral fellow will play a key role in rapidly leveraging the data (FAIR), designing multi camera configurations adapted to pediatric constraints, stabilizing and ensuring the reliability of markerless pipelines, coordinating activities across sites, and increasing scientific visibility (publications, communications, demonstrators).

• Leverage and document the existing database (organization, labeling, quality control, metadata, traceability) for FAIR dissemination.
• Study and optimize camera deployment for measuring the upper limb in children: scenarios (positions, orientations, overlap), analysis of precision/robustness to occlusions, and targeted simulations and/or experimental validations.
• Implement and ensure reliability of markerless analysis pipelines: pre processing, kinematic extraction, quality evaluation, statistical analyses, and scientific writing/reporting.
• Coordinate operations between LBMC and the Clinique des Massues (1–2 visits per week) to align clinical needs with methodological developments.
• Leverage data from LIA Evasym (LIO/S2M, Montreal) and strengthen common methodologies; contribute to publications.

Skills:

• Markerless motion analysis (e.g., computer vision, 3D kinematics); multi camera calibration/geometry.
• Data management and data quality (FAIR principles, metadata, traceability).
• Python programming
• Statistics.
• Knowledge in AI and model re training is a strong plus, with the possibility to orient the postdoc toward detector model re training.

Expected outcomes

• Database organized and documented in line with FAIR principles, guidelines and quality reference frameworks.
• Validated multi camera configurations for pediatric upper limb measurement, with performance indicators (accuracy, repeatability, robustness).
• Reliable and reproducible markerless pipelines.

Desired profile
PhD in biomechanics, biomedical engineering, computer vision / image processing, mechanical engineering, STAPS – biomechanics, or a related field.

Remote work possible up to one day per week.