| KEYWORD |
Automatic segmentation of gait cycle phases from RGB video using Deep Learning
Parole chiave ANALISI DATI SPERIMENTALI, ELABORAZIONE NUMERICA DI SEGNALI, MALATTIE NEUROLOGICHE
Riferimenti GABRIELLA OLMO
Riferimenti esterni Dr. Gianluca Amprimo - gianluca.amprimo@polito.it
Gruppi di ricerca DAUIN - GR-19 - SYSTEM BIOLOGY GROUP - SYSBIO
Tipo tesi SPERIMENTALE APPLICATA
Descrizione La tesi si colloca nell’ambito della valutazione del movimento umano. Lo scopo è proporre un nuovo strumento a basso costo e di semplice utilizzo per caratterizzare e valutare il cammino (gait) tramite l’utilizzo di una singola telecamera RGB e Deep Learning. Il lavoro si strutturerà, secondo un piano di massima, come segue:
- Elaborazione del SAIL-TUG dataset e di un dataset privato del gruppo di ricerca contenente video di test del cammino, per labelling manuale delle fasi del ciclo del passo (stance, swing, double support)
- Estrazione degli scheletri virtuali rappresentanti la posa del soggetto nei video tramite libreria Python MediaPipe Pose
- Implementazione di una rete neurale per il riconoscimento automatico, a partire degli scheletri virtuali estratti, delle fasi fondamentali del cammino, tramite l’utilizzo di tecniche quali Convolutional Neural Networks, Recurrent Neural Networks, Transformers o architetture ibride allenate in regime fully-supervised o semi/self supervised
- Allenamento, validazione e test del modello tramite cross-validation e leave-one-out validation
- Calcolo automatico dei parametri fondamentali del cammino a partire dai segmenti individuati automaticamente e confronto dei valori con i risultati in letteratura
Conoscenze richieste -Conoscenze di Machine Learning e Deep Learning (aver completato al momento della scelta tesi almeno un corso che copra entrambi gli argomenti)
-Conoscenza del linguaggio Python, in particolare Scikit-Learn e almeno una libreria di deep learning fra Keras, Pytorch o Tensorflow. Esperienza nell’uso dell’ambiente Colab e/o Jupiter Notebook.
-Opzionale ma utile: interesse per l’ambito biomedicale/analisi del movimento umano e della human pose estimation
NB: Le conoscenze pregresse e i prerequisiti saranno valutati in fase di colloquio.
Scadenza validita proposta 27/03/2024
PROPONI LA TUA CANDIDATURA