| Titre : | Intelligent medical system for motor rehabilitation - SmartRehab |
| Auteurs : | Boudria Khaoula, Auteur ; Tarchi Khaled, Auteur ; Khiat Abderrahmane, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | Université de Saïda – Dr. Moulay Tahar – Faculté des Mathématiques, de l’Informatique et des Télécommunications, 2025/2026 |
| Format : | 52p |
| Accompagnement : | CD |
| Langues: | Français |
| Index. décimale : | BUC-M 008538 |
| Catégories : |
Master Mathématiques Specialization: Stochastic Statistical Analysis of Processes and Applications |
| Mots-clés: | Keywords: Orthopedic Rehabilitation, Computer Vision, YOLOv26 Nano Pose, MediaPipe, Pain Measurement, Comparative Baseline. 3 : Rééducation orthopédique, Vision par ordinateur, YOLOv26 Nano Pose, Media- Pipe, Mesure de la Douleur, Base de Référence Comparative. |
| Résumé : |
Abstract
Home physical therapy for patients recovering from elbow fractures is often difficult because individuals rely on guesswork, which can easily lead to incorrect movements or accidental reinjury. To solve this, we developed a secure tele-rehabilitation platform. The platform utilizes an advanced computer vision framework (YOLOv26 Nano Pose and MediaPipe) to track joint angles and motor data via a camera, while simultaneously measuring and recording the patient’s pain levels during the session. Crucially, the system evaluates recovery by determining optimal positions for therapists or dynamically comparing the motor data of the affected arm against a personalized base- line recorded from the patient’s healthy arm. By combining this comparative mechanical score with the recorded pain data, the system calculates a definitive ”Recovery Percentage” that safely penalizes movements performed under acute pain. This ensures that the therapy remains within safe physical limits. The design strictly follows World Health Organization guidelines, serving as an intel- ligent supportive tool that keeps the physical therapist in control of the treatment. During testing, the system maintained a fluid 30 frames per second. All session metrics are securely compiled into local JSON files, providing an accessible, low-cost solution that transforms everyday consumer devices into a highly effective guardrail for orthopedic recovery. La rééducation physique à domicile pour les patients en convalescence après une fracture du coude est souvent difficile car les individus se fient à des approximations, ce qui peut facile- ment entraîner de faux mouvements ou de nouvelles blessures accidentelles. Pour résoudre ce problème, nous avons développé une plateforme sécurisée de télé-rééducation. La plateforme utilise un système avancé de vision par ordinateur (YOLOv26 Nano Pose et MediaPipe) pour suivre les angles articulaires et les données motrices via une caméra, tout en mesurant et en enregistrant simultanément les niveaux de douleur du patient pendant la séance. De manière cruciale, le système évalue la récupération en déterminant les positions op- timales pour les thérapeutes ou en comparant dynamiquement les données motrices du bras affecté à une référence personnalisée enregistrée à partir du bras sain du patient. En com- binant ce score mécanique comparatif avec les données de douleur enregistrées, le système calcule un ”Pourcentage de Récupération” définitif qui pénalise en toute sécurité les mouve- ments effectués sous une douleur aiguë. Cela garantit que la thérapie reste dans des limites physiques sûres. La conception respecte scrupuleusement les directives de l’Organisation Mondiale de la Santé, agissant comme un outil de soutien intelligent qui maintient le kinésithérapeute en charge du traitement. Lors des tests, le système a maintenu une fluidité de 30 images par seconde. Toutes les métriques de session sont sauvegardées dans des fichiers JSON locaux, offrant une solution accessible et peu coûteuse qui transforme les appareils grand public du quotidien en une barrière de sécurité très efficace pour la récupération orthopédique. |
| Note de contenu : |
Contents
Abstract 3 Résumé 4 5 ﻣﻠﺨﺺ ﺍﻟﺒﺤﺚ Acknowledgements 6 Dedication 7 General Introduction 8 1 Socio-Economic and Medical Context in Algeria . . . . . . . . . . . . . . 8 1.1 Statistics on Upper Limb Fractures . . . . . . . . . . . . . . . . . . 8 1.2 Focus on Elbow Fractures . . . . . . . . . . . . . . . . . . . . . . 8 1.3 The Barriers to Physical Rehabilitation in Algeria . . . . . . . . . . 8 2 Problem Statement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 3 Research Objectives and Proposed Solution . . . . . . . . . . . . . . . . . 9 4 Thesis Outline . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 1 Medical Context and State of the Art 11 1.1 Introduction to Orthopedics: Focus on Elbow Fractures . . . . . . . . . . . 11 1.2 The Algerian Context: Financial Barriers vs. Traditional Healers . . . . . . 11 1.2.1 Statistics on Upper Limb Fractures . . . . . . . . . . . . . . . . . . 11 1.2.2 The Problem with Public and Private Clinics . . . . . . . . . . . . 12 1.2.3 The Dangerous Alternative: The “Jebbar” . . . . . . . . . . . . . . 12 1.3 Problem Statement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 1.4 Digital Health and Rehabilitation: Changing Patient Recovery . . . . . . . 12 1.5 Existing Solutions: Wearable-Based Systems vs. Computer Vision . . . . . 13 1.6 Functional Evaluation and Clinical Standards for Testing Elbow Recovery . 14 1.6.1 Range of Motion (ROM) . . . . . . . . . . . . . . . . . . . . . . . 14 1.6.2 The Need for a Hybrid Solution (Data Fusion) . . . . . . . . . . . 14 2 Technical Background 15 2.1 Introduction to Computer Vision and Object Detection . . . . . . . . . . . 15 2.2 The YOLO (You Only Look Once) Architecture . . . . . . . . . . . . . . . 15 2.2.1 Core Architectural Mechanics of YOLO . . . . . . . . . . . . . . . 16 2.3 Google MediaPipe Framework . . . . . . . . . . . . . . . . . . . . . . . . 16 2.4 YOLO 26 Nano Pose Configuration . . . . . . . . . . . . . . . . . . . . . 16 2.4.1 Nano-Scale Optimization for Browsers . . . . . . . . . . . . . . . 16 1 2.4.2 Anatomical Pose Estimation . . . . . . . . . . . . . . . . . . . . . 17 2.5 Smartwatch Sensor Technology (PPG) . . . . . . . . . . . . . . . . . . . . 17 2.5.1 Photoplethysmography (PPG) Sensor . . . . . . . . . . . . . . . . 17 2.6 Data Fusion Concept: Combining Vision with Vitals . . . . . . . . . . . . 17 3 Related Works 19 3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 3.2 Traditional Physiotherapy (In-clinic) . . . . . . . . . . . . . . . . . . . . . 19 3.3 Telemedicine Rehabilitation . . . . . . . . . . . . . . . . . . . . . . . . . 20 3.4 Video/App-based Rehabilitation . . . . . . . . . . . . . . . . . . . . . . . 20 3.5 AI-based Pose Estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 3.6 Summary and Comparative Analysis . . . . . . . . . . . . . . . . . . . . . 22 4 System Architecture, Methodology, and Mathematical Modeling 23 4.1 General System Architecture . . . . . . . . . . . . . . . . . . . . . . . . . 23 4.2 Kinematic Estimation Engine (Camera Pipeline) . . . . . . . . . . . . . . . 23 4.2.1 Keypoint Extraction via Hybrid Vision . . . . . . . . . . . . . . . 24 4.2.2 2D Joint Angle Calculation . . . . . . . . . . . . . . . . . . . . . . 24 4.2.3 Determination of Forearm Horizontality . . . . . . . . . . . . . . . 24 4.2.4 Arm Straightness and 3D Foreshortening Projection . . . . . . . . 25 4.2.5 Signal Stabilization via Exponential Moving Average . . . . . . . . 25 4.3 Physiological Stress Tracking Engine (Telemetry Pipeline) . . . . . . . . . 26 4.3.1 Algorithmic Telemetry Simulation for Validation . . . . . . . . . . 26 4.3.2 Heart Rate Variability Simulation . . . . . . . . . . . . . . . . . . 26 4.4 Multimodal Data Fusion and Clinical Safety Logic . . . . . . . . . . . . . 26 4.4.1 Temporal Synchronization . . . . . . . . . . . . . . . . . . . . . . 27 4.4.2 Comparative Evaluation: Healthy vs. Affected Arm . . . . . . . . 27 4.4.3 Clinical Recovery Percentage and Pain Penalty . . . . . . . . . . . 27 5 Implementation, Therapeutic Exercises, and Empirical Validation 29 5.1 System Development Framework . . . . . . . . . . . . . . . . . . . . . . . 29 5.2 Therapeutic Exercise Modules . . . . . . . . . . . . . . . . . . . . . . . . 30 5.2.1 Exercise 1: Strict Profile Elbow Flexion and Extension . . . . . . . 30 5.2.2 Exercise 2: Overhead Shoulder Elevation . . . . . . . . . . . . . . 32 5.2.3 Exercise 3: Assisted Elbow Flexion and Extension . . . . . . . . . 34 5.2.4 Exercise 4: Supine Wrist Flexion and Extension . . . . . . . . . . 36 5.2.5 Exercise 5: Forearm Pronation and Supination . . . . . . . . . . . 38 5.2.6 Exercise 6: Closed-Kinetic Chain Wall Push-Ups . . . . . . . . . . 39 5.3 Experimental Methodology and Empirical Validation . . . . . . . . . . . . 41 5.3.1 Performance and Precision Metrics . . . . . . . . . . . . . . . . . 41 5.4 Evaluation Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 5.5 Chapter Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 Limitations and Future Perspectives 44 General Conclusion 47 References 48 2 |
Exemplaires
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| aucun exemplaire |
Documents numériques (1)
8538_compressed.pdf Adobe Acrobat PDF |
