Semaxone construit sa R&D en collaboration avec EuroMov Digital Health in Motion et met au point les fonctionalités d’analyse des signaux biophysiologiques en partenariat avec des experts des situations opérationnelles.
Collaboration avec Euromov DHM
EuroMov DHM et semaxone développe des recherches sur l’identification des marqueurs psycho-physiologiques. L’identification de ces marqueurs s’appuie sur l’analyse de signaux biologiques et l’extraction de signatures quantifiables. Elles permettent un diagnostic continu de l’évolution de l’état physiologique et cognitif des pilotes en s'appuyant sur un capteur et des algorithmes.
Phase 1 : Traduction des mesures
La transformation du signal en sortie des capteurs en données exploitables est opéré par une étape de traduction qui consiste à convertir le signal optique en un ensemble de variables physiologiques objectives. De la même manière, le signal de parole est traduit en un ensemble de descripteurs acoustiques définis en fonction de la situation, de la problématique ainsi que des besoins opérationnels.
Phase 2 : Validation du matériel
Pour répondre aux besoins opérationnels, il est nécessaire de developper un appareil de mesure spécifique. Le choix des éléments matériels qui composent notre dispositif est le fruit d'une validation scientifique réalisée en laboratoire en comparaison avec du matériel certifié.
Phase 3 : Fiabilisation des mesures en environnement contraint
Les domaines d'application que nous ciblons font l'objet d'un certain nombre de contraintes (accélérations, pression, mouvement, etc.). Nous les prenons en compte pour adapter nos dispositifs et méthodes d'analyse ainsi que nos algorithmes de mesures afin de les rendre plus robustes à ces différentes conditions.
Phase 4 : Identification des marqueurs caractéristiques
La collecte de données continues en situation réelle requiert des analyses poussées. L'utilisation de méthodes statistiques d'apprentissage automatique et d'intelligence artificielle associées à une masse de données permet de définir une représentation de l'information orientée sur l'état opérationnel.
Phase 5 : Explicitation de l'information
Les signatures de l'état opérationnel obtenues grâces aux modèles d'intelligence artificielle sont optimisées pour distinguer les changements d'états, et doivent être intelligibles. Pour celà nous mettons en place des méthodes d'explicabilité et nous nous appuyons sur un outil qui favorise l'interaction entre les experts et le système automatique à travers la recommandation de segments d'intérets issus des données.
Partenaires
