Symposium sur la recherche en santé 2024

Experte en santé publique, chercheure et professeure – une cheffe de file dans la gestion du système de santé.

Jon Sensinger, PhD

Chercheur novateur dans le domaine de l’intelligence artificielle, de la conception de prothèses et en génie biomédical.

Le Dr Jonathan Sensinger est professeur de génie électrique et information à l’Université du Nouveau-Brunswick à Fredericton et directeur de l’Institut de génie biomédical (IBME) de l’université. Depuis 1965, l’institut produit de la recherche de pointe et des solutions pratiques pour les patients et patientes. L’institut est connu comme étant l’un des trois chefs de file internationaux pour le contrôle des prothèses.

Innovateur dans le domaine du génie biomédical, le Dr Sensinger a été recruté à l’UNB en 2013 en provenance du meilleur hôpital de réadaptation des États-Unis, le Shirley Ryan Ability Lab où il dirigeait le laboratoire de conception et de contrôle des prothèses.

Le Dr Sensinger est titulaire d’un doctorat en génie biomédical/médical de l’Université Northwestern et d’un baccalauréat ès sciences en bio-ingénierie et en génie biomédical de l’Université de l’Illinois à Chicago. Il est aussi cofondateur de Coapt LLC, la première entreprise à commercialiser des algorithmes d’intelligence artificielle pour les prothèses de bras.

  • Jon facilite le contrôle des prothèses pour les personnes amputées.
  • Sa recherche sur l’utilisation des membres bioniques dotés d’intelligence artificielle qui répondent au toucher rend l’utilisation de prothèses plus intuitive pour les personnes amputées.
Projets de recherche avec un impact:
Dr. Jon Sensinger working in his research lab

Utilisation de l’intelligence artificielle pour obtenir une fonction quasi humaine pour les membres bioniques

Les prothèses bioniques ont un potentiel restaurateur. Par contre, l’entrecroisement complexe entre le contrôle moteur intuitif, la proprioception, et le toucher qui composent la fonction humaine des membres supérieurs n’a pas été révélé.

Ici, nous démontrons que la fusion neurorobotique du toucher, de la cinétique de la prise, et du contrôle moteur intuitif permettent divers niveaux de rendement comportemental qui sont stratifiés pour la permettre la fonction habile plutôt que les soins standardisés pour les personnes utilisant des prothèses.

En savior plus

 

 

Dr. Jon Sensinger working in his prosthetics lab

« Enseigner » aux membres bioniques à répondre aux comportements inattendus améliore le rendement

La reconnaissance de modèles est un outil utile pour déchiffrer l’intention de mouvement à partir des signaux myoélectriques. Les paradigmes de la reconnaissance doivent s’adapter à l’utilisateur pour être cliniquement viables dans le temps.

L’adaptation supervisée peut permettre d’obtenir un haut niveau d’exactitude puisque la classe attendue est connue, mais seulement suite à plusieurs séances de formation encombrantes. L’adaptation non supervisée tente d’obtenir un haut niveau d’exactitude sans connaitre la classe attendue, obtenant ainsi une adaptation qui n’est pas encombrante pour l’utilisation, mais avec une exactitude réduite. Tous les paradigmes d’adaptation supervisée réduisent le taux d’erreur dans le temps d’au moins 26%.

En savior plus