Firas Kaddachi
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Firas Kaddachi has a total of 10 co-authors. Here are the top co-authors by number of shared publications:
Hamdi Aloulou
Montpellier Laboratory of Informatics, Robotics and Microelectronics (LIRMM)
3 shared publicationsBessam Abdulrazak
University of Sherbrooke
2 shared publicationsMounir Mokhtari
Institut Mines-Telecom (IMT)
2 shared publicationsPhilippe Fraisse
Montpellier Laboratory of Informatics, Robotics and Microelectronics (LIRMM)
2 shared publications- Ana Kovacevic1 shared publication
- Bessam Abdulrazak
Ambient Intelligence Lab, Department of Computer Science, Faculty of Science, University of Sherbrooke, Sherbrooke, QC J1K 2R1, Canada
1 shared publication
Latest Publications
- 3 April 2026
- Published by Agence Bibliographique de l'Enseignement Supérieur
Technological Approach for Early and Unobtrusive Detection of Possible Health Changes toward Better Adaptation of Services for Elderly People
Approche Technologique de Détection Précoce et Non-Intrusive de Possibilité de Changement de Santé pour mieux Adapter les Services Proposés aux Personnes Âgées: Les capacités physiques et cognitives diminuent considérablement à cause du vieillissement. Les problèmes de santé liées au vieillissement présentent une grande charge pour la santé publique. Aujourd’hui, les services gériatriques ne sont pas suffisants pour détecter les problèmes de santé dans les premiers stades de leur évolution, dans le but d’améliorer l’évaluation et l’intervention médicale des personnes âgées. Traduire ces besoins gériatriques à travers les services existants est essentiel pour améliorer leur impact. Dans le cadre de ma thèse, je propose une approche technologique qui utilise des technologies non-intrusives pour analyser le comportement des personnes âgés sur de longues périodes et détecter des possibilités d’évolution de maladies physiques ou cognitives. Des références gériatriques internationales me permettent d’identifier des indicateurs de changement de comportement qui peuvent être suivis à travers de technologies non-intrusives sans interférer avec le comportement naturel des personnes âgées. J’analyse ces indicateurs en considérant plusieurs dimensions spatio-temporelles, et utilisant des techniques de détection de changement qui différencient les changements transitoires et continus dans le comportement suivi. Je valide mon approche proposée à travers un déploiement réel de 3 ans dans une maison de retraite et des maisons individuelles.Je propose une méthodologie de détection précoce et non-intrusive des possibilités de changement dans l’état de santé. Des entretiens personnels avec les personnes âgées, les membres de la famille, les médecins gériatres et les infirmières de la maison de retraite me permettent d’identifier leurs besoins gériatriques. Les parties prenantes de mes services proposés ont besoin d’une information fiable à propos des changements possibles dans l’état de santé le plus tôt possible, sans suivre les personnes d’une manière intrusive. Afin de traduire ces besoins gériatriques, je propose une approche technologique qui utilise des technologies non-intrusives pour suivre les personnes âgées pendant des semaines et des mois, et identifier des changements possible dans leur comportement fortement liés à des problèmes physiques ou cognitifs.Mon service web ChangeTracker implémente ma méthodologie. ChangeTracker analyse le comportement des personnes âgées en ligne et détecte des changements possibles chaque jour. Je développe des algorithmes qui convertissent les données de capteurs brutes en données inférées en relation avec l’état de santé de la personne suivie. Des techniques de détection de changement (par ex., des techniques statistiques, probabilistes et d’apprentissage) distinguent les changements temporaires et continus dans le comportement de la personne.Une validation réelle de mon approche a lieu dans 3 villes françaises Montpellier, Lattes et Occagnes. Les résultats expérimentaux de 25 participants validement ma détection précoce et non-intrusive des changements de santé. Les 25 participants vivent seuls à domicile ou dans une maison de retraite. Dans mon cas d’étude, j’installe des capteurs de mouvement dans chaque chambre de la maison et des capteurs de contact sur chaque porte principale. Ces capteurs collectent mes données de suivi pendant 3 ans. Mes algorithmes analysent ces données, calculent des indicateurs gériatriques significatifs, et détectent des changements possibles en corrélation avec l’état de santé.
- 3 April 2026
- Published by Agence Bibliographique de l'Enseignement Supérieur
Technological Approach for Early and Unobtrusive Detection of Possible Health Changes toward Better Adaptation of Services for Elderly People
Approche Technologique de Détection Précoce et Non-Intrusive de Possibilité de Changement de Santé pour mieux Adapter les Services Proposés aux Personnes Âgées: Les capacités physiques et cognitives diminuent considérablement à cause du vieillissement. Les problèmes de santé liées au vieillissement présentent une grande charge pour la santé publique. Aujourd’hui, les services gériatriques ne sont pas suffisants pour détecter les problèmes de santé dans les premiers stades de leur évolution, dans le but d’améliorer l’évaluation et l’intervention médicale des personnes âgées. Traduire ces besoins gériatriques à travers les services existants est essentiel pour améliorer leur impact. Dans le cadre de ma thèse, je propose une approche technologique qui utilise des technologies non-intrusives pour analyser le comportement des personnes âgés sur de longues périodes et détecter des possibilités d’évolution de maladies physiques ou cognitives. Des références gériatriques internationales me permettent d’identifier des indicateurs de changement de comportement qui peuvent être suivis à travers de technologies non-intrusives sans interférer avec le comportement naturel des personnes âgées. J’analyse ces indicateurs en considérant plusieurs dimensions spatio-temporelles, et utilisant des techniques de détection de changement qui différencient les changements transitoires et continus dans le comportement suivi. Je valide mon approche proposée à travers un déploiement réel de 3 ans dans une maison de retraite et des maisons individuelles.Je propose une méthodologie de détection précoce et non-intrusive des possibilités de changement dans l’état de santé. Des entretiens personnels avec les personnes âgées, les membres de la famille, les médecins gériatres et les infirmières de la maison de retraite me permettent d’identifier leurs besoins gériatriques. Les parties prenantes de mes services proposés ont besoin d’une information fiable à propos des changements possibles dans l’état de santé le plus tôt possible, sans suivre les personnes d’une manière intrusive. Afin de traduire ces besoins gériatriques, je propose une approche technologique qui utilise des technologies non-intrusives pour suivre les personnes âgées pendant des semaines et des mois, et identifier des changements possible dans leur comportement fortement liés à des problèmes physiques ou cognitifs.Mon service web ChangeTracker implémente ma méthodologie. ChangeTracker analyse le comportement des personnes âgées en ligne et détecte des changements possibles chaque jour. Je développe des algorithmes qui convertissent les données de capteurs brutes en données inférées en relation avec l’état de santé de la personne suivie. Des techniques de détection de changement (par ex., des techniques statistiques, probabilistes et d’apprentissage) distinguent les changements temporaires et continus dans le comportement de la personne.Une validation réelle de mon approche a lieu dans 3 villes françaises Montpellier, Lattes et Occagnes. Les résultats expérimentaux de 25 participants validement ma détection précoce et non-intrusive des changements de santé. Les 25 participants vivent seuls à domicile ou dans une maison de retraite. Dans mon cas d’étude, j’installe des capteurs de mouvement dans chaque chambre de la maison et des capteurs de contact sur chaque porte principale. Ces capteurs collectent mes données de suivi pendant 3 ans. Mes algorithmes analysent ces données, calculent des indicateurs gériatriques significatifs, et détectent des changements possibles en corrélation avec l’état de santé.
- 24 September 2018
- Published by Springer Nature in Health and Technology
- Vol. 8 (5) , 329-340
Long-term behavior change detection approach through objective technological observations toward better adaptation of services for elderly people
- 24 September 2018
- Published by Springer Nature in Health and Technology
- Vol. 8 (5) , 329-340
Long-term behavior change detection approach through objective technological observations toward better adaptation of services for elderly people
- Open Access
- 1 August 2018
- Published by IntechOpen
emporal Clustering for Behavior Variation and Anomaly Detection from Data Acquired Through IoT in Smart Cities
- 1 August 2018
- Published by IntechOpen
Open Accessemporal Clustering for Behavior Variation and Anomaly Detection from Data Acquired Through IoT in Smart Cities
- 19 June 2018
- Published by Springer Nature
- p. 47-59
Technological Approach for Early and Unobtrusive Detection of Possible Health Changes Toward More Effective Treatment
- 19 June 2018
- Published by Springer Nature
- p. 47-59
Technological Approach for Early and Unobtrusive Detection of Possible Health Changes Toward More Effective Treatment