Etude du contrôle sensorimoteur dans un contexte artificiel simplifié en vue d'améliorer le contrôle des prothèses myoélectriques.

Sensorimotor control in a simplified artificial context to improve the control of future myoelectric prosthesis.

• Auteur / Autrice : Mathilde Couraud
• Direction : Aymar Goullet de Rugy
• Type : Thèse de doctorat
• Discipline(s) : Neurosciences
• Date : Soutenance le 07/12/2018
• Etablissement(s) : Bordeaux
• Ecole(s) doctorale(s) : École doctorale Sciences de la vie et de la santé (Bordeaux)
• Partenaire(s) de recherche : Laboratoire : Institut de Neurosciences Cognitives et Intégratives d’Aquitaine (Bordeaux)
• Jury : Président / Présidente : François Hug
• Jury : Examinateurs / Examinatrices : Christine Azevedo, Daniel Cattaert
• Jury : Rapporteurs / Rapporteuses : Frédéric Danion, Agnès Roby-Brami

Mots clés

Mots clés contrôlés

Sensibilité proprioceptive

Muscles -- Contraction

Prothèses myoélectriques

Mots clés libres

Contrôle sensorimoteur

Prothèse myoélectrique

Contraction isométrique

Interface homme-Machine

Apprentissage automatique

Poursuite de cible

Sensorimotor control

Myoelectric prosthesis

Isometric contraction

Human-Machine interface

Machine learning

Tracking movement

Résumé

L'amputation du membre supérieur, dont la prévalence est comparable à celle des maladies orphelines, induit chez les patients une perte considérable d'autonomie dans la majorité des tâches simples de la vie quotidienne. Pour pallier ces difficultés, les prothèses myoélectriques actuelles proposent une multitude de mouvements possibles. Cependant, leur contrôle non intuitif et lourd cognitivement requiert un apprentissage long et difficile, qui pousse une proportion importante de patients amputés à l'abandon de la prothèse. Dans cette thèse, nous avons cherché à identifier l'origine des difficultés et les manques du contrôle myoélectrique en comparaison au contrôle sensorimoteur naturel, dans le but à terme de proposer de meilleures solutions de restitution et de suppléance. Pour cela, nous avons manipulé diverses conditions expérimentales dans un contexte d'interface homme-machine simplifié où des sujets non amputés contrôlent un curseur sur un écran à partir de contractions isométriques, i.e. des contractions qui n'engendrent pas de mouvement. Cette condition isométrique nous a permis de nous approcher de la condition de la personne amputée contrôlant sa prothèse à partir de l'activité électrique (EMG) de ses muscles résiduels, en absence de mouvement articulaire. Durant une tâche d'atteinte de cible, nous avons entre autre démontré le bénéfice d'une adaptation conjointe du décodeur qui traduit les activités EMG en mouvement du curseur, venant s'ajouter à la propre adaptation du plan de mouvement des sujets en réponse à des perturbations orientées. De plus, il a été mis en évidence que ce bénéfice est d'autant plus important que la dynamique d'adaptation artificielle du décodeur s'inspire de celle de l'Homme. Dans des tâches d'acquisition et de poursuite de cible, impliquant davantage les mécanismes de régulation en ligne du mouvement, nous avons mis en évidence l'importance d'une congruence immédiate entre les informations sensorimotrices et la position du curseur à l'écran pour permettre des corrections rapides et efficaces. Dans une condition où le niveau de bruit du système est relativement faible, comme avec l'utilisation du signal de forces plus stable que l'habituel signal EMG, cette congruence explique, en partie, la supériorité d'un contrôle d'ordre 0 (i.e. position) sur un contrôle d'ordre 1 (i.e.} vitesse). Cependant, dès lors que le niveau de bruit est trop important, ce qui est le cas avec le signal EMG, le filtrage induit par l'intégration nécessaire au contrôle vitesse fait que celui-ci devient plus performant que le contrôle position. L'ensemble de ces résultats suggèrent qu'un décodeur adaptatif et intuitif, respectant et suppléant au mieux les boucles du contrôle sensorimoteur naturel, est le plus à même de faciliter le contrôle des futures prothèses.

Upper limb amputation, although quite rare, induces enormous loss of autonomy for patients in most daily life activities. To overcome this loss, current myoelectric prosthesis offers a multitude of possible movements. However, current controls of these movements are typically non-intuitive and cognitively demanding, leading to a high abandon rate in response to the long and tedious learning involved. In this thesis, we aimed at identifying difficulties and gaps associated with myoelectric controls when compared to natural sensorimotor control, with the long term goal of informing the design of better solutions for prosthesis control. To do so, we manipulated several experimental conditions in a simplified human-machine interface, where non-amputated subjects controlled a cursor on a computer screen from isometric contractions, i.e. muscle contractions produced in the absence of joint movement. This isometric condition was designed to get closer to a situation in which an amputee controls a myoelectric prosthesis using electrical activity (EMG) of his/her residual muscles, without movement of the missing limb. During aiming movements, we demonstrated the benefits of adapting the decoder that translate muscle activities into cursor movement in conjunction with the own subject’s adaptation of the planned movement direction in response to oriented perturbations. Furthermore, these benefits were showed to be even more important as the artificial decoder adaptation was inspired by the modeled adaptation of a human. In reaching and tracking movements toward fixed and moving targets, which increasingly involve online movement regulations, we revealed the importance of an immediate congruency between sensorimotor information and the cursor position on the screen for timely and efficient corrections. For conditions in which the level of noise associated with the control signal is relatively low, such as when using force that is more stable than the usual EMG signal used, this congruency partly explains the better performance obtained with zero order control (i.e. position) when compared to first order control (i.e. velocity). However, when the noise level increases, as is the case with EMG signals, the filtering property associated with the integration involved in a velocity control elicits better performances than with a position control. Taken together, these results suggest that intuitive and adaptive decoder, that supplies and judiciously complements natural sensorimotor feedback loops, is promising to facilitate future prosthesis controls.