Identification des schémas d'activation musculaire par des méthodes inverses appliquées aux signaux HD-sEMG
Auteur / Autrice : | Soumaya Berro |
Direction : | Sofiane Boudaoud, Mohamad Khalil |
Type : | Thèse de doctorat |
Discipline(s) : | Bio-ingénierie : Unité de Recherche en Biomécanique et Bio-ingénierie (UMR-7338) |
Date : | Soutenance le 22/11/2022 |
Etablissement(s) : | Compiègne |
Ecole(s) doctorale(s) : | École doctorale 71, Sciences pour l'ingénieur (Compiègne) |
Partenaire(s) de recherche : | Laboratoire : Biomécanique et Bioingénierie / BMBI |
Mots clés
Mots clés contrôlés
Résumé
L'identification rapide ou en temps réel de l'activation spatio-temporelle des unités motrices (UM) qui représentent les unités fonctionnelles du système neuromusculaire est fondamentale dans les applications de contrôle des prothèses et en réhabilitation fonctionnelle. Cependant, cette procédure demande un temps de calcul énorme. Par conséquent, le travail de cette thèse a été consacré à fournir un algorithme permettant l'identification en temps réel des stratégies d'activation spatiale et temporelle des UMs en appliquant des méthodes inverses sur les signaux HD-sEMG (électromyogramme de surface à haute densité) à partir d'une grille placée sur le Biceps Brachial (BB). À cette fin, nous proposons une approche innovante, qui implique l'utilisation de la méthode inverse classique de minimisation de norme et une interpolation de courbe en 3D, à savoir l'approche est nommée CFB-MNE. Cette méthode, fondée sur l'identification inverse (estimation de la norme minimale) couplée à un dictionnaire des potentiels d'action des unités motrices simulées (MUAP) d'un modèle récent et testée sur des simulations, a permis la localisation en temps réel des unités motrices individuelles simulées. Une analyse de robustesse (modifications anatomiques, physiologiques et instrumentales) a ensuite été effectuée pour vérifier l'efficacité de l'algorithme proposé. Enfin, l'algorithme proposé a été testé sur des UMs avec des schémas de recrutement réalistes donnant des résultats prometteurs et encourageants en identification spatiale et temporelle sur trois scenarios. Pour conclure, en perspectives, les résultats prometteurs obtenus suggèrent l'utilisation de l'apprentissage automatique et de l'intelligence artificielle (IA) pour améliorer encore les performances de l'algorithme proposé.