Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

22 avril 2020

Séparation de signaux d’électro-myogrammes (EMG) pour l’interaction Muscle- Machine dans le cadre de la rééducation de la main.


Catégorie : Doctorant


Thèse en traitement du signal, application sur des signaux EMG

Contact : bertrand.rivet@gipsa-lab.grenoble-inp.fr

 

 

Description du projet :

La mise en place d’interfaces hommes-machines à partir de simples électrodes de surfaces sur le scalp ou sur les membres (électromyogrammes) est un domaine en pleine expansion. En effet, les avancées dans la perception des efforts musculaires et des technologies du traitement du signal fournissent l’opportunité d’utiliser l’EMG (activité électrique corolaire de la contraction du muscle) comme technologie pour interagir directement par l’intermédiaire de l’activité musculaire.

Certaines applications ne permettent pas ou peu l’enregistrement de forces ou positions articulaires externes qui nécessitent un appareillage conséquent et rendent difficile l’étude de situations de la vie courante. L’électromyographie est dans un tel contexte une mesure non-invasive, facilement réalisable. Elle a cependant elle aussi ses propres verrous scientifiques. En effet, la classification des signatures EMG est difficile car le signal EMG est le résultat de l’activité électrique des nombreuses fibres musculaires actives durant la contraction du muscle.

L’EMG de surface sur de petits muscles très rapprochés comme les nombreux muscles des avant-bras est alors sujet à ce qui est communément appelé cross-talk ou contamination croisée des voies lorsque deux muscles (ou plus) sont actifs en même temps. Ce cross-talk est le résultat de la propagation des signaux musculaires sur plusieurs voies simultanément, si bien qu’il est compliqué d’associer l’activité d’un muscle à une unique voie EMG. Pour la main particulièrement, la classification des signatures EMG est rendue délicate car il n’y a pas une association simple entre participation musculaire et mouvement du membre : un même mouvement requiert la participation de plusieurs muscles qui peuvent être sollicités pour d’autres mouvements. Il est pourtant important dans un geste de savoir quels muscles sont sollicités et avec quelle intensité (cas pratique de contrôle de prothèse ou réeducation de la main).

L’objectif de la thèse: Le travailconsiste à développer des méthodes pour extraire la tension musculaire lié aux muscles d’intérêt en réduisant le cross-talk. Il s’agit a priori d’un contexte de séparation de sources. Si la littérature utilise souvent l’hypothèse de mélanges instantanés, une première étude sur des signaux réels a montré que la position relative des capteurs à la surface de la peau influe énormément sur cette hypothèse. Le signal électrique est constitué de trains d’impulsions (MUAP) circulant dans une fibre musculaire. La fréquence ainsi que le nombre de fibres excitées (jusqu’à plusieurs centaines) augmentent avec la force instantanée produite. Le signal EMG de surface est alors une convolution de tous les signaux élémentaires qui circulent dans le volume de détection du capteur. Les travaux effectués au laboratoire Gipsa-lab (thèses de Marc Léouffre et Anton Dogadov) ont montré que différentes hypothèses classiques de séparation de sources et d’ICA n’étaient pas toujours vérifiées telles que l’instantanéité du mélange ou même parfois l’indépendance des sources.

Dans le cadre d’une collaboration avec le LISIN (Prof Merletti, Politecnico Turin), nous étudierons l’implantation de divers algorithmes de traitement multivoies grâce à une détection des signaux à l’aide de matrices d’électrodes (High density EMG). Les applications multi-capteurs en électromyographie de surface ont probablement un bel avenir devant elles, et l'usage d'un nombre nettement supérieur de capteurs semble indispensable pour orienter les recherches vers une imagerie électromyographique plutôt que la vision traditionnelle du signal électromyographique ponctuel.

Ce travail trouve des applications dans les domaines de la santé et de l’optimisation sportive au travers des collaborations que nous développons avec le CHUGA et le pôle de préparation olympique des équipes de France d’escalade.

Publications :
Franck Quaine, Anton Dogadov, Christine Servière, Natalia M. Lopez. - Surface Electromyographic Signals as a Tool for Biomechanics and Muscle Coordination Analysis, Technology assisted Neurorehabilitation , Elsevier Academic Press, June 2020

A.Doganov, C.Servière, F.Quaine : Extraction of EI and EDM muscle sources from surface electromyographic signals using delay estimation, International Conference on Bio-engineering for Smart Technologies (BioSMART 2016), Dec. 4th-7th, 2016, Dubai, UAE

Anton Dogadov, Christine Serviere, Franck Quaine. Blind Separation of Surface Electromyographic Mixtures from Two Finger Extensor Muscles, LVA/ICA 2015, Springer, 9237, pp.481-488, 2015, Lecture Notes in Computer Science.

M. Leouffre, F. Quaine C.Servière : Testing of instantaneity hypothesis for blind source separation of extensor indicis and extensor digiti minimi surface electromyograms, Journal of Electromyography and Kinesiology 23, 4 (2013) 908-915

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2020.