Littérature scientifique sur le sujet « Electromyographie Haute Densité »

Les signaux électromyographiques de surface (sEMG) correspondent aux signaux électriques composés par les potentiels d’action produits par les unités motrices d’un muscle actif et enregistrés par des électrodes de surface. Les signaux sEMG sont largement utilisés dans la médicine, le contrôle des prothèses et plus généralement dans les études biomécaniques portant sur l’analyse du mouvement humain. Les signaux sEMG sont très souvent utilisés comme un indicateur d’activation musculaire.Bien que présentant un intérêt évident, l’utilisation de ces signaux reste difficile compte tenu qu’ils sont souvent susceptibles d’interférence (diaphonie, ou plus communément « crosstalk ») entre les muscles contigus, parfois même éloignés. Cette contamination croisée est particulièrement présente pour des muscles présents dans un volume restreint, ce qui est le cas des muscles extenseur de l’index et du petit doigt, extensor indicis et extensor digiti minimi. L’interférence induit la réduction de la précision de l’estimation des activations musculaires et reste, à ce titre, un problème important et récurrent de la biomécanique. Afin que les signaux sEMG puissent être utilisés de manière plus robuste en biomécanique, il convient de réduire cette interférence avant de procéder à l’estimation des activations musculaires. Les activations individuelles des muscles participant au mouvement correctement estimées peuvent être utilisées comme données d’entrées d’un modèle biomécanique. Cette démarche, nommée dynamique directe, permet notamment d’estimer la force externe produite par le système et dans un second temps de comparer cette dernière avec la mesure réalisée grâce à un système dynamométrique. En ce sens cette démarche permet une validation indirecte des estimations réalisées à partir des signaux sEMG. Dans le cadre de cette thèse, nous avons modélisé le doigt et plus particulièrement le mécanisme extenseur qui est une structure qui transmet les forces des muscles-extenseurs aux articulations digitales. Cette structure est très mal connue du point de vue biomécanique et le plus souvent représentée par un ensemble des coefficients établis sur l’analyse de mains de cadavres dans des situations très particulières et standardisées (doigts en extension). Ainsi, l’objectif de ce travail de thèse était double : (1) améliorer l’estimation de la force au bout du doigt à partir des mélanges des sEMG sur la base d’extraction des activations des signaux sEMG des muscles extensor indicis et extensor digiti minimi, et (2) modélisation biomécanique du mécanisme extenseur du doigt. Pour cela, les signaux sEMG ont été enregistrés avec une matrice d’électrodes de surface haute densité à 64 capteurs. Ensuite, l’extraction des activations musculaires a été réalisée sur la base d’une procédure de classification des potentiels détectés en utilisant les invariants musculaires que sont la direction de propagation et la profondeur de l’unité motrice à l’origine du signal.Dans un deuxième temps, un modèle biomécanique précis du mécanisme extenseur du doigt a été créé, qui contient les tendons et les principaux ligaments représentés par des bandes et des surfaces élastiques. Un algorithme de paramétrage du modèle a été proposé. Ce type d ‘approche est nécessaire pour mieux décrire les déformations du système anatomique dans des situations de mouvement sain ou pathologique.Cette démarche a montré qu’elle était pertinente pour l’étude biomécanique du doigt. Elle présente des utilisations judicieuses pour les études biomécaniques portant sur l’évaluation clinique, la réhabilitation et le contrôle des prothèses myoélectriques
The surface electromyographic signals (SEMG) are the electric signals, composed of electric potentials. These potentials are produced by the recruited motor units of an active muscle and captured by the surface electrodes. The SEMG signals are widely used in medicine, prosthesis control and biomechanical studies as an indicator of muscle activity.However, SEMG measurements are usually subjects of crosstalk or interference from nearby muscles. It appears when two or more muscles situated close to each other are active during a SEMG recording. An example of such muscles are the extensors of index and little finger, extensor indicis and extensor digiti minimi, situated close to each other and creating a significant amount of mutual crosstalk when simultaneously active. The crosstalk causes precision decrease of SEMG-based estimation of muscle activations. Hence, the crosstalk-reducing problem must be preliminary solved before muscle activation evaluation.Once the activations of individual muscles are estimated from the mixture, they may be used as an input of a finger biomechanical model to calculate a fingertip force. These models usually contain an extensor mechanism of the finger, which is a structure, transmitting the force from the extensor muscles to the finger joints. This structure is often taken into account as a set of coefficients. However, there is a lack of study about how these coefficients vary with posture, applied force, and subject variability.The purpose of this work is to improve the finger force estimation from the crosstalk-contaminated signals for isometric tasks by extracting the activations of individual muscles and improving the finger biomechanical model.Firstly, the SEMG signals were recorded with high-density surface electromyographic (HD-EMG) electrode matrix. The extraction was based on classifying the detected potentials according their propagation direction and depth of originating motor unit.Secondly, a precise biomechanical model of the finger extensor mechanism was created, containing the principal tendons and ligaments. The algorithm of the model parametrization was proposed as well.The proposed methods of muscle activation estimation along with the created extensor mechanism model may be used for calculating the fingertip force and internal tissues deformations for normal or pathological fingers

La lombalgie non spécifique (LNS) est un problème majeur de santé publique vastement répandu dans les sociétés contemporaines. Malgré la prévalence importante de la LNS, notre compréhension des causes sous-jacentes à la LNS, ainsi que notre capacité à fournir des traitements adaptés et efficace pour tous les patients, reste limitée en raison de la grande diversité de la population qu’englobe la LNS et qui ne répond pas à des traitements génériques. Le regroupement de la population atteinte de LNS en fonction de caractéristiques communes offre une solution potentielle pour développer des interventions personnalisées. Cependant, la complexité de la LNS et la dépendance aux données catégoriques subjectives dans les tentatives de regroupement précédentes posent des défis pour parvenir à des regroupements fiables et cliniquement significatifs. Ce travail à pour visée deux objectifs : 1. Premier objectif : Fournir une étude exploratoire pour mieux comprendre l’influence et l’importance des variables sélectionnées par rapport à la LNS et à notre population d’échantillonnage, et recueillir des informations pour préparer la création de sous-groupes.2. Deuxième objectif : Tenter de regrouper notre échantillon de population afin d’identifier des sous-groupes précieux.Les données ont été acquises sur 46 sujets. Notre protocole se basait sur un jeu de mouvement simple effectué à différentes vitesses : extension du dos, flexion du dos, flexion latérale du tronc ( à droite e t à gauche), rotation du tronc (à droite e t à gauche), à vitesse maximum et naturelle. Des données d’électromyographie haute densité (EMG HD) de la région lombaire ont été collectées, conjointement à des données de capture de mouvement à l’aide de marqueurs réfléchissants passifs sur le corps du sujet ainsi que grâce à des groupes de marqueurs sur la colonne vertébrale du sujet. Une analyse exploratoire a été réalisée à l’aide d’un réseau neuronal profond et d’une analyse factorielle en se basant sur des variables sélectionnées préalablement grâce à une étude la littérature. Différents modèles d’apprentissage profond ont été entraînés pour classifier les individus entre sujets sains ou atteints de LNS, afin d’étudier le pouvoir d’information des différentes variables utilisées. Les modèles ont été entraînés en utilisant différents sets de données : jeu de données entier, variables anthropométriques, jeu de données biomécaniques, jeu de données neuromusculaires ou jeu de données liées à l’équilibre et la proprioception. Les modèles ont atteint de hauts résultats de classification. L’analyse factorielle a révélé que les individus atteints de LNS présentaient des schémas de mouvement différents d e c eux des individus en bonne santé, caractérisés par des mouvements plus lents et plus rigides. Les variables anthropométriques (âge, sexe et IMC) étaient significativement corrélées avec les composantes de la LNS. Des tentatives de regroupement ont été réalisées sur notre ensemble de données complet et un ensemble de données réduit en utilisant l’ACP ou les informations recueillies dans la partie de l’analyse exploratoire. Les ensembles de données étaient soit agnostiques au mouvement, soit spécifiques au mouvement. Les résultats ont montré un regroupement viable en utilisant un algorithme spectral avec le noyau RBF et l’algorithme d’assignation d’étiquettes discrète, comme dans des travaux similaires antérieurs. L’ensemble de données utilisé était l’ensemble de données complet avec les données de marqueurs de la colonne vertébrale, après réduction de dimension à l’aide de l’analyse en composantes principales. En conclusion, différents types de données, tels que les mesures corporelles, les schémas de mouvement et l’activité neuromusculaire, peuvent fournir des informations précieuses pour identifier les individus atteints de LNS. Pour obtenir une compréhension globale de la LNS,... [etc]
Non-specific low back pain (NSLBP) is a major public health issue and is a concern in most if not all contemporary societies. Despite NSLBP being so widespread, our understanding of its underlying causes, as well as our capacity to provide effective treatments, remains limited due to the high diversity in the population that does not respond to generic treatments. Clustering the NSLBP population based on shared characteristics offers a potential solution for developing personalized interventions. However, the complexity of NSLBP and the reliance on subjective categorical data in previous attempts present challenges in achieving reliable and clinically meaningful clusters. This work features to goals : 1. First objective : Provide an exploratory work to better understand the influence and importance of the selected variables in regards to NSLBP and our sample population, and gather information to prepare subgrouping2. Second objective : Provide an attempt at clustering our population sample in order to discriminate valuables subgroups Data were acquired from 46 subjects who performed six simple movement tasks (back extension, back flexion, lateral trunk flexion right, lateral trunk flexion left, trunk rotation right, and trunk rotation left) at two different s peeds (maximum and preferred). High-density electromyography (HD EMG) data from the lower back region were acquired, jointly with motion capture data, using passive reflective markers on the subject’s body and clusters of markers on the subject’s spine. An exploratory analysis was conducted using a deep neural network and factor analysis. Based on selected variables, various models were trained to classify individuals as healthy or having NSLBP in order to assess the importance of different variables. The models were trained using different set of data : full data set, anthropometric data set, biomechanical data set, neuromuscular data set, and balance and proprioception data set. The models achieved high accuracy in categorizing individuals as healthy or NSLBP. Factor analysis revealed that individuals with NSLBP exhibited different movement patterns to healthy individuals, characterized by slower and more rigid movements. Anthropometric variables (age, sex, and BMI) were significantly correlated with NSLBP components. Clustering was attempted on our full data set, and reduced data set, using PCA or the insights gather in the exploratory analysis part. The data set were either movement agnostic or movement specific. Results s howed v iable c lustering using spectral algorithm, with the RBF kernel and the discretize label assignment’s algorithm, expressing a spectrum of low back pain as did similar work before. The data set used was the full data set with spine cluster of marker data, after dimension reduction using principal component analysis. In conclusion, different data types, such as body measurements, movement patterns, and neuromuscular activity, can provide valuable information for identifying individuals with NSLBP. To gain a comprehensive understanding of NSLBP, it is crucial to investigate the main domains influencing its prognosis as a cohesive unit rather than studying them in isolation. Simplifying the conditions for acquiring dynamic data is recommended to reduce data complexity, and using back flexion and trunk rotation as effective options should be further explored. The importance and probable usefulness of meta data, such as anthropometric data for the biophysical domain, was also noted. In the light of those results, we formulated the following new paradigm hypothesis : low back pain yields adaptations common to every subject, but due to inter-subject differences in the 5 main domains known to have a major influence on low back pain prognosis (biophysical, comorbidities, social, psychological and genetic) those adaptations are expressed in very unique way for each subject

Avec le vieillissement de la population, préserver la fonction musculaire est important pour éviter la perte de mobilité et d'autonomie. De nos jours, la prévention de la maladie musculaire, la sarcopénie, est une préoccupation majeure et des facteurs de risque importants tels que l'âge avancé ainsi que des facteurs modifiables, notamment une faible activité physique et une alimentation déséquilibrée ont été identifiés. Compte tenu de la croissance des populations plus âgées et de la diminution de l'activité physique, qui touche également les jeunes citoyens, la sensibilisation à la qualité musculaire peut être cruciale pour promouvoir un vieillissement en bonne santé dans nos sociétés. Les besoins en évaluations fonctionnelles musculaires ont été exprimés par les chercheurs et les cliniciens. Le groupe de travail européen sur la sarcopénie chez les personnes âgées (EWGSOP) recommande de définir la sarcopénie comme la présence à la fois d'une faible masse musculaire et d'une faible fonction musculaire (force et performance physique). Pour cela, nous avons développé une méthode d’évaluation du vieillissement musculaire, en utilisant une technologie ambulatoire et non invasive, appelée technologie d'électromyographie de surface haute densité (HD-sEMG), à travers un projet de recherche clinique sur cinq catégories d'âge (25 à 74 ans), actifs et sédentaires. Nous avons réalisé une étude comparative avec une analyse complète et multimodale du rectus femoris (RF), muscle impliqué dans les mouvements de la vie quotidienne, pour dévoiler le potentiel prometteur de la technique HD sEMG, par rapport aux techniques cliniques classiques, l’objectif étant de détecter les changements précoces de la qualité de la fonction musculaire impactée par le vieillissement et le niveau d'activité physique. La partie clinique de ce projet de thèse a été financée par une subvention européenne, EIT Health. En analysant principalement la dynamique de contraction musculaire et l'intensité du rectus femoris, nos résultats ont montré que la technique HD-sEMG, était capable de discriminer entre les cinq catégories d'âge de sujets sains physiquement actifs. Plus intéressant encore, les scores HD-sEMG proposés discriminaient entre les participants actifs et sédentaires, de la même catégorie d'âge (45-54 ans), contrairement aux paramètres cliniques et aux autres techniques couramment utilisées (absortiométrie biphotonique par rayons X, DXA et échographie). De plus, ces scores pour les participants sédentaires de cette catégorie d'âge étaient significativement plus proches de ceux des participants actifs des catégories d'âge supérieures (55-64 ans et 65-74 ans). Cela suggère fortement qu'un mode de vie sédentaire semble accélérer le processus de vieillissement musculaire au niveau anatomique et fonctionnel, et ce processus accéléré subtil peut être détecté par la technique HD-sEMG. Ces résultats préliminaires prometteurs pourraient contribuer au développement d’un outil intéressant aux cliniciens pour améliorer à la fois la précision et la sensibilité de l'évaluation musculaire utile pour les programmes de prévention et de réadaptation afin d'éviter ou de retarder la sarcopénie, problème de santé publique actuel alerté par l'Organisation Mondiale de la Santé (OMS) et promouvoir un vieillissement en bonne santé
With the aging of the population, preserving muscle function is important to prevent loss of mobility and autonomy. Nowadays, the prevention of the muscle disease, sarcopenia, is a major concern and important risk factors such as older age as well as modifiable factors including low physical activity and unhealthy diet have been identified. Considering the growth of older populations and the decreased physical activity, which also includes young citizens, muscle quality awareness can be crucial in promoting a healthy aging process in our societies. Muscle functional assessments needs were expressed by researchers and clinicians, The European Working Group on Sarcopenia in Older People (EWGSOP) recommends defining sarcopenia as the presence of both low muscle mass and low muscle function (strength, and physical performance). For this purpose, we have developed a method for muscle aging evaluation, using an ambulatory and non-invasive technology, called high-density surface electromyography (HDsEMG), through a clinical research project on five age categories (25 to 74 yrs.). We performed a comparative study with a complete and multimodal analysis of the rectus femoris, muscle involved in daily life motions, in order to reveal the promising potential of the HD-sEMG technique, compared to conventional clinical techniques, to detect early changes in the quality of muscle function impacted by aging and physical activity level. The clinical part of this thesis project was funded by a European grant, EITH Health. By analyzing both muscle contraction dynamics and intensity of the rectus femoris, our results showed that the HD-sEMG technique, was able to discriminate between the five age categories of healthy physically active subjects. More interestingly, the proposed HD-sEMG scores discriminated between active and sedentary participants, from the same age category(45-54 yrs.), in contrary to clinical parameters and others usual techniques (dual-energy x-ray absorptiometry, DXA and ultrasonography). In addition, these scores for sedentary participants from this age category were significantly closer to those of active participants from higher age categories (55-64 yrs. and 65-74 yrs.). This strongly suggests that sedentary lifestyle seems to accelerate the muscle aging process at both anatomical and functional level, and this subtle accelerated process can be detected by the HD-sEMG technique. These promising preliminary results can contribute to the development of an interesting tool for clinicians to improve both accuracy and sensitivity of functional muscle evaluation useful for prevention and rehabilitation to avoid the effects of unhealthy lifestyle that can potentially lead to sarcopenia. This can support also the actual public health concern alerted by Word Health Organization (WHO) regarding aging and sarcopenia, to promote healthy aging

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
Fast or real-time identification of the spatiotemporal activation of Motor Units (MUs), functional units of the neuromuscular system, is fundamental in applications as prosthetic control and rehabilitation guidance but often dictates expensive computational times. Therefore, the thesis work was devoted to providing an algorithm that enables the real-time identification of MU spatial and temporal activation strategies by applying inverse methods on HD-sEMG (high-density surface electromyogram) signals from a grid placed over the Biceps Brachii (BB). For this purpose, we propose an innovative approach, that involves the use of the classical minimum norm inverse method and a 3D fitting curve interpolation, namely CFB-MNE approach. This method, based on inverse identification (minimum norm estimation) coupled to simulated motor unit action potential (MUAP) dictionary from a recent model and tested on simulations, allowed the real time localization of simulated individual motor units. A robustness analysis (anatomical, physiological, and instrumental modifications) was then performed to verify the efficiency of the proposed algorithm. Finally, the proposed algorithm was tested on MUs with realistic recruitment patterns giving promising results in both spatial and temporal identification. To conclude, a door to future perspectives was opened, according to the obtained promising results, suggesting the use of machine learning and artificial intelligence (AI) to further boost the performance of the proposed algorithm