CRAN - Campus Sciences
BP 70239 - 54506 VANDOEUVRE Cedex
Tél : +33 (0)3 72 74 52 90 Fax : +33 (0)3 72 74 53 08
cran-secretariat@univ-lorraine.fr
 
 
Sujet de Thèse : Prédiction des mouvements des membres supérieurs par analyse des signaux EMG à l'aide des transformées en ondelettes et de Hilbert-Huang (co-tutelle CRAN-CINVESTAV Mexico)
Dates : 2013/10/01 - 2016/09/30
Directeur(s) CRAN : Didier WOLF
Autre(s) Directeur(s) : Pr LEIJA Lorenzo (lleija@cinvestav.mx)
Description : Cette thèse est en co-tutelle avec le CINVESTAV de Mexico.

En matière de prothèse, plusieurs solutions ont été proposées ces dernières années pour les personnes amputée(s). Il demeure cependant encore aujourd'hui, des limitations sur les systèmes prothétiques en raison du temps de réponse lié notamment à la reconnaissance et à l’identification des séquences nécessaires à l’exécution des mouvements souhaités.

Pour augmenter les performances et mieux comprendre les systèmes prothétiques, un travail préliminaire (CINVESTAV Mexico) à été fait et un dispositif a été construit pour examiner le comportement des modèles EMG correspondants aux mouvements des articulations de la main. Grâce à des capteurs, les caractéristiques de chaque mouvement de la main sont comparés à un ensemble d'acquisition de signaux EMG. La comparaison s'appuie sur les modèles de chaque mouvement rapportés dans la littérature [1] [2] [3] [4] [5] [6] [7].

Les systèmes de reconnaissance de signaux EMG, opèrent généralement, en deux étapes: l’extraction de caractéristiques puis la classification. L’extraction de caractéristiques fait usage de prétraitement par des techniques d’analyse dans le domaine énergétique, fréquentiel et temporel (durée, transformée de Hilbert-Huang). Les classificateurs sont basés sur des modèles statistique, de logique floue, de réseaux de neurones, d'algorithmes génétiques, voire de SVM... [1] [8].

La plupart des travaux relatifs à l’identification de plusieurs mouvements ou positions du membre supérieur portent uniquement sur des mouvements simples. Ces résultats incomplets sont néanmoins utiles pour le contrôle d’actionneurs d’un bras robotique anthropomorphe de manière séquentielle [1].

En passant en revue la bibliographie les outils d’analyse utilisés pour les signaux EMG (qui peuvent être sur 8 canaux) sont l'analyse en ondelettes et la transformée de Hilbert-Huang pour extraire dans les domaines temporel et fréquentiel les attributs significatifs.

Les travaux de thèse consisteront à développer un système de prédiction des signaux EMG pour l’acquisition, le filtrage, la décomposition, l'interprétation et la détermination des différents mouvements complexes des membres supérieurs : poignet et main prothétique. La partie instrumentale sera réalisée au Mexique, le CRAN apportera ses compétences pour le traitement des signaux EMG sur plusieurs canaux pour identifier chaque mouvement et commander la prothèse en boucle fermée.

Bibliographie

[1] M. León-Ponce, Tesis Doctoral: Clasificación de patrones mioeléctricos para la operación de un dispositivo antropomórfico, México, D.F.: CINVESTAV-IPN, 2012, p. 104.
[2] J. V. Basmajian y C. J. De Luca, Muscles Alive Their Function Revealed By Electromiography, Williams & Wilkins, 1985.
[3] A. Fougner, E. C. A. D. Scheme, K. Englehart y O. Stavdahl, «Resolving the Limb Position Effect in Myoelectric Pattern Recognition,» IEEE Transactions on Neural Systems and Rehabilitation Engineering, vol. 19, nº 6, pp. 644-651, 2011.
[4] H. Huang, P. Zhou, G. Li y T. Kuiken, «An Analysis of EMG Electrode Configuration for Targeted Muscle Reinnervation Based on Neural Machine Interface,» IEEE Transactions on Neural Systems and Rehabilitation Engineering, vol. 16, nº 1, pp. 37-45, 2008.
[5] H. Huang y C. Chen, «Development of a myoelectric discrimination system for a multi-degree prosthetic hand,» de International Conference on Robotics and Automation Proceedings, Detroit, MI, USA, 1999.
[6] L. A. Miller, K. A. Stubblefield, R. D. Lipschutz, B. A. Lock y T. A. Kuiken, «Improved myoelectric prosthesis control using targeted reinnervation surgery: a case series,» Neural Systems and Rehabilitation Engineering, vol. 16, nº 1, pp. 46-50, 2008.
[7] A. M. Simon, L. J. Hargrove, B. A. Lock y T. A. Kuiken, «A decision-based velocity ramp for minimizing the effect of misclassifications during real-time pattern recognition control,» Transactions on Biomedical Engineering, vol. 58, nº 8, pp. 2360-2368, 2011.
[8] L. J. Hargrove, G. Li, K. B. Englehart y B. S. Hudgins, «Principal Components Analysis Preprocessing for Improved Classification Accuracies in Pattern-Recognition-Based Myoelectric Control,» IEEE Transactions on Biomedical Engineering, vol. 56, nº 5, pp. 1407-1414, 2009.
Mots clés :
Département(s) :
Santé - Biologie - Signal
Financement : Bourse du Mexique