Nantilus
Modèles probabilistes fondés sur la décomposition d'EMG pour la commande de prothèses
Le pilotage moderne de prothèse robotisée de bras peut être sensiblement amélioré par l utilisation de la décomposition d EMG. Cette technique permet d extraire l activité des motoneurones de la moelle épinière, une représentation directe de la commande neuronale. Cette activité, qui est insensible...
| Auteurs principaux : | , , , , , , |
|---|---|
| Collectivités auteurs : | , , , |
| Format : | Thèse ou mémoire |
| Langue : | français |
| Titre complet : | Modèles probabilistes fondés sur la décomposition d'EMG pour la commande de prothèses / Konstantin Akhmadeev; sous la direction de Yannick Aoustin et de Éric Le Carpentier |
| Publié : |
2019 |
| Accès en ligne : |
Accès Nantes Université
|
| Note sur l'URL : | Accès au texte intégral |
| Note de thèse : | Thèse de doctorat : Génie informatique, automatique et traitement du signal : Nantes : 2019 |
| Sujets : |
| Résumé : | Le pilotage moderne de prothèse robotisée de bras peut être sensiblement amélioré par l utilisation de la décomposition d EMG. Cette technique permet d extraire l activité des motoneurones de la moelle épinière, une représentation directe de la commande neuronale. Cette activité, qui est insensible aux facteurs non-liés au mouvement, tels que le type ou la position d électrode EMG, est essentielle pour le pilotage des prothèses. Cependant les méthodes de décomposition existantes ne fournissent que l activité d un nombre limité de motoneurones. Cette information peut être considérée insuffisante pour en inférer l intention de l utilisateur. Dans ce travail, nous présentons une approche probabiliste qui utilise les modèles existants de la relation entre les activités des motoneurones et le mouvement. Nous comparons cette approche à une approche plus conventionnelle et montrons qu elle fournit de meilleurs résultats même quand elle est alimentée avec un nombre très bas de motoneurones décomposés. Pour évaluer sa performance dans un environnement contrôlé, nous avons développé un modèle physiologique de simulation d EMG et de contraction de muscle. De plus, une analyse sur les signaux expérimentaux a été réalisée. Modern prosthetic control can be significantly enhanced due to the use of EMG decomposition. This technique permits to extract the activity of motor neurons that control the movement, thus giving a direct representation of neural command. This activity, being unaltered by factors non-related to motion, such as type and position of EMG electrode, is of great interest in prosthetic control. Existing real-time decomposition methods, however, provide activities of a very limited number of motor neurons (up to ten). This can be considered insufficient for intent inference. In this work, we present a probabilistic approach to intent inference that uses existing models of relations between the behavior of motor neurons and the movement. We compare our approach with a conventional one presented in the literature and show that it produces significantly better results when provided with a small number of decomposed motor neurons. To assess its performance in a fully controlled environment, we have developed a physiology-based simulation model of EMG and muscle contraction. Moreover, the analysis was also performed using experimental recordings of muscle contractions. |
|---|---|
| Variantes de titre : | Probabilistic models based on EMG decomposition for prosthetic control |
| Notes : | Titre provenant de l'écran-titre Ecole(s) Doctorale(s) : École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes) Partenaire(s) de recherche : Laboratoire des Sciences du Numérique de Nantes (Laboratoire), Université Bretagne Loire (COMUE) Autre(s) contribution(s) : Yann Péréon (Président du jury) ; Dario Farina (Membre(s) du jury) ; Christine Servière, Frédéric Marin (Rapporteur(s)) |
| Configuration requise : | Configuration requise : un logiciel capable de lire un fichier au format : PDF |