Estimation des forces musculaires du membre supérieur humain par optimisation dynamique en utilisant une méthode directe de tir multiple

Abstract

La modélisation musculo-squelettique permet d’estimer les forces internes du corps humain, à savoir, les forces musculaires et articulaires. Ces estimations sont nécessaires pour comprendre l’anatomie fonctionnelle, les mécanismes de blessures ou encore de concevoir des aides techniques à la motricité. Le défi est d’utiliser l’ensemble des données biomécaniques existantes pour prédire des forces internes qui tiennent compte des stratégies neuro-musculo-squelettiques propres à chacun. L’objectif de cette thèse était d’estimer les forces musculaires du membre supérieur humain par optimisation dynamique, en proposant une méthode innovante de suivi simultané des données électromyographiques (EMG) et cinématiques. À cet égard, nos quatre objectifs spécifiques étaient de : (1) résoudre ce problème d’optimisation dynamique en utilisant une méthode directe de tir multiple ; (2) déterminer sa pertinence et sa performance par rapport aux autres algorithmes existants ; (3) valider son applicabilité à des données expérimentales ; et (4) caractériser des techniques d’identification (numériques et expérimentales) des propriétés musculaires, notamment à l’aide d’un ergomètre isocinétique. Nos différentes études ont permis d’établir que, en un temps de calcul raisonnable (~ 1 heure), notre nouvelle méthode de suivi simultané en optimisation dynamique est à-même de reproduire la cinématique attendue avec une précision de l’ordre de 5°. En outre, l'erreur quadratique moyenne sur les forces musculaires a été réduite d’au moins cinq fois avec notre nouvelle méthode, comparativement aux optimisations statique, hybride et dynamique reposant sur des fonctions-objectif de moindres-activations/excitations (erreur sur les forces musculaires de 18,45 ± 12,60 N avec notre nouvelle méthode contre 85,10 ± 116,40 N avec une optimisation hybride faisant le suivi des moments articulaires). Notre algorithme a également montré son efficacité lors de l’identification des propriétés musculaires d’un modèle musculo-squelettique générique : ce faisant, des excitations musculaires avec deux fois moins d’erreurs vis-à-vis de l’EMG expérimental ont été obtenues, comparativement à l’optimisation statique. Finalement, en termes de calibration du modèle musculo-squelettique, nous avons pu établir que la mesure expérimentale du moment articulaire à l’épaule au moyen de l’ergomètre isocinétique est inadéquate, en particulier lors de mouvements de rotation interne/externe de l’épaule. En effet, les composantes en flexion et abduction du moment à l’épaule mesurées par l’ergomètre isocinétique sont significativement sous-estimées (jusqu'à 94,9% par rapport au moment résultant calculé à partir des efforts tridimensionnels à la main et au coude, mesurés par des capteurs de force six axes). Par conséquent, cette thèse a mis en évidence l’importance du suivi simultané de l’EMG et de la cinématique en optimisation dynamique, afin de rendre fiables les estimations de forces musculaires du membre supérieur – notamment, dans les cas de forte co-contraction musculaire. Elle également a permis d’établir des recommandations qui serviront lors de la calibration du modèle à partir de l’ergomètre isocinétique. Notre méthode innovante pourra être appliquée à des populations pathologiques, afin de comprendre la pathomécanique et mieux intervenir auprès des professionnels de la santé et de leurs patients.

Musculoskeletal modeling is used to estimate the internal forces of the human body, namely, muscle and joint forces. These estimates are necessary to understand functional anatomy and pathogenesis or to design technical devices supporting the movement. The challenge is to use all existing biomechanical data to predict internal forces that account for the neuro-musculoskeletal strategies of each individual. The purpose of this thesis was to estimate the human upper-limb muscles forces using forward dynamic optimisation. To do so, we proposed an innovative method tracking both electromyographic (EMG) and kinematic data directly into the optimisation objective-function. In this regard, our four specific objectives were: (1) solving the forward-dynamic optimisation problem using a direct multiple shooting method; (2) determining its relevance and performance compared to other existing algorithms in the literature; (3) validating its applicability to experimental data; and (4) characterizing techniques to identify the model muscle properties using the isokinetic dynamometer. In our different studies, we have demonstrated that, in a reasonable computation time (~ 1 hour), our new dynamic-optimisation method is able to predict the joint kinematics with an accuracy of about 5°. In addition, the muscle forces root-mean-square error was reduced by at least five times with our new method compared to static, hybrid, and dynamic optimisations based on least-activations/excitations objective-functions (muscle forces error of 18.45 ± 12.60 N with our new method vs. 85.10 ± 116.40 N with a traditional hybrid optimisation tracking the joint torques). Our new algorithm also proved to be efficient in identifying the muscle properties of a generic musculoskeletal model: in doing so, the error between the optimised muscle excitations and the experimental EMG was two time lower than the one obtained with static optimisation. Finally, regarding the calibration of the musculoskeletal model, we established that the experimental joint torque measurement at the shoulder using the isokinetic dynamometer was not suitable, especially during internal/external rotation movements of the shoulder. In fact, the flexion and abduction components of the shoulder torque measured by the isokinetic dynamometer are significantly underestimated (up to 94.9% compared to the resulting torque calculated from the three-dimensional forces at the hand and at the elbow, measured by six-axis force sensors). Therefore, this thesis has emphasized the importance of tracking both EMG and kinematics in dynamic optimisation, in order to make reliable estimations of the upper-limb muscle forces – specifically when high co-contraction occurs. Besides, recommendations were issued about calibrating the musculoskeletal model from the experimental torques measured with the isokinetic dynamometer. It will be possible to apply our innovative forward-dynamic optimisation method to pathological populations to increase understanding of the pathomechanics of human movement and better assist health professionals and their patients.