Par conséquent, nous proposons d’utiliser sept groupes de spots pour caractériser l’activité musculaire de l’avant-bras pendant les AVQ simulées, afin de réduire considérablement le nombre de spots à enregistrer, et de maintenir la cohérence musculaire-anatomique. Les signaux de ces sept spots seraient liés à sept mouvements différents : (groupe 1) flexion du poignet et déviation ulnaire ; (groupe 2) flexion du poignet et déviation radiale ; (groupe 3) flexion des doigts ; (groupe 4) extension du pouce et abduction/adduction ; (groupe 5) extension des doigts ; (groupe 6) extension du poignet et déviation ulnaire ; et (groupe 7) extension du poignet et déviation radiale.

Lors de l’évaluation de la fonction musculaire en rééducation, certains spots peuvent être indisponibles en raison de l’utilisation simultanée d’autres équipements, tels que des capteurs pour la mesure de la cinématique. Lors du choix des spots représentatifs de chaque groupe à enregistrer parmi ceux qui sont disponibles, il faut tenir compte du pourcentage d’activité musculaire mesuré (Fig. 7). La sélection des endroits où le pourcentage d’activité musculaire est le plus élevé peut être plus fiable, car, à ces endroits, les muscles enregistrés peuvent être plus superficiels ou la zone musculaire enregistrée peut être plus centrée. En particulier, les points présentant un très faible niveau d’activité musculaire doivent être évités, comme les points 18 et 28. La plus grande activité musculaire a été observée dans la partie la plus distale de l’avant-bras (Fig. 7). Cependant, des spots plus proximaux pourraient être choisis, en fonction de la disponibilité, à l’exception du groupe 4, qui est composé de deux spots placés dans la partie la plus distale de l’avant-bras.

L’ACPF est l’une des techniques d’analyse multivariée les plus populaires pour extraire des informations des données fonctionnelles, en réduisant les dimensions d’un ensemble de données dans lequel il y a un grand nombre de variables interreliées, tout en conservant autant de la variation totale que possible . Alors que la FPCA permet de réduire les dimensions, les scores vectoriels de la FPCA peuvent être utilisés pour regrouper différentes fonctions/composants à l’aide de méthodes de regroupement standard. Le clustering est l’une des techniques les plus fréquemment utilisées pour partitionner un ensemble de données en sous-groupes qui contiennent des instances similaires les unes aux autres tout en étant clairement dissemblables de celles des autres groupes. Dans un contexte fonctionnel, le clustering permet d’identifier des courbes représentatives et des individus qui sont très probablement impliqués dans des processus identiques ou similaires. D’autres méthodes rapportées dans la littérature et utilisées pour l’identification des tâches dans le contrôle des prothèses sont basées sur la segmentation des signaux EMG en une série de fenêtres, dans lesquelles certains ensembles de caractéristiques du domaine temporel couramment utilisés (tels que la valeur absolue moyenne ou les passages à zéro) sont extraits et utilisés pour la classification des mouvements. Notre méthode est similaire, mais appliquée à l’ensemble du signal pour toutes les tâches et tous les sujets, et en extrayant de l’ACPF les caractéristiques du signal qui détient la plus grande partie de la variation totale possible et en les utilisant pour la classification musculaire.

Les enregistrements EMG ont été effectués avec un dispositif sEMG à 8 canaux, qui a nécessité la répétition des mêmes activités pour chaque sujet dans cinq sessions différentes pour permettre la mesure du nombre élevé de spots choisis. Bien que l’erreur de reproductibilité ait été vérifiée comme étant faible pour le spot 30 entre les sessions, l’utilisation de l’EMG de surface à haute densité pourrait être envisagée dans des travaux à venir.

L’étude actuelle a été limitée à six sujets sains et valides, et les résultats pourraient être vérifiés dans des études ultérieures avec un nombre plus élevé de sujets et incluant des sujets déficients. Cependant, les groupements musculaires obtenus dans cette étude peuvent être utilisés comme une première approximation, et peuvent servir de guide pour une validation future pour des sujets ayant des déficiences de la main ou amputés.

Comme travail futur, des études pourraient être menées pour relier l’EMG à la cinématique pendant l’exécution des AVQ, en utilisant ces sept spots comme représentatifs de l’activité musculaire de l’avant-bras dans les AVQ. Une étape supplémentaire serait d’évaluer la cinématique et les synergies musculaires pendant des tâches fonctionnelles spécifiques.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.