Développement d'une méthode de décomposition des mouvements du membre supérieur pour l'optimisation des séances de réadaptation

Les troubles neuromusculaires engendrent des déficits fonctionnels pour les patients, tout particulièrement dans la vie quotidienne où de simples gestes comme s'alimenter ou attraper des objets peuvent s'avérer compliqués. Les thérapies de réadaptation permettent de réduire ces déficits fonctionnels afin de faciliter la vie quotidienne des patients. Les nouvelles technologies de réalité virtuelle, combinées avec les thérapies conventionnelles, sont de plus en plus utilisées lors de ces thérapies. Si l'utilité de ces nouvelles modalités a déjà été démontrée, l'une des problématiques restantes est d'optimiser leur utilisation lors des sessions de thérapies, notamment en personnalisant les thérapies avec le bon défi, les bons jeux et le travail des bons mouvements pour chaque patient en fonction de ses possibilités et du plan prévu de thérapie. Cependant, les mouvements effectués naturellement lors de ces sessions sont complexes, c'est-à-dire que ces derniers mobilisent plusieurs articulations. Il est donc nécessaire de parvenir à décomposer les mouvements des patients en composantes de mouvements simples, c'est-à-dire n'impliquant qu'une seule articulation, afin d'analyser les mouvements et confirmer les objectifs thérapeutiques de chaque session. L'objectif de cette étude est de développer une solution algorithmique permettant de décomposer les mouvements complexes multidimensionnels des membres supérieurs en composantes de mouvements simples à un seul degré de liberté. Cet objectif peut-être divisé en trois sous-objectifs qui sont la conception d'un algorithme de décomposition de mouvements complexes, l'évaluation de ses performances sur des gestes fonctionnels, puis son application sur des jeux de réalité virtuelle de réadaptation. Des données cinématiques (IMU) et électromyographiques (EMG) lors de mouvements simples ont été mesurées chez 18 sujets adultes typiquement développés à l'aide de dix capteurs sans fil EMG-IMU afin de constituer une base de données. Des données EMG et IMU ont également été récoltées lors de l'exécution de gestes fonctionnels et de jeux de réalité virtuelle de réadaptation. Sept caractéristiques ont été extraites des signaux EMG des mouvements simples, et neuf caractéristiques pour les signaux IMU. Ces caractéristiques ont été utilisées pour entraîner des réseaux de neurones de longue mémoire à court terme. Les mouvements complexes ont été décomposés en 14 classes de mouvements sur quatre articulations (main, poignet, coude et épaule) suivant une stratégie de classification en parallèle, à l'aide de huit réseaux de neurones classifiant chacun un degré de liberté. Parmi les résultats, la précision moyenne des réseaux de neurones sur des données tests est de 98.2% ± 0.3%. L'application de cette solution algorithmique aux gestes fonctionnels donne des résultats cohérents avec les gestes effectués et les observations visuelles pendant les prises de mesure. Les résultats sur les jeux de réalité virtuelle permettent également d'analyser la conception de ces jeux de réadaptation et d'identifier les facteurs influençant les mouvements effectués pour permettre une meilleure précision des séances de réadaptation motrice. Les résultats de cette maîtrise montrent le potentiel d'une méthode de décomposition des mouvements complexes pour améliorer la précision de la réadaptation motrice utilisant des dispositifs de réalité virtuelle de réadaptation et l'efficacité des séances de réadaptation. Il reste à développer une base de données de patients suivis en réadaptation afin de valider cette méthode sur ceux-ci. Comme perspective, cette méthode pourra également être appliquée en amont de la commercialisation des dispositifs de réalité virtuelle de réadaptation afin d'aider et d'évaluer la conception des jeux sérieux de réadaptation ciblant des mouvements spécifiques.