Modélisation neuronale de la coordination motrice humaine inspirée de signaux biologiques et visant des allures de marche parkinsoniennes

Neural modeling of human motor coordination inspired by biological signals aiming for parkinsonian gaits

• Auteur / Autrice : Andrii Shachykov
• Direction : Patrick Hénaff, Oleksandr Schulyak
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 17/12/2019
• Etablissement(s) : Université de Lorraine en cotutelle avec Institut polytechnique de Kyiv (Ukraine)
• Ecole(s) doctorale(s) : École doctorale IAEM Lorraine - Informatique, Automatique, Électronique - Électrotechnique, Mathématiques de Lorraine (1992-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire lorrain de recherche en informatique et ses applications
• Jury : Président / Présidente : Yannick Aoustin
• Jury : Examinateurs / Examinatrices : Patrick Hénaff, Oleksandr Schulyak, Tetiana Aksenova, Anton Popov, Julien Frère, Christine Azevedo
• Jury : Rapporteurs / Rapporteuses : Yannick Aoustin, Tetiana Aksenova

Mots clés

Mots clés contrôlés

Transmission neuromusculaire

Troubles de la locomotion

Maladie de Parkinson

Traitement du signal

Neurones

Simulation par ordinateur

Marche (locomotion)

Mots clés libres

Modélisation

Central Pattern Generator

Traitement du signal

Modeling

Central Pattern Generator

Signal analysis

Résumé

Cette thèse présente une plate-forme de simulation neuro-musculo-squelettique du système locomoteur humain pour reproduire des allures de marche saines ou altérées par la maladie de Parkinson, ou par d’autres troubles locomoteurs. Le premier chapitre s’intéresse aux grands principes du système locomoteur en se focalisant sur les structures neuronales du cerveau qui sont le siège des troubles parkinsoniens. La transmission à la moelle épinière des signaux de contrôle de l'activité musculaire au travers de plusieurs boucles fermées est décrite. Différents modèles neuronaux des troubles parkinsoniens issus de la littérature sont présentés. Le second chapitre présente le contrôleur neuronal implémenté dans la plate-forme. Il utilise un modèle original de «central pattern generators» (CPG) inspiré du réseau locomoteur spinal. Ce CPG peut générer des signaux rythmiques variables selon ses paramètres neuronaux contrôlés par des signaux descendants du cerveau. Les signaux des motoneurones du CPG sont appliqués en tant qu'excitation au modèle de muscles flexeur/extenseur. Le chapitre trois présente les simulateurs musculo-squelettiques GAIT2DE et OpenSim utilisés ainsi que les modifications apportées pour simuler, en boucle fermée, le système locomoteur marchant sur le sol et les retours proprioceptifs et extéroceptifs exploités par les CPGs. Le chapitre quatre concerne l'analyse du cycle de la marche et l'optimisation des paramètres du contrôleur. Le cycle de marche permet de comparer des données de simulation avec des paramètres de marche réelle, et d’optimiser le contrôleur à partir d'une analyse comparative utilisant la corrélation croisée. Le chapitre cinq présente les résultats obtenus avec les deux simulateurs en intégrant une circuiterie complète à base des CPGs et d’un réflexe du contrôle d’équilibre. Les résultats montrent qu’on peut générer différentes démarches plus ou moins coordonnées selon les paramètres neuronaux reproduisant ainsi les allures observées pour la maladie de Parkinson ou d’autres troubles connus en médecine. Le dernier chapitre conclu et propose certaines améliorations de la plate-forme dans son ensemble pour simuler des démarches dues à d’autres maladies neurodégénératives ou à l’impact de prothèses ou suite à des interventions chirurgicales.

My thesis aims to simulate the impact of motor disorders on the human gait to help non-invasive diagnosis of neurodegenerative diseases such as Parkinson's disease. Indeed, the simulation of the human locomotor system helps to deepen our understanding of the functioning of the human body by providing biological, biomechanical and kinematic data that would be difficult to collect otherwise and by helping to evaluate the coordination of a patient's movements to predict its condition after surgery. The goal of my thesis is, more specifically, to create a new platform for neuro-musculoskeletal simulation of the human locomotor system to reproduce healthy or altered walking gaits by Parkinson's disease or by disorders of the musculoskeletal system or locomotor disorders. The work presented includes several matters. Firstly, the main principles of the nervous system that control human locomotion are reviewed, by focusing on neural structures located in the brain and which are the sources of parkinsonian disorders. The neural controller of the simulation platform is based on an original model of central pattern generator (CPG) inspired by the spinal locomotor network and developed at LORIA in recent years. The musculoskeletal simulators are used in this thesis to obtain a closed-loop physical simulation of the locomotor system walking on the ground and whose proprioceptive and exteroceptive sensory feedback is used by the CPGs. The musculoskeletal simulator GAIT2DE was used with the OpenSim simulator which is more realistic and more used in Biomechanics field. The simulated gait analysis and controller parameter optimization are concerned followed by the results obtained with the simulators. These results show that it is possible to generate different walking patterns that are relatively stable and coordinated by modifying the neuronal parameters of GPCs. The simulation platform will allow to simulate abnormal gait due to different causes such as neurodegenerative diseases or the impact of the addition of artificial limbs (prostheses) and surgical interventions.