Rééducation motrice assistée par interface cerveau machine pour les déficiences neurologiques

Assistive Motor Reeducation via Brain Computer Interface for Neurological Deficiencies

• Auteur / Autrice : Juan Carlos Arceo Luzanilla
• Direction : Jimmy Lauber, Emilie Simoneau, Sylvain Cremoux
• Type : Thèse de doctorat
• Discipline(s) : Automatique
• Date : Soutenance le 23/04/2021
• Etablissement(s) : Valenciennes, Université Polytechnique Hauts-de-France
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur (Lille)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'automatique, de mécanique et d'informatique industrielles et humaines (Valenciennes, Nord ; 1994-...)
• Partenaire(s) de recherche : établissement délivrant conjointement le doctorat : Institut national des sciences appliquées Hauts-de-France (Valenciennes, Nord ; 2019-....)
• Jury : Président / Présidente : Kevin Guelton
• Jury : Examinateurs / Examinatrices : Jimmy Lauber, Emilie Simoneau, Sylvain Cremoux, Dalil Ichalal, Samer Mohammed
• Jury : Rapporteurs / Rapporteuses : Dalil Ichalal, Samer Mohammed

Mots clés

Mots clés contrôlés

Interfaces neuronales directes

Modèles mathématiques

Rééducation motrice

Mots clés libres

Rééducation motrice

Robot parallèle

Interface cerveau machine

Equations différentielles-algébriques

Modélisation et contrôle de systèmes singuliers non linéaires

Estimation de la force par électromyographie

Induction de plasticité neuronale

Motor reeducation

Parallel robot

Brain computer interface

Differentialalgebraic equations

Modeling and control of nonlinear singular systems

Force estimation via electromyography

Neural plasticity induction

Résumé

L’AVC est l’une des principales causes d’invalidité à long terme et de décès dans le monde, il existe plusieurs facteurs ou indicateurs qui pourraient influencer la souffrance de l’AVC tels que le vieillissement, le tabagisme, la consommation d’alcool, le cholest´erol, le stress psychologique auto-perçu, l’alimentation, l’exercice, le récent virus COVID-19, entre autres causes. Les soins post-AVC représentent l’un des plus gros fardeaux pour les systèmes de santé, le coût total de l’AVC dans l’Union européenne était estimé à plus de 38 milliards d’euros par an en 2006. Cette thèse porte sur le développement d’une interface cerveau-ordinateur hybride capable de coupler des données électrophysiologiques (signaux d’électroencéphalographie et d’électromyographie) et des informations biomécaniques du sujet (force et moment) pour produire une rééducation personnalisée de la cheville via un ergomètre motorisé, développé au LAMIH, nommé comme le motoBOTTE. Le travail présenté dans ce manuscrit a été divisé en deux thèmes principaux: 1) la modélisation et le contrôle du dispositif de rééducation pour suivre des trajectoires prédéfinies et 2) la prise en compte de l’interaction humaine avec le système, ceci en employant des modèles de suivi de la cheville humaine et de création dynamique trajectoires à suivre par le robot d’assistance. La première partie consiste à obtenir différents modèles mathématiques du dispositif de rééducation (chapitre 2), qui est un robot parallèle; puis, `a l’aide de ces modèles, différents contrôleurs sont conçus et implémentés en temps réel pour suivre des trajectoires prédéfinies (chapitres 3 et 4). Dans ce contexte, deux modèles ont été développés, un premier est obtenu via une approche boîte noire et le second utilisant une variante de l’approche Euler-Lagrange pour les robots parallèles. La deuxième partie traite du problème de la prise en compte d’un humain en interaction avec des systèmes d’assistance robotique. Une première proposition est d’introduire un modèle mathématique (chapitre 5) afin d’estimer l’estimation de la force de la cheville via des signaux EMG en temps réel. La deuxième proposition concerne les signaux EEG pour déclencher le mouvement du robot via l’imaginaire moteur, qui a été appliqué à la conception d’un exosquelette de poignet imprimé en 3D à faible coût (chapitre 6).

Stroke is one of the leading causes of long-term disability and death worldwide. There are several factors or indicators that might influence the probability of suffering of stroke such as aging, smoking, alcohol intake, cholesterol, self-perceived psychological stress, diet, physical inactivity, the recent COVID-19 virus, among other causes. Post-stroke care represents one of the biggest burdens to health care systems, the total cost of stroke in the European Union was estimated to be over e 38 billion per year in 2006. There are many strategies that can be used to improve motor function recovery in post-stroke rehabilitation such as functional electrical stimulation, transcranial magnetic stimulation, standing balance, strength training, constrained induced movement, mental practice with motor imaginary and robot assisted therapy. This thesis focuses on the development of an hybrid brain computer interface capable of coupling electrophysiological data (electroencephalography and electromyography signals) and biomechanical information of the subject (force and moment produced by the ankle muscles) to produce a personalized ankle rehabilitation via a motorized ergometer known as the motoBOTTE. This work has been divided in two main topics : 1) modeling and control of the rehabilitation device for tracking predefined trajectories and 2) consider the human interaction with the system, this by employing models for monitoring the human ankle and create dynamical trajectories to be followed by the robot. The first part consists in obtaining different mathematical models of the rehabilitation device (chapter 2), which is a parallel robot; then, using these models different controllers are designed and implemented in real-time for tracking predefined trajectories (chapters 3 and 4). In this context, two models have been developed, a first one is obtained via a black-box approach and the second using a variant of the Euler-Lagrange approach for parallel robots. The second part deals with the problem of considering a human interacting with robotic assistive systems. A first proposal is to introduce a mathematical model (chapter 5) in order to estimate ankle force estimation via EMG signals in real-time. The second proposal is to EEG signals for triggering the robot movement via motor imaginary, which has been applied to the design of a low-cost 3D printed exoskeleton (chapter 6). Finally, some perspectives of this work are provided by the end of this manuscript (Chapter 7).