1.4 Amélioration de la sélectivité des recueils ENG
1.4.5 Sélectivité spatiale
Comme nous l’avons vu à lasection 1.1, la disposition fasciculaire, au sein du tronc nerveux proche d’une bifurcation, correspond à celle des branches émergentes. Des méthodes visent à augmenter la sélectivité spatiale des électrodes extra-neurale pour permettre de discriminer les fascicules actifs, afin de déterminer l’activité de chaque branche nerveuse. En prenant comme exemple l’application présentée dans lasection 1.4.3, où une cuff est disposée sur chaque ramification, une telle sélectivité permettrait de limiter à une le nombre d’électrodes nécessaires.
Principe. Pour accroître la sélectivité spatiale d’un dispositif de recueil, il faut augmenter le nombre de points de mesure, c’est à dire le nombre de pôles de l’électrode. La sélectivité devient alors un problème de séparation de sources, pour lequel on sait qu’il faut au moins autant de points de mesure que ce qu’il y a de sources à séparer. Dans ce contexte, pour permettre d’accroître la sélectivité spatiale des électrodes extra-neurales, les cuff multipolaires comportant des pôles en segments d’anneaux (figure 1.27) ont été conçues ([SHT96]). Cette structure permet d’augmenter le nombre de contacts, donc le nombre de signaux mesurés. Deux structures différentes ont été proposées. Les pôles sont toujours utilisés par groupe de trois pour mettre en œuvre le prétraitement evoquésection 1.4.2. Ensuite, l’équipe du « Neural Engineering Center of the Biomedical Engineering Department », de « Case Western Reserve University », a développé l’électrodeFINE(comportant beaucoup plus de contacts) pour répondre à ce même objectif de mesure sélective.
Le deuxième levier pour augmenter la sélectivité des électrodes extraneurales est l’utilisation d’algorithmes de traitement du signal permettant de distinguer les différentes sources. Dans la littérature, les méthodes les plus abouties, s’appliquent aux mesures utilisant une électrode
1.4. Amélioration de la sélectivité des recueils ENG
FINE. Dans ce contexte, différentes méthodes de traitement hors ligne sont proposées, soit par séparation de sources aveugle [Tes+04,TD07] ou problème inverse [ZP09,Zar+11]. Mais, à l’heure actuelle, la méthode la plus avancée et la plus prometteuse pour distinguer l’activité fasciculaire à l’intérieur d’un nerf, s’applique sur l’électrodeFINE. Elle utilise un algorithme de traitement d’antenne, le beamforming [WD09,WD11] qui prend en compte la géométrie de l’électrode. Cette méthode permet de localiser des sources dans l’espace et d’en extraire le comportement. Elle a été validée à la fois en simulation et sur des signaux réels.
Signaux bruts. Un des premiers résultats est issu de l’expérimentation de J.J.Struijk ([SHT96]), où l’électrode cuff est placée sur le nerf sciatique juste avant la séparation entre le nerf tibial et le nerf péronier. Ces deux nerfs sont stimulés indépendamment et l’activité nerveuse se propageant dans le nerf sciatique est mesurée par les deux tripôles. Les PA évoqués sont mesurés et comparés. L’amplitude de stimulation augmente, recrutant un nombre de fibres toujours plus important. Cela permet de tester la mesure pour différents niveaux d’amplitude dePAévoqués. Il apparaît que chaque tripôle perçoit l’activité des deux fascicules. Mais l’un des tripôles (no1) apparaît plus sensible à l’activité du nerf tibial et l’autre (no2) plus sensible
à l’activité du nerf péronier. Cette différence de sensibilité s’explique par la distance relative entre fascicule et tripôle : le tripôle no1 est plus proche du nerf tibial et le tripôle no2 est
plus proche du nerf péronier. Cependant, même s’il est possible de distinguer l’activité de deux fascicules, les conclusions de cette étude précisent qu’il serait difficile de distinguer l’activité d’un nombre plus important de fascicules. Les deux configurations (figures 1.27(a)
et1.27(b)) ont été évaluées dans cette étude, mais cela n’a pas permis de mettre en évidence une nette différence en termes de sélectivité. Généralement, la structure utilisée est celle où les extrémités sont reliées ensemble (figure 1.27(b)).
Une première expérimentation utilisant aussi uneFINEcomportant 13 contacts [YD05] a été réalisée dans les mêmes conditions que [SHT96] dans le but de montrer une sélectivité plus importante. Le résultat de cette expérimentation est présenté à lafigure 1.28, où deux branches de nerf sont stimulées indépendamment. L’électrodeFINEétant placée sur le nerf à la jonction de ces deux branches. Cette figure expose les résultats des treize points de mesure pour lesPA évoqués des deux branches. Il apparait que l’activité de chacun des deux fascicules est perçue par tous les points de mesure. Cette figure montre que bien que, plusieurs mesures soient réalisées, il est difficile d’identifier a priori le fascicule actif, car il existe peu de différences entre les signaux mesurés, comme l’avait d’ailleurs montré [SHT96].
A noter que, dans cet exemple, les fascicules sont séparés de plus d’un millimètre, alors que plus les fascicules sont proches, plus il sera difficile de les distinguer. Cette étude expose aussi la différence de perception des fascicules en fonction de la distance les séparant. Enfin, il est proposé un indice de sélectivité permettant d’évaluer les performances de. Cette électrode, cette métrique sera utilisée plus tard dans notre étude.
Chapitre 1. État de l’art
FIGURE1.28 – Enregistrement tripolaire obtenu par expérimentation. Les signaux (trait plein et
pointillés) sont relatifs à deux branches différents (respectivement branche 1* et 2** ). Ils sont numérotés en fonction de leur position [YD05].
Application. Cette première expérimentation montre que ces signaux ne peuvent donc pas être utilisés tels quels. Cela illustre aussi l’utilité de l’ajout d’algorithmes de séparation de sources. Pour qu’ils soient utiles, il faut arriver à séparer les informations. Dans l’expérience de [WD11], uneFINE (comportant 16 contacts) est placée sur le nerf sciatique, proche des branches de division entre le nerf péronier et le nerf tibial. Une électrode de stimulation est placée sur chacun d’eux. Chaque nerf est stimulé indépendamment, ainsi, pour chaque stimu- lation, un signal est mesuré par chaque contact. Ces stimulations indépendantes, permettent dans un premier temps de présenter l’activité de chaque nerf (figures 1.29(b)et1.29(c)). En- suite, pour émuler une activité simultanée, les signaux du tibial et péronier sont sommés (représenté dans la figure 1.29(a)), puis l’algorithme est appliqué sur les signaux mixés. La séparation de sources réalisée par le traitement d’antenne est efficace car l’activité reconsti- tuéefigures 1.29(d)et1.29(e)correspond assez fidèlement à l’activité d’origine. De plus, cette approche est prometteuse car elle permet de localiser à l’intérieur d’un nerf deux fascicules actifs en même temps (cette localisation étant validée après histologie du nerf ) représentés dans lafigure 1.29(f ).
Cette même approche, utilisant des simulations d’un modèle à éléments finis d’un nerf humain, a permis de montrer qu’il est possible de distinguer jusqu’à cinq fascicules actifs en même temps, et que le flot d’information extrait par fascicules est de 2 à 6 bits par seconde, et peut très bien convenir pour la commande de bras robotisés. C’est l’approche la plus avancée de la littérature qui permet d’extraire l’activité de plusieurs nerfs en utilisant un seul implant.
1.4. Amélioration de la sélectivité des recueils ENG
(a)
(b) (c)
(d) (e)
(f )
Chapitre 1. État de l’art