• Aucun résultat trouvé

Méthode de détection du phénomène de flexion-relaxation basée sur les ondelettes dans le cas de douleurs lombaires

N/A
N/A
Protected

Academic year: 2021

Partager "Méthode de détection du phénomène de flexion-relaxation basée sur les ondelettes dans le cas de douleurs lombaires"

Copied!
1
0
0

Texte intégral

(1)

MÉTHODE DE DÉTECTION DU PHÉNOMÈNE DE FLEXION-RELAXATION

BASÉE SUR LES ONDELETTES DANS LE CAS DE DOULEURS LOMBAIRES

François NOUGAROU, Daniel MASSICOTTE et Martin DESCARREAUX

Département de Génie Électrique et Informatique, Université du Québec à Trois-Rivières C.P. 500, Trois-Rivières, Québec, Canada, G9A 5H7

Tel. : (819)-376-5011 (3918), Fax : (819)-376-5219, Web site: http://www.uqtr.ca/lssi Courriel: {Francois.Nougarou, Daniel.Massicotte, Martin Descarreaux}@uqtr.ca

Résumé—

Les douleurs lombaires sont l’une des affections musculo-squelettiques les plus souvent rencontrées : elles touchent de 60% à 80% de la population et restent chroniques pour 6% à 10% [1]. Afin de proposer un diagnostic précis et ainsi élaborer des plans de traitement efficaces, l’étude du phénomène de flexion-relaxation s’avère des plus intéressantes puisqu’elle peut aider à différencier les sujets sains des sujets lombalgiques [1]. La présente étude vise à proposer et à valider une méthode de détection précise et automatique des limites de flexion et d’extension, utile à l’étude de ce phénomène, à partir du signal EMG en se basant sur la transformation en ondelettes [2]. Cette transformée, qui consiste à décomposer le signal brute en sous-signaux d’échelles de fréquences différentes tout en conservant un forte précision temporelle, se montre efficaces notamment dans le cas de sujets lombalgiques plus difficiles à traiter.

P

HÉNOMÈNE DE

F

LEXION

-R

ELAXATION

Angle EMG et An gle Temps (ms)Silence musculaire chez les sujets sains

Peut rester actif en pésence de douleur lombaire

LIMITES

Signal EMG Électrode s Caméras

T1

T2

B

UT DE L

ÉTUDE

Déterminer

automatiquement les

limites (T1 et T2) du

phénomène de

flexion-relaxation avec la

meilleure précision

«

»

Intérêts

Améliorer la vitesse de traitementAméliorer la justesse de l’analyse

Éviter les erreurs et la variabilité dues au

marquage visuel

O

UTILS

: T

RANSFORMÉE EN

O

NDELETTES

Niveau 1 (fréquences élevées) Niveau 2

Niveau 3 (fréquences bases)

Onde mère Signal brut

Domaine Fréquentiel

Temps Temps Temps

Retour au domaine temporel

Contribution Niveau 2

Contribution Niveau 1 Contribution Niveau 3

 La somme redonne le signal brut

M

ÉTHODE DE

D

ÉTECTION DES

L

IMITES

P

ROPOSÉE

0 2 4 6 8 10 12 14 16 18 20 -1.5 -1 -0.5 0 0.5 1

Signal EMGBrut

Temps (s) A m p litu d e 0 50 100 150 200 250 300 350 400 450 500 50 100 150 200 Domaine fréquentiel Fréquence en Hz A m p litu d e avant filtrage après filtrage 0 2 4 6 8 10 12 14 16 18 20 -1.5 -1 -0.5 0 0.5 1 Domaine temporel Temps (s) A m p litu d e avant filtrage après filtrage 0 2 4 6 8 10 12 14 16 18 20 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 Temps (s) A m pl itud e Contribution du niveau 3 0 2 4 6 8 10 12 14 16 18 20 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 Temps (s) A m pl itud e Contribution du niveau 1 0 2 4 6 8 10 12 14 16 18 20 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 Temps (s) A m pl itud e Contribution du niveau 2 0 2 4 6 8 10 12 14 16 18 20 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 Temps (s) A m pl itud e Contribution du niveau 4 0 2 4 6 8 10 12 14 16 18 20 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 Temps (s) A m pl itud e Contribution du niveau 5 SIGNAL BRUT FILTRAGE

2

DÉCOMPOSITION EN ONDELETTES

3

 Le reste du traitement est effectué pour chaque niveau.

 Les composantes les moins significatives de chaque niveau sont rejetées.

CONSTRUCTION DE L’ENVELOPPE DU SIGNAL

4

1

2000 4000 6000 8000 10000 12000 -2 -1.5 -1 -0.5 0 0.5 1 1.5 Recherche Enveloppe A m pl itud e Échantillons A) 6500 7000 7500 8000 8500 9000 9500 10000 10500 11000 11500 -2 -1.5 -1 -0.5 0 0.5 1 1.5 Recherche Enveloppe Am pli tude Échantillons f1 f2 f3 f4 Point de départ Traitement à droite m1 m2 m3 m4 B) C) 4 6 8 10 12 14 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 Enveloppes obtenues Temps (s) A m pl itud e

DÉTERMINATION DES LIMITES

5

4 6 8 10 12 14 -0.2 0 0.2 0.4 0.6 0.8

Choix final de marquage

Temps (s) A m pl itud e ÉVALUATION

6

2 4 6 8 10 12 14 16 18 50 60 70 80 90 100

Portage des marqueurs sur l’angle du mouvement

Temps (s)

A

ng

le

Pour un même sujet les angles correspondant aux limites du phénomène de flexion-relaxation sont

reproductibles.

«

»

R

ÉSULTATS PRÉLIMINAIRES DE

S

IMULATION

T1 T2 Ɵg(T1,1) Ɵg(T1,2) Ɵg(T1,3) Ɵg(T1,4) Ɵg(T1,5) Ɵg(T2,1) Ɵg(T2,2) Ɵg(T2,3) Ɵg(T2,4) Ɵg(T2,5) T1 T2 Ɵd(T1,1) Ɵd(T1,2) Ɵd(T1,3) Ɵd(T1,4) Ɵd(T1,5) Ɵd(T2,1) Ɵd(T2,2) Ɵd(T2,3) Ɵd(T2,4) Ɵd(T2,5) Essais Pour un sujet et une séquence donnée Droite Gauche Données traités 20 5 4 4 Nombre d’essais par séquence Nombre de séquences par sujet Nombre de sujets traités Nombre d’essais par sujet Nombre d’électrodes 2 (droite et gauche L5) Les données traitées sont issues

d’un projet de maîtrise réalisé au laboratoire de Biomécanique de l’UQTR

»

«

Critère d’Évaluation P = 1/std(abs(Ɵg(T1,ess)-Ɵd(T1,ess))) F= 1/max(std(Ɵg(T1,ess),std(Ɵd(T1,ess))) Équations pour T1 mais pareils pour T2

Précision

Fiabilité

 pour tous les essais ess

Ɵ

Fonction de coût [3] à maximiser

en fonction de la méthode utilisée

J= P×F

Une fois calculée cette fonction est normalisée

Mise en valeur de l’utilisation des ondelettes pour l’analyse de signaux EMG

Comme le montre les résultats pour la recherche de T1, les ondelettes affinent la

détermination des limites du phénomène de flexion-relaxation,.

Pour un même sujet et pour des essais pris à des moment différents, ce sont les

mêmes ondelettes qui permettent de maximiser la fonction de coût.

Contribution et Résultats Importants

Cette étude devra être poursuivie auprès d’un

plus grand nombre de sujets pour confirmer les résultats.

C

ONCLUSION

Travaux Futurs

no Wave Level 1 Level 2 Level 3 Level 4 Level 5 Level 2:4 Level 1:5 0 0.5 1 1.5 2 2.5 3 3.5 4 A m pl itud e fon c ti on de c oû t, J

no Wave Level 1 Level 2 Level 3 Level 4 Level 5 Level 2:4 Level 1:5 0 0.5 1 1.5 2 2.5 3 3.5 4 A m pl itud e fon c ti on de c oû t, J

no Wave Level 1 Level 2 Level 3 Level 4 Level 5 Level 2:4 Level 1:5 0 0.5 1 1.5 2 2.5 3 3.5 4 A m pl itud e fon c ti on de c oû t, J

no Wave Level 1 Level 2 Level 3 Level 4 Level 5 Level 2:4 Level 1:5 0 0.5 1 1.5 2 2.5 3 3.5 4 Am pli tude f onc tion de c oût, J Sujet 1 Sujet 2 Sujet 3 Sujet 4

Courbes de résultats pour T1

R

ÉFÉRENCES

[1] K. Lalane, D. Lafond et M. Descarreaux, “Modulation of the Flexion-Relaxation Response by Spinal Manipulative therapy : A control Group Study,” Journal of Manipulative and Physiological

Therapeutics, vol. 32, no. 3, pp. 203-209, April 2009.

[2] X. Zhang, Y. Wang et R. P.S. Han, “Wavelet Transform Theory and its Application in EMG Signal Processing,” IEEE Seventh International Conference on Fuzzy and Knowledge Discovery, vol. 5, pp. 2234-2238, Août 2010.

[3] F. Nougarou et D. Massicotte, "Adaptive Duplicated Filters and Interference Canceller in DS-CDMA Mobile Satellite Communication System", SPACOMM 2009, Colmar, France, 4 pages, 20-25 Juillet 2009.

Poursuivre l’analyse par ondelettes dans le but

de catégoriser les patients lombalgiques.

Méthodes Méthodes Somme des 4 J par méthode Somme des 4 J par méthode Somme des 4 J par méthode Somme des 4 par méthode

Références

Documents relatifs

De plus, il a été identifié que l’augmentation du rapport cyclique de fonctionnement de la chauffe permet une augmentation de la température du gaz, mais, a contrario que

SURSRVHXQHDOWHUQDWLYHSURPHWWHXVHHWIDLWDFWXHOOHPHQWO REMHWGHQRPEUHX[ WUDYDX[/DFDUDFWpULVWLTXHSULQFLSDOHGHFHWWHPpWKRGHHVWGHUHSUpVHQWHUODILVVXUH LQGpSHQGDPPHQW GX PDLOODJH HQ

En accord avec les propriétés des composés observées en termes de taille et de caractère hydrophobe proche des hydrophobines, les fractions giclantes et non giclantes obtenues

Pour répondre à l’objectif de cette recherche, la méthode doit non seulement détecter les métaphores mais aussi déterminer les systèmes référentiels mis en jeu, ce qui nous

A fundamental difficulty of multi-armed bandit problems is called the Exploration-Exploitation trade-off. Namely, at each time step, the learning agent must decide what arm to pull,

crescentus SpoT also binds other small molecules than BCAAs and /or rRNA, we show here that the ACT domain interacts with the regulatory protein (EIIA Ntr ) to modulate its

C'est le cas du Corpus arboré du français (A. Il existe très peu de corpus lemmatisés du français moderne, comme de la plupart des langues vivantes, et la plupart

Le coût calculatoire d’une recherche de contour par la méthode proposée correspond donc au coût fixe du calcul de H auquel il faut ajouter le coût d’une convolution et enfin le