REMAID

Diverses activités sont proposées telles que la kinésithérapie, l’ergothérapie et l’activité physique adaptée mais également les approches basées sur les technologies d’assistance (p. ex., entrainement par robotique ou par stimulation électrique fonctionnelle). Ces technologies d’assistance sont recommandées par la Haute Autorité de Santé en complément des traitements conventionnels. Toutefois le coût important de ces technologies d’assistance limite leur diffusion au sein des services de rééducation. Le département SHV du LAMIH a récemment développé et breveté un ergomètre motorisé ayant un coût de production raisonnable. De faible encombrement, cet outil de mesure et de rééducation est transportable jusqu’au lit du patient et permet une prise en charge rééducative très précoce. Cet outil de rééducation a été récemment couplé à une Interface Cerveau Machine (ICM) afin de mobiliser les articulations altérées à partir de l’activation cérébrale uniquement. Les ICM sont des outils technologiques permettant de traiter l’activité électrique cérébrale (EEG) afin d’identifier une activité spécifique comme, p. ex., les activités cérébrales associées à la motricité volontaire. L’idée principale est de pouvoir discriminer l’intention motrice, i.e., avant que l’action motrice ne soit effectivement réalisée. Afin d’améliorer l’efficacité des ICM rééducatives, de nombreux travaux ont été menées pour distinguer les paramètres moteurs du mouvement à venir (p. ex., force, vitesse d’exécution et direction du mouvement à venir) directement à partir des signaux EEG. Ce travail cherche à développer une ICM hybride couplant les données électrophysiologiques (EEG, EMG) et biomécaniques (moment de force, cinématique) afin de générer un mouvement rééducatif personnalisé. L’intention motrice sera détectée à partir des signaux EEG afin d’initier le mouvement dans le timing temporel adéquat. Au cours de la phase d’exécution, le mouvement sera corrigé en utilisant les signaux de contrôle EMG et moment de force. D’un point de vue technique, ces contraintes seront résolues en développant des lois de commande rapides pouvant agir dans un mode prédictif à partir d’une consigne partiellement identifiée, avec une éventuelle reconfiguration en fonction des besoins. En fonction de la complexité du modèle utilisé, il est également prévu d’utiliser des méthodes de décomposition ou d’utiliser des outils issus des systèmes non-linéaires tels que les modèles Takagi-Sugeno. Ce travail aura donc pour double objectif  de valider les meilleurs algorithmes permettant d’extraire les consignes des signaux électrophysiologiques et biomécaniques et de construire les lois de commande permettant de générer le mouvement rééducatif personnalisé.