Extraction of Electromyogram (EMG) characteristics for classification

Abstract

L’électromyographie est une technique qui permet d’enregistrer l’activité électrique des muscles soit par des électrodes de surface ou par des aiguilles concentriques. La technique non invasive sEMG reçoit une attention considérable dans différents domaines d’application tels que: biomécanique, réadaptation, contrôle des prothèses, développement d’un système de reconnaissance des gestes, sciences du sport… etc. Tandis que la technique invasive est utilisée pour diagnostiquer les maladies neuromusculaires comme la neuropathie et la myopathie. La nature aléatoire de ces signaux EMG complique l’interprétation. Alors dans ce cas, nous avons besoin des techniques avancées pour les détecter, les traiter, extraire les paramètres et les classifier. L’objectif de cette thèse de doctorat est d’extraire les caractéristiques les plus pertinentes du signal électromyogramme pour faciliter le diagnostic. Pendant la marche, l’intervalle d’activation musculaire, début et la fin et même l’intervalle d’activation musculaire sont des paramètres les plus utilisés pour étudier la fonction musculaire dans des cas sains et détecter les anomalies dans la démarche anormale, afin de détecter ces paramètres, en utilisant la transformée de Stockwell. Nous avons également développé deux approches de diagnostic automatique, l’une pour les lésions des tissus mous du genou i.e. ruptures du ligament croisé antérieur LCA et les déchirures du ménisque, en utilisant les signaux EMG de surface et goniométriques, et l’autre pour les maladies neuromusculaires i.e. la neuropathie et la myopathie, en utilisant électromyogramme intramusculaire. Ces signaux (sEMG/iEMG) ont été collectés et prétraités pour extraire les paramètres pertinents. Les paramètres pertinents ont été sélectionnés selon différentes méthodes de sélection, enfin la classification a été effectuée par un apprentissage supervisé.