Développement et réalisation d'un dispositif de mesure du signal électromyogramme EMG : analyse et traitement en vue de l'évaluation de la fatigue musculaire

Abstract

La présente thèse s’inscrit dans le domaine du génie biomédical et porte sur la prédic tion de la force musculaire et la détection des phases locales de fatigue à partir du signal électromyographique de surface (sEMG). Un système matériel dédié a été développé pour l’acquisition synchrone du signal sEMG (1600 Hz) et de la force musculaire (80 Hz) à l’aide d’un amplificateur AD620, d’un module HX711 et d’une carte Arduino/ESP32, assurant une mesure fiable et reproductible. Sur le plan algorithmique, plusieurs modèles de régression ont été comparés à des approches de classification traditionnelles afin d’évaluer la capacité des modèles à suivre les variations continues de la force et à détecter les transitions entre les trois phases de fatigue (non fatiguée, transition, fatiguée). Dix modèles de régression ont été testés (MLR, Ridge, Lasso, ElasticNet, PCR, PLS, SVR, Random Forest, Gradient Boosting et ANN), avec une validation Leave-One-Subject-Out (LOSO) pour garantir la généralisabilité inter sujets. Une optimisation originale basée sur la minimisation des mismatches (désaccords entre la phase réelle et la phase prédite) a été proposée, en remplacement de l’optimisation classique par corrélation. Cette approche a permis une amélioration significative de la détection des phases de fatigue, confirmant la supériorité des modèles de régression sur les modèles de classification pour ce type d’application biomédicale.