New methods able to assess the individual ability of patients to generate motion and adaptation strategies are increasingly required for clinical applications aiming at recovering motor functions. Indeed, more effective rehabilitation treatments are designed to be personalized on the subject capabilities. In this context, neuromusculoskeletal (NMS) models represent a valuable tool, as they can provide important information about the unique anatomical, neurological, and functional characteristics of different subjects, through the computation of human internal variables, such as muscle activations, muscle forces, joint contact forces and moments. A first possible approach is to estimate these values using optimization-based NMS models. However, these models require to make assumptions on how the muscles contribute to the observed movement. More promising are instead NMS models driven by electromyographic signals (EMG), which use experimentally recorded signals that can be considered a direct representation of the subject motor intentions. This allows to account for the actual differences in an individual neuromuscular control system, without making any preliminary assumptions. Therefore these models have the potentialities to provide the level of personalization that is essential for applications in the clinical field. Although EMG-driven NMS models have been investigated in the literature, even for clinical purposes, they are mostly limited to one degree of freedom (DOF), and consider only the muscles spanning that DOF. Additionally, despite the promising results, they are still not introduced in the clinical practice; the main reason possibly being their complexity, that makes them not usable in clinical context, where standard and reliable procedures are required. The importance of EMG-driven NMS modeling for clinical applications would be even higher with the availability of multi-DOF models, as impairments usually compromise multiple joints. Nevertheless, even if a first multi-DOF EMG-driven NMS model for the lower limbs has been recently introduced in literature, its even greater complexity makes more difficult an analysis of its applicability in the clinical field. This work represents a first effort towards a critical analysis of multi-DOF EMG-driven NMS models to evaluate their possible use in clinical practice. To achieve this objective, several issues and limitations have been addressed. In the specific, the attention has been focused on two aspects: (i) making the methodology usable, to foster its adoption by multiple laboratories and research groups, and to facilitate sensitivity analyses required to assess its accuracy; (ii) highlighting the effects of some methodological aspects related to data acquisition and processing, and evaluating their impact on the accuracy of estimated parameters and muscle forces. This analysis is even more important for multi-DOF EMG-driven NMS model as it is still not present in the literature. To accomplish the first goal, a software tool (MOtoNMS) has been developed and it is freely available for the research community. It is a complete, flexible, and user-friendly tool that allows to automatically process experimental motion data from different laboratories in a transparent and repeatable way, for their subsequent use with neuromusculoskeletal modeling software. MOtoNMS generalizes data processing methods across laboratories, and simplifies and speeds up the demanding data elaboration workflow. This simplification represents an indispensable step towards an actual translation of NMS methods in clinical practice. The second part of the work has been, instead, dedicated to analyze the impact on model parameters and muscle forces prediction of different techniques for EMG data collection and processing that are feasible for clinical settings, in particular concentrating on EMGs normalization. Indeed, moving EMG-driven NMS modeling towards clinical applications that deal with multiple DOFs requires to carefully consider subject's motor limitations due to his/her mobility impairments. This results in a rethinking about the methodologies for data acquisition and processing. Therefore, the impact of using only data from walking trials on both calibration of model parameters and computing the maximum EMG values needed for the normalization step, has been assessed with two case studies. Moreover, a protocol for the collection of maximum voluntary contractions has been proposed. This protocol is suitable for multiple DOFs applications involving patients with reduced motor ability and it requires only low-cost and easy to acquire tools to make it applicable in any laboratory. The research proposed in this thesis provides tools to simplify the use of multi-DOF EMG-driven neuromusculoskeletal models and proposes analyses and procedures to evaluate the accuracy and reliability of the obtained results with the aim of pursuing clinical applications.

Le applicazioni cliniche in ambito riabilitativo sono sempre più alla ricerca di strumenti che permettano di valutare la capacità individuale del paziente di generare il movimento ed eventuali meccanismi di compensazione, questo al fine di sviluppare delle strategie di intervento che risultino personalizzate e quindi più efficaci. In questo contesto, gli strumenti prodotti dalla ricerca sulla modellazione neuromuscoloscheletrica (NMS) sono di particolare interesse perché riescono a dedurre le caratteristiche anatomiche, neurologiche e funzionali specifiche di un soggetto, attraverso la stima di variabili dinamiche interne come le attivazioni e le forze muscolari, e le forze di contatto e i momenti ai giunti. Queste quantità possono essere stimate utilizzando modelli neuromuscoloscheletrici basati su tecniche di ottimizzazione, ma a patto di fare assunzioni a priori su come i muscoli contribuiscono al movimento che viene osservato. Più promettente è invece l'approccio della modellazione neuromuscoloscheletrica guidata dai segnali elettromiografici (EMG), che fa invece uso di segnali raccolti sperimentalmente che sono una diretta rappresentazione delle intenzioni motorie del soggetto. Questo permette di evitare assunzioni e di riuscire invece ad individuare le differenze nel comportamento del sistema neuromuscolare in diversi soggetti. Questa caratteristica li rende pertanto più adatti ad applicazioni in campo clinico, perché potenzialmente più adatte a fornire un maggior livello di personalizzazione. La letteratura presenta diversi studi, anche in ambito clinico, che utilizzano modelli neuromuscoloscheletrici guidati da segnali EMG, ma la loro applicazione è di solito limitata a un grado di libertà e ai muscoli a questo collegato. Nonostante questi risultati, non sono ancora stati introdotti nella pratica clinica, e ciò è dovuto principalmente alla complessità insita nel loro uso, che li rende ancora non utilizzabili in un contesto in cui standardizzazione e affidabilità sono proprietà fondamentali. L'importanza della modellazione basata su segnali EMG in ambito clinico diventa ancora più importante se consideriamo modelli a più gradi di libertà, perché spesso le lesioni interessano più articolazioni. Purtroppo, anche se un primo modello a più gradi di libertà è stato da poco introdotto in letteratura, la sua maggiore complessità rende ancora più complicato analizzare la sua applicabilità in ambito clinico. Questo lavoro rappresenta un primo sforzo per valutare, attraverso un'attenta analisi critica, la possibilità di introdurre nella pratica clinica modelli neuromuscoloscheletrici guidati da segnali EMG per sistemi a più gradi di libertà. Per raggiungere questo obiettivo, diversi problemi e limiti sono stati evidenziati ed affrontati. In particolare, l'attenzione si è focalizzata su due aspetti: (i) rendere la metodologia più facilmente applicabile, per semplificare la sua adozione da parte di diversi laboratori e gruppi di ricerca, e facilitare analisi di sensitività necessarie a valutarne l'accuratezza; (ii) evidenziare la criticità di alcuni aspetti metodologici legati all'acquisizione e al processamento dei dati, e quantificarne gli effetti sull'accuratezza dei parametri stimati e sulle forze muscolari predette. Questa analisi si rende maggiormente necessaria per modelli a più gradi di libertà perché non ancora presente in letteratura. Per raggiungere il primo obiettivo è stato sviluppato uno nuovo strumento software (MOtoNMS), che è ora disponibile alla comunità di ricerca con licenza gratuita. E' uno strumento completo, flessibile, e facile da usare che permette di processare automaticamente, in modo trasparente e ripetibile, dati di movimento acquisiti sperimentalmente da laboratori con diversa strumentazione, preparandoli per il loro successivo uso con software di simulazione neuromuscoloscheletrica. MOtoNMS permette di uniformare i metodi di elaborazione dei dati tra laboratori, semplificando e velocizzando il lungo flusso di lavoro richiesto per generare i dati in ingresso ai software di modellazione. Questa semplificazione rappresenta pertanto un passo indispensabile per portare la modellazione neuromuscoloscheletrica nella pratica clinica. La seconda parte del lavoro è stata invece dedicata ad analizzare tecniche per la raccolta e il processamento dei segnali EMG, con particolare riferimento alla loro normalizzazione, che possano essere proposte in ambito clinico, valutando la sensitività dei parametri del modello e quindi della predizione delle forze muscolari. Portare la modellazione NMS guidata da segnali EMG verso applicazioni cliniche che coinvolgono più gradi di libertà richiede infatti attente considerazioni legate ai limiti motori del paziente dovuti alle diverse lesioni che può presentare. Questo comporta di ripensare la metodologia per l'acquisizione e l'elaborazione dei dati. Per questo si è valutato l'impatto di usare dati raccolti da sole prove di camminata sia per la calibrazione dei parametri che per la normalizzazione dei valori EMG. Inoltre è stato proposto un protocollo per la raccolta di massime contrazioni volontarie adatto ad applicazioni a più gradi di libertà, che coinvolgano pazienti con comportamento motorio parzialmente compromesso, e caratterizzato dell'utilizzo di sola strumentazione economica e facilmente reperibile per poter essere adottato in qualsiasi laboratorio. La ricerca proposta in questa tesi fornisce strumenti per semplificare l'uso di modelli neuromuscoloscheletrici a più gradi di libertà guidati da segnali EMG, e propone analisi e procedure per valutare accuratezza e affidabilità dei risultati, ai fini di applicazioni in ambito clinico.

Towards the application of multi-DOF EMG-driven neuromusculoskeletal modeling in clinical practice: methodological aspects / Mantoan, Alice. - (2015 Feb 02).

Towards the application of multi-DOF EMG-driven neuromusculoskeletal modeling in clinical practice: methodological aspects

Mantoan, Alice
2015

Abstract

Le applicazioni cliniche in ambito riabilitativo sono sempre più alla ricerca di strumenti che permettano di valutare la capacità individuale del paziente di generare il movimento ed eventuali meccanismi di compensazione, questo al fine di sviluppare delle strategie di intervento che risultino personalizzate e quindi più efficaci. In questo contesto, gli strumenti prodotti dalla ricerca sulla modellazione neuromuscoloscheletrica (NMS) sono di particolare interesse perché riescono a dedurre le caratteristiche anatomiche, neurologiche e funzionali specifiche di un soggetto, attraverso la stima di variabili dinamiche interne come le attivazioni e le forze muscolari, e le forze di contatto e i momenti ai giunti. Queste quantità possono essere stimate utilizzando modelli neuromuscoloscheletrici basati su tecniche di ottimizzazione, ma a patto di fare assunzioni a priori su come i muscoli contribuiscono al movimento che viene osservato. Più promettente è invece l'approccio della modellazione neuromuscoloscheletrica guidata dai segnali elettromiografici (EMG), che fa invece uso di segnali raccolti sperimentalmente che sono una diretta rappresentazione delle intenzioni motorie del soggetto. Questo permette di evitare assunzioni e di riuscire invece ad individuare le differenze nel comportamento del sistema neuromuscolare in diversi soggetti. Questa caratteristica li rende pertanto più adatti ad applicazioni in campo clinico, perché potenzialmente più adatte a fornire un maggior livello di personalizzazione. La letteratura presenta diversi studi, anche in ambito clinico, che utilizzano modelli neuromuscoloscheletrici guidati da segnali EMG, ma la loro applicazione è di solito limitata a un grado di libertà e ai muscoli a questo collegato. Nonostante questi risultati, non sono ancora stati introdotti nella pratica clinica, e ciò è dovuto principalmente alla complessità insita nel loro uso, che li rende ancora non utilizzabili in un contesto in cui standardizzazione e affidabilità sono proprietà fondamentali. L'importanza della modellazione basata su segnali EMG in ambito clinico diventa ancora più importante se consideriamo modelli a più gradi di libertà, perché spesso le lesioni interessano più articolazioni. Purtroppo, anche se un primo modello a più gradi di libertà è stato da poco introdotto in letteratura, la sua maggiore complessità rende ancora più complicato analizzare la sua applicabilità in ambito clinico. Questo lavoro rappresenta un primo sforzo per valutare, attraverso un'attenta analisi critica, la possibilità di introdurre nella pratica clinica modelli neuromuscoloscheletrici guidati da segnali EMG per sistemi a più gradi di libertà. Per raggiungere questo obiettivo, diversi problemi e limiti sono stati evidenziati ed affrontati. In particolare, l'attenzione si è focalizzata su due aspetti: (i) rendere la metodologia più facilmente applicabile, per semplificare la sua adozione da parte di diversi laboratori e gruppi di ricerca, e facilitare analisi di sensitività necessarie a valutarne l'accuratezza; (ii) evidenziare la criticità di alcuni aspetti metodologici legati all'acquisizione e al processamento dei dati, e quantificarne gli effetti sull'accuratezza dei parametri stimati e sulle forze muscolari predette. Questa analisi si rende maggiormente necessaria per modelli a più gradi di libertà perché non ancora presente in letteratura. Per raggiungere il primo obiettivo è stato sviluppato uno nuovo strumento software (MOtoNMS), che è ora disponibile alla comunità di ricerca con licenza gratuita. E' uno strumento completo, flessibile, e facile da usare che permette di processare automaticamente, in modo trasparente e ripetibile, dati di movimento acquisiti sperimentalmente da laboratori con diversa strumentazione, preparandoli per il loro successivo uso con software di simulazione neuromuscoloscheletrica. MOtoNMS permette di uniformare i metodi di elaborazione dei dati tra laboratori, semplificando e velocizzando il lungo flusso di lavoro richiesto per generare i dati in ingresso ai software di modellazione. Questa semplificazione rappresenta pertanto un passo indispensabile per portare la modellazione neuromuscoloscheletrica nella pratica clinica. La seconda parte del lavoro è stata invece dedicata ad analizzare tecniche per la raccolta e il processamento dei segnali EMG, con particolare riferimento alla loro normalizzazione, che possano essere proposte in ambito clinico, valutando la sensitività dei parametri del modello e quindi della predizione delle forze muscolari. Portare la modellazione NMS guidata da segnali EMG verso applicazioni cliniche che coinvolgono più gradi di libertà richiede infatti attente considerazioni legate ai limiti motori del paziente dovuti alle diverse lesioni che può presentare. Questo comporta di ripensare la metodologia per l'acquisizione e l'elaborazione dei dati. Per questo si è valutato l'impatto di usare dati raccolti da sole prove di camminata sia per la calibrazione dei parametri che per la normalizzazione dei valori EMG. Inoltre è stato proposto un protocollo per la raccolta di massime contrazioni volontarie adatto ad applicazioni a più gradi di libertà, che coinvolgano pazienti con comportamento motorio parzialmente compromesso, e caratterizzato dell'utilizzo di sola strumentazione economica e facilmente reperibile per poter essere adottato in qualsiasi laboratorio. La ricerca proposta in questa tesi fornisce strumenti per semplificare l'uso di modelli neuromuscoloscheletrici a più gradi di libertà guidati da segnali EMG, e propone analisi e procedure per valutare accuratezza e affidabilità dei risultati, ai fini di applicazioni in ambito clinico.
2-feb-2015
New methods able to assess the individual ability of patients to generate motion and adaptation strategies are increasingly required for clinical applications aiming at recovering motor functions. Indeed, more effective rehabilitation treatments are designed to be personalized on the subject capabilities. In this context, neuromusculoskeletal (NMS) models represent a valuable tool, as they can provide important information about the unique anatomical, neurological, and functional characteristics of different subjects, through the computation of human internal variables, such as muscle activations, muscle forces, joint contact forces and moments. A first possible approach is to estimate these values using optimization-based NMS models. However, these models require to make assumptions on how the muscles contribute to the observed movement. More promising are instead NMS models driven by electromyographic signals (EMG), which use experimentally recorded signals that can be considered a direct representation of the subject motor intentions. This allows to account for the actual differences in an individual neuromuscular control system, without making any preliminary assumptions. Therefore these models have the potentialities to provide the level of personalization that is essential for applications in the clinical field. Although EMG-driven NMS models have been investigated in the literature, even for clinical purposes, they are mostly limited to one degree of freedom (DOF), and consider only the muscles spanning that DOF. Additionally, despite the promising results, they are still not introduced in the clinical practice; the main reason possibly being their complexity, that makes them not usable in clinical context, where standard and reliable procedures are required. The importance of EMG-driven NMS modeling for clinical applications would be even higher with the availability of multi-DOF models, as impairments usually compromise multiple joints. Nevertheless, even if a first multi-DOF EMG-driven NMS model for the lower limbs has been recently introduced in literature, its even greater complexity makes more difficult an analysis of its applicability in the clinical field. This work represents a first effort towards a critical analysis of multi-DOF EMG-driven NMS models to evaluate their possible use in clinical practice. To achieve this objective, several issues and limitations have been addressed. In the specific, the attention has been focused on two aspects: (i) making the methodology usable, to foster its adoption by multiple laboratories and research groups, and to facilitate sensitivity analyses required to assess its accuracy; (ii) highlighting the effects of some methodological aspects related to data acquisition and processing, and evaluating their impact on the accuracy of estimated parameters and muscle forces. This analysis is even more important for multi-DOF EMG-driven NMS model as it is still not present in the literature. To accomplish the first goal, a software tool (MOtoNMS) has been developed and it is freely available for the research community. It is a complete, flexible, and user-friendly tool that allows to automatically process experimental motion data from different laboratories in a transparent and repeatable way, for their subsequent use with neuromusculoskeletal modeling software. MOtoNMS generalizes data processing methods across laboratories, and simplifies and speeds up the demanding data elaboration workflow. This simplification represents an indispensable step towards an actual translation of NMS methods in clinical practice. The second part of the work has been, instead, dedicated to analyze the impact on model parameters and muscle forces prediction of different techniques for EMG data collection and processing that are feasible for clinical settings, in particular concentrating on EMGs normalization. Indeed, moving EMG-driven NMS modeling towards clinical applications that deal with multiple DOFs requires to carefully consider subject's motor limitations due to his/her mobility impairments. This results in a rethinking about the methodologies for data acquisition and processing. Therefore, the impact of using only data from walking trials on both calibration of model parameters and computing the maximum EMG values needed for the normalization step, has been assessed with two case studies. Moreover, a protocol for the collection of maximum voluntary contractions has been proposed. This protocol is suitable for multiple DOFs applications involving patients with reduced motor ability and it requires only low-cost and easy to acquire tools to make it applicable in any laboratory. The research proposed in this thesis provides tools to simplify the use of multi-DOF EMG-driven neuromusculoskeletal models and proposes analyses and procedures to evaluate the accuracy and reliability of the obtained results with the aim of pursuing clinical applications.
Neuromusculoskeletal modeling, EMG-driven, clinical practice, multi-DOF
Towards the application of multi-DOF EMG-driven neuromusculoskeletal modeling in clinical practice: methodological aspects / Mantoan, Alice. - (2015 Feb 02).
File in questo prodotto:
File Dimensione Formato  
Mantoan_Alice_tesi.pdf

accesso aperto

Tipologia: Tesi di dottorato
Licenza: Non specificato
Dimensione 33.83 MB
Formato Adobe PDF
33.83 MB Adobe PDF Visualizza/Apri
Pubblicazioni consigliate

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11577/3424140
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact