Post-Doctorant F/H Estimation des capacités de génération d'effort articulaires et musculaires pour des personnes atteintes de pathologies neuro-dégénératives pour l'assistance du membre supérieur dans les gestes du quotidien
Type de contrat : CDD
Niveau de diplôme exigé : Thèse ou équivalent
Fonction : Post-Doctorant
Niveau d'expérience souhaité : De 3 à 5 ans
A propos du centre ou de la direction fonctionnelle
Le centre Inria de l'Université de Rennes est l'un des neuf centres d’Inria et compte plus d'une trentaine d’équipes de recherche. Le centre Inria est un acteur majeur et reconnu dans le domaine des sciences numériques. Il est au cœur d'un riche écosystème de R&D et d’innovation : PME fortement innovantes, grands groupes industriels, pôles de compétitivité, acteurs de la recherche et de l’enseignement supérieur, laboratoires d'excellence, institut de recherche technologique
Contexte et atouts du poste
Le contexte d’emploi de ce poste est l’action exploratoire Inria MusMaps.
MusMapS exploite des cartographies d’efforts de sujets pathologiques pour personnaliser l’assistance d’un exosquelette du membre supérieur par commande partagée. Le couplage musculosquelettique - commande partagée pour des pathologies type neuromusculaires (myopahties) ou neurodégénératives (sclérose en plaques, post-AVC, ...) est un enjeu de recherche à fort potentiel applicatif pour ces patients.
Cette action exploratoire est menée conjointement par les équipes Inria MimeTIC et Rainbow, en collaboration avec le Pôle Saint Hélier et la chaire Innovations Handicap Autonomie et Accessibilité (IH2A) de l’INSA de Rennes.
La commande partagée est maintenant devenue une référence dans le développement des systèmes d’assistance (cobots, exosquelettes) permettant de suppléer partiellement ou complètement ou d’assister l’activité d’un utilisateur. La commande partagée fait référence à une approche collaborative et coopérative dans laquelle l’homme et la machine contribuent au contrôle
d’un système. Cela permet de trouver un équilibre entre l’intuition humaine et la précision de la machine. En particulier, la robotique pour le handicap s’intéresse depuis longtemps à ces questions qui nécessitent à la fois un bonne interprétation des intentions de l’utilisateur et la génération d’une
commande adaptée au besoin de la tâche identifiée et de l’utilisateur. Dans le cadre de ce projet, nous nous intéresserons aux systèmes d’assistance du membre supérieur. De nombreuses stratégies de commande partagée se basent sur une commande en admittance [4]. Les applications courantes
dans le cadre du handicap sont l’assistance aux tâches du quotidien, comme saisir un objet, ouvrir une porte, boire... Les patients atteints de pathologies de type neuromusculaires (myopathies) ou neurodégénératives (Parkinson, sclérose en plaques, faiblesses musculaires liées à l’âge, ...) présentent une diminution de leur capacités de générations efforts, mais aussi potentiellement de leur contrôle moteur. Cette variabilité individuelle nécessite une personnalisation du système d’assistance en fonction du niveau de déficience, à travers plusieurs "modes" de fonctionnement .
Pour le membre supérieur, les modes d’assistance les plus simples se contentent de compenser la gravité en estimant les actions de gravité sur le membre assisté (et donc en estimant sa configuration articulaire) [5]. Des commandes plus complexes permettent de tenir compte des capacités résiduelles de génération d’efforts des sujets en adaptant directement le niveau d’assistance en fonction de la tâche à assister et de cette capacité musculaire estimée [9]. Cette approche est très prometteuse car elle permet d’élaborer une commande en effort personnalisée et d’envisager le système d’assistance comme une réelle extension du membre du sujet. Cette approche est cependant peu commune dans la littérature du fait de la complexité du problème posé. En particulier, l’usage d’un estimateur des capacités de génération d’efforts musculaires pour des sujets pathologiques n’a pas encore été réalisé. C’est ce type d’approche originale que nous envisageons
dans MusMapS.
Du point de vue méthodologique, nous voulons tout d’abord cartographier les capacités musculaires par mesure indirecte (cartographie) des capacités articulaires de sujets pathologiques. La mesure directe (in vivo) des capacités de génération d’efforts musculaire est impossible, c’est
pourquoi des méthodes basées sur des mesures sur ergomètre isocinétique ont été développées. Ces machines, utilisées couramment en rééducation, cartographient la capacité d’effort articulaire en fonction de la position et de la vitesse de de déplacement de l’articulation visée. Les muscles étant des actionneurs visco-élastiques, et leur action sur l’articulation variant en fonction de la configuration articulaire, il est nécessaire de parcourir ces deux dimensions pour chaque articulation. Ces capacités peuvent alors être exploités telles quelles pour représenter la génération d’effort des sujets au niveau articulaire, mais aussi être exploités comme donnée d’entrée pour personnaliser les capacités musculaires d’un modèle musculosquelettique [1, 3, 8]. Ce type d’approche n’a jamais fait l’objet d’une application à des populations pathologiques type neuromusculaires (myopathies) ou neurodégénératives (parkinson, sclérose en plaques, faiblesses musculaires liées
à l’age, ...) du fait de la difficulté de mobilisation des membre supérieurs des sujets. C’est l’un des deux objectifs majeurs de cette action exploratoire. Ensuite, nous voulons faire appel à l’apprentissage supervisé pour entraîner un estimateur d’état du modèle représentant le sujet au cours de la tâche. Ce type d’approche a été proposée à partir d’électromyographie de surface [10], mais nous nous proposons d’exploiter uniquement les capteurs présents sur l’exosquelette pour cet estimateur (capteurs d’efforts et IMUs, codeurs des moteurs), pour minimiser le temps d’installation, d’équipement, et de réglage de l’exosquelette.
[1] Brian A Garner et Marcus G Pandy. “Estimation of musculotendon properties in the human upper limb”. In : Annals of biomedical engineering 31 (2003), p. 207-220.
[2] Diane Haering et al. “Using Torque-Angle and Torque–Velocity Models to Characterize Elbow Mechanical Function : Modeling and Applied Aspects”. In : Journal of Biomechanical Engineering 141.8 (2019), p. 084501.
[3] Frederik Heinen et al. “Muscle–tendon unit scaling methods of Hilltype musculoskeletal models : An overview”. In : Proceedings of the Institution of Mechanical Engineers, Part H : Journal of Engineering
in Medicine 230.10 (2016), p. 976-984.
[4] Arvid QL Keemink, Herman van der Kooij et Arno HA Stienen. “Admittance control for physical human–robot interaction”. In : The International Journal of Robotics Research 37.11 (2018), p. 1421-1444.
[5] Maxime Manzano et al. “Model-based upper-limb gravity compensation strategies for active dynamic arm supports”. In : 2023 International Conference on Rehabilitation Robotics (ICORR). IEEE. 2023, p. 1-6.
[6] Antoine Muller et al. “CusToM : a Matlab toolbox for musculoskeletal simulation”. In : Journal of Open Source Software 4.33 (2019), p. 1-3.
[7] Antoine Muller et al. “Non-invasive techniques for musculoskeletal model calibration”. In : Congrès Français de Mécanique. 2017.
[8] Pierre Puchaud et al. “Knee torque generation capacities modelled with physiological torque-angle-velocity relationships”. In : Computer Methods in Biomechanics and Biomedical Engineering 22.sup1 (2019), S286-S288.
[9] Lowell Rose, Michael CF Bazzocchi et Goldie Nejat. “A modelfree deep reinforcement learning approach for control of exoskeleton gait patterns”. In : Robotica 40.7 (2022), p. 2189-2214.
[10] Benjamin Treussart et al. “Controlling an upper-limb exoskeleton by EMG signal while carrying unknown load”. In : 2020 IEEE International Conference on Robotics and Automation (ICRA). IEEE. 2020,
p. 9107-9113.
Mission confiée
Missions :
Dans le cadre de ce projet, le.a postdoctorant.e recruté.e aura pour mission de conceptualiser et mettre en oeuvre la cartographie musculaire de patients atteints de pathologies neurodégénératives (post AVC, sclérose en plaques...). Plus spécifiquement:
- Passage d’une cohorte pathologique sur ergomètre isocinétique : pour facilement réaliser cette expérimentation, nous envisageons de proposer un comité de protection des personnes avec le Pôle Saint Hélier (PSH) à Rennes, qui est équipé de ce type de machine et peut intégrer ce type de mesure en routine clinique (càd dans l’examen systématique de ses patients). Le Pôle Saint Hélier est un pôle de rééducation et d’adaptation à Rennes avec lequel nous collaborons depuis plus de 10 ans sur les questions de handicap. Dans cette approche exploratoire,
nous inclurons toutes les pathologies possibles en fonction de la volonté d’inclusion des patients dans le protocole. Si nous avons également accès à des données d’imagerie médicale (radios EOS, IRM) nous les exploiterons
également pour l’étape 2 (voir ci dessous).
Cartographie articulaire et musculaire : Pour représenter les capacités de génération d’efforts des sujets, nous voulons exploiter la cartographie articulaire (relation couple-angle-vitesse) obtenue depuis la mesure de l’étape
1 [2], mais aussi exploiter ces données pour personnaliser les paramètres d’un modèle musculo-squelettique qui nous permettra une cartographie plus fidèle des capacités de génération d’efforts et une augmentation des données
disponibles [7, 8]. On basera ce travail sur notre librairie [6]. A ce stade, nous n'avons pas de certitude quand à la généralisabilité des résultats de modélisation et de cartographie, et l'un des enjeux sera à terme de classifier la cohorte en fonction de facteurs externes et d'éléments cliniques.
La personne recrutée aura la responsabilité du contact et de l'organisation des manipulations avec le pôle saint hélier, du suivi des inclusions de cohorte et du traitement des données. La personne recrutée aura également des missions ponctuelles d'encadrement de stagiaires au long du contrat sur le développement de la calibration musculo-squelettique ainsi que les éléments de cartographie musculaire.
Principales activités
Principales activés (5 maximum) :
- organiser des expérimentations
- suivre une cohorte
- analyser les données
- les mettre en lien avec les analyses cliniques
- les mettre en forme pour la commande partagée du système robotisé
Activités complémentaires (3 maximum) :
- présenter les résultats aux patients et aux praticiens
- valoriser la recherche par le biais d'articles scientifiques
- collaborer avec l'équipe de développement de l'exosquelette
Avantages
- Restauration subventionnée
- Transports publics remboursés partiellement
- Possibilité de télétravail à hauteur de 90 jours annuels
- Prise en charge partielle du coût de la mutuelle
Rémunération
Rémunération brute mensuelle de 2 788 euros
Informations générales
- Thème/Domaine :
Modélisation et commande pour le vivant
Biologie et santé, Sciences de la vie et de la terre (BAP A) - Ville : Rennes
- Centre Inria : Centre Inria de l'Université de Rennes
- Date de prise de fonction souhaitée : 2024-05-01
- Durée de contrat : 1 an, 6 mois
- Date limite pour postuler : 2024-04-30
Attention: Les candidatures doivent être déposées en ligne sur le site Inria. Le traitement des candidatures adressées par d'autres canaux n'est pas garanti.
Consignes pour postuler
Merci de déposer en ligne CV, lettre de motivation et éventuelles recommandations
Sécurité défense :
Ce poste est susceptible d’être affecté dans une zone à régime restrictif (ZRR), telle que définie dans le décret n°2011-1425 relatif à la protection du potentiel scientifique et technique de la nation (PPST). L’autorisation d’accès à une zone est délivrée par le chef d’établissement, après avis ministériel favorable, tel que défini dans l’arrêté du 03 juillet 2012, relatif à la PPST. Un avis ministériel défavorable pour un poste affecté dans une ZRR aurait pour conséquence l’annulation du recrutement.
Politique de recrutement :
Dans le cadre de sa politique diversité, tous les postes Inria sont accessibles aux personnes en situation de handicap.
Contacts
- Équipe Inria : MIMETIC
-
Recruteur :
Pontonnier Charles / Charles.Pontonnier@irisa.fr
L'essentiel pour réussir
Le profil recherché est le suivant:
- Biomécanicien.ne de formation (thèse en biomécanique)
- Connaissances cliniques des pathologies visées
- Compétences numériques avérées (liste non exhaustive: méthodes d'optimisation, modélisation musculosquelettique, apprentissage...)
- Capacités d'organisation d'expérimentations d'envergure avec des patients
- Capacités de communication avec de multiples interlocuteurs (cliniciens, roboticiens...)
- Anglais scientifique
A propos d'Inria
Inria est l’institut national de recherche dédié aux sciences et technologies du numérique. Il emploie 2600 personnes. Ses 215 équipes-projets agiles, en général communes avec des partenaires académiques, impliquent plus de 3900 scientifiques pour relever les défis du numérique, souvent à l’interface d’autres disciplines. L’institut fait appel à de nombreux talents dans plus d’une quarantaine de métiers différents. 900 personnels d’appui à la recherche et à l’innovation contribuent à faire émerger et grandir des projets scientifiques ou entrepreneuriaux qui impactent le monde. Inria travaille avec de nombreuses entreprises et a accompagné la création de plus de 200 start-up. L'institut s'efforce ainsi de répondre aux enjeux de la transformation numérique de la science, de la société et de l'économie.