Biomécanique de l’action musculaire du rachis cervical

Biomécanique de l’action musculaire du rachis cervical

Bertrand Fréchède

Pourquoi utiliser une approche de modélisation numérique en biomécanique?

• Pour comprendre, quantifier et proposer une évaluation objective et prédictive du comportement du corps humain

• Pour accéder à des paramètres biomécaniques au sein des tissus qui sont par ailleurs difficile à mesurer

paramètres biomécaniques (cliniques) objectifs locaux

Ex.: RoM, couplages cinématiques Forces, Moments

Prédire des paramètres cliniques Besoins spécifiques pour des applications en MMOO?

Modèle détaillé

paramètres biomécaniques (cliniques) objectifs locaux

Ex.: RoM, couplages cinématiques Forces, Moments

Ex.: Pression intra-discale / Allongements ligaments

Prédire des paramètres cliniques Besoins spécifiques pour des applications en MMOO?

Comprendre des mécanismes pathologiques ou lésionnels au niveau du tissus

Modèle détaillé

La posture influence: • ROM/Couplages (Panjabi et al., 1993; Laville et al. 2009)

(Harrison et al. 2001; Fréchède et al., 2006) • Distribution des efforts (contraintes)

Besoins spécifiques pour des applications en MMOO?

• Efficacité musculaire (Lansade 2009; Suderman et Vasavada 2013)

Modéliser les spécificités propres à chaque patient

Modèle détaillé

La posture influence: • ROM/Couplages (Panjabi et al., 1993; Laville et al. 2009)

(Harrison et al. 2001; Fréchède et al., 2006) • Distribution des efforts (contraintes)

Besoins spécifiques pour des applications en MMOO?

• Efficacité musculaire (Lansade 2009; Suderman et Vasavada 2013)

Modéliser les spécificités propres à chaque patient

Modèle personnalisé

Modèle détaillé

Besoins spécifiques pour des applications en MMOO?

Modèle personnalisé

RoM ++ Mouvements

précis

Stabilité dynamique

Sollicitations de la vie courante

Les muscles contrôlent la stabilité dynamique

Modèle avec muscles actifs

Modèle détaillé

Besoins spécifiques pour des applications en MMOO? Les muscles contrôlent la stabilité dynamique

Modèle personnalisé

Modèle avec muscles actifs

Interactions géométriques complexes entre muscles / squelette

Ex. effets transverses de gainage?

Modèle avec muscles actifs 3D

Modèle détaillé

Besoins spécifiques pour des applications en MMOO? Les muscles contrôlent la stabilité dynamique

Modèle personnalisé

Modèle avec muscles actifs

Modèle avec muscles actifs 3D

Cahier des Charges du modélisateur biomécanicien

• Principes de la Mécanique des Milieux Continus

Quelques éléments de contexte biomécanique

• Structures discrétisées en petits éléments déformables modélisant de manière locale le comportement de chaque tissu

L’approche de modélisation ‘milieux continus’ en éléments-finis (EF) Une approche bien adaptée à des applications en MMOO

• Principes de la Mécanique des Milieux Continus

Quelques éléments de contexte biomécanique

• Structures discrétisées en petits éléments déformables modélisant de manière locale le comportement de chaque tissu

L’approche de modélisation ‘milieux continus’ en éléments-finis (EF) Une approche bien adaptée à des applications en MMOO

(Fréchède 2016)

• Principes de la Mécanique des Milieux Continus

Quelques éléments de contexte biomécanique

• Structures discrétisées en petits éléments déformables modélisant de manière locale le comportement de chaque tissu

(Laville 2009) (Womack 2011) (Tanaka 2018)

L’approche de modélisation ‘milieux continus’ en éléments-finis (EF) Une approche bien adaptée à des applications en MMOO

(Fréchède 2016)

• Principes de la Mécanique des Milieux Continus

Quelques éléments de contexte biomécanique

• Structures discrétisées en petits éléments déformables modélisant de manière locale le comportement de chaque tissu

• Accès à des informations locales (contraintes/déformations)

Déformation AF • Validation très complexe

• Coûteux (temps de calcul)

L’approche de modélisation ‘milieux continus’ en éléments-finis (EF) Une approche bien adaptée à des applications en MMOO

(Tanaka 2018)

(Fréchède 2016)

Os

Modéliser le muscle isolé en EF

Stylo-Hyoide Un exemple de muscle fusiforme 1D-3D:

Exemple de sollicitation: Traction passive suivie d’une contraction isometrique

Approche mixte (fibres actives 1D intégrées au maillage 3D passif)

Muscle Fibres musculaires (Hill 1D)

Tendon

Modéliser le muscle isolé en EF

Exemple de sollicitation: Traction passive suivie d’une contraction isometrique

Cible (Hill)

Forc

e (N

)

Temps (s)

Muscle Fibres musculaires (Hill 1D)

Os Tendon

Approche mixte (fibres actives 1D intégrées au maillage 3D passif)

Stylo-Hyoide Un exemple de muscle fusiforme 1D-3D:

Modéliser le muscle isolé en EF

Eléments 1D intégrés dans des éléments 3D solides: cohésion (i.e. congruence du maillage) nécessaire nœud à noeud

Nécessité d’orienter la construction du maillage 3D en

fonction de l’orientation des fibres et de prendre en compte les insertions multiples

Approche mixte (fibres actives 1D intégrées au maillage 3D passif)

Conséquences sur la géométrie / le maillage :

Semispinalis Capitis

Trapezius

Modéliser le muscle isolé en EF

Eléments 1D intégrés dans des éléments 3D solides: cohésion (i.e. congruence du maillage) nécessaire nœud à noeud

Approche mixte (fibres actives 1D intégrées au maillage 3D passif)

(Heidlauf et Röhrle, 2014)

La modélisation de la pennation (uni ou multi axiale) reste dans tous les cas un problème complexe et très peu traité en pratique

Conséquences sur la géométrie / le maillage :

Nécessité d’orienter la construction du maillage 3D en

fonction de l’orientation des fibres et de prendre en compte les insertions multiples

Modéliser la stratégie d’activation musculaire Prédire et utiliser des patterns d’activation musculaire

patterns = distribution de paramètres musculaires

A minima: Initiation/durée d’activation Niveau d’activation = f(t)

Modéliser la stratégie d’activation musculaire Prédire et utiliser des patterns d’activation musculaire

patterns = distribution de paramètres musculaires

A minima: Initiation/durée d’activation Niveau d’activation = f(t)

propres à chaque muscle pour une tâche donnée

Problème 1 mathématiquement il n’existe pas de solution unique à l’obtention de ces distributions (« problème » de redondance musculaire)

Problème 2 Nous ne connaissons pas la stratégie du CNS!

Modéliser la stratégie d’activation musculaire Prédire et utiliser des patterns d’activation musculaire

1. Principe de simulation (ex. protection du rachis en tension)

1200 N

Modéliser la stratégie d’activation musculaire

19,4 MPa Von Mises Stress in IVDs:

Sans activation

Prédire et utiliser des patterns d’activation musculaire

1. Principe de simulation (ex. protection du rachis en tension)

Modéliser la stratégie d’activation musculaire

Avec activation distribuée sur base de données d’entrée (ex. EMG, données de simulation)

Prédire et utiliser des patterns d’activation musculaire

1200 N

(Chancey 2003)

1. Principe de simulation (ex. protection du rachis en tension)

Modéliser la stratégie d’activation musculaire Prédire et utiliser des patterns d’activation musculaire

Avec activation distribuée sur base de données d’entrée (ex. EMG, données de simulation)

1. Principe de simulation (ex. protection du rachis en tension)

Modéliser la stratégie d’activation musculaire Prédire et utiliser des patterns d’activation musculaire

15,7 MPa Von Mises Stress in IVDs:

Avec activation distribuée sur base de données d’entrée (ex. EMG, données de simulation)

1. Principe de simulation (ex. protection du rachis en tension)

Modéliser la stratégie d’activation musculaire Prédire et utiliser des patterns d’activation musculaire

2. Principe d’obtention des patterns (optimisation des efforts musculaires)

𝒎𝒎𝒎 𝒇𝒐𝒐𝒐 = � 𝑭𝒎𝟐𝒎_𝒎𝒎𝒎𝒎𝒎𝒎𝒎

𝒎=𝟏

Fonction représentative d’une stratégie de réduction de la dépense énergétique par le CNS (Pedotti 1978)

(Moissenet 2014)

Modéliser la stratégie d’activation musculaire Prédire et utiliser des patterns d’activation musculaire

𝒎𝒎𝒎 𝒇𝒐𝒐𝒐 = � 𝑭𝒎𝟐𝒎_𝒎𝒎𝒎𝒎𝒎𝒎𝒎

𝒎=𝟏

(Pedotti 1978)

(Moissenet 2014)

𝒈

2. Principe d’obtention des patterns (optimisation des efforts musculaires)

Modéliser la stratégie d’activation musculaire Prédire et utiliser des patterns d’activation musculaire

𝒎𝒎𝒎 𝒇𝒐𝒐𝒐 = � 𝑭𝒎𝟐𝒎_𝒎𝒎𝒎𝒎𝒎𝒎𝒎

𝒎=𝟏

Fonction représentative d’une stratégie de réduction de la dépense énergétique par le CNS (Pedotti 1978)

(Moissenet 2014)

𝒎𝒎𝒎𝑭𝝀

𝒇𝒐𝒐𝒐 =𝟏𝟐

𝑭𝝀 𝑾 𝑭

𝝀

Fonction représentative d’une stratégie de réduction de la dépense énergétique mais aussi des efforts dans les disques intervertébraux par le CNS (stratégie de co-activation)

Efforts (3 composantes) entre vertèbres

2. Principe d’obtention des patterns (optimisation des efforts musculaires)

… SemiSpinalis

Prédiction pour les autre muscles

RB model

Modéliser la stratégie d’activation musculaire

50 N

EMG + RB model (Vasavada 1998; Lamouri 2013, Fréchède 2016)

Evaluation multi-objectifs des niveaux d’activation par tâche pour les données EMG disponibles

(muscles principaux)

50 N

Prédire et utiliser des patterns d’activation musculaire

3. Approche de co-simulation (Thèse M. Maamir en cours)

SCM

EMG Expérience

(Siegmund 2007)

0° 180°

90°

270°

50 N

Modéliser la stratégie d’activation musculaire Prédire et utiliser des patterns d’activation musculaire

4. Approche d’optimisation multi-objectifs: exemple

CO

Casque rigide

Harnais

Plate-forme de force

50 N

h

Patterns EMG consistants entre sujets

SCM

(Siegmund 2007)

SCM, Stylohyoid

Levator Scapulae, Trapezius

Splenius, Semispinalis Capitis, Semispinalis Cervicis

Multifidus

Modéliser la stratégie d’activation musculaire Prédire et utiliser des patterns d’activation musculaire

4. Approche d’optimisation multi-objectifs: quelques résultats intermédiaires

(Siegmund 2007) (EMG) Simulations

Simulation sujet 1 Simulation sujet 2

En résumé

• De nombreux problèmes numériques EF existent (ex. gestion des grandes déformations des tissus et de leurs interactions) mais beaucoup de travaux en cours pour implémenter des modèles de muscle robustes dans les codes EF existants

• Temps de calcul > CPU 8-10 hrs MPI

• Les modèles musculaires existants permettent des simulations dans des conditions aux limites isométriques très controllées (ex. dans le plan sagittal ) ou (cas du choc) avec des efforts musculaires arbitraires (ex. a = f(acc, DeltaV)

• Le modèles passifs rachidiens commencent à être bien validés

En résumé

• Enjeux amont de prise en compte des muscles dans les modèles actuels pour la MMOO:

Une meilleure compréhension des liens et des stratégies existants entre posture, stabilité dynamique (cinématique et distribution des chargements rachidiens) et fonction musculaire, chez le sujet sain, pathologique ou agé

En résumé

• Enjeux applicatifs:

- transition des essais cliniques vers l’in-silico pour l’évaluation prédictive de dispositifs médicaux, et la contribution à une

- meilleure évaluation de la fonction musculaire et de ses modes de dégradation dans le cas de pathologies (ex. dystonies cervicales) ou chez le sujet agé.

Laboratoire de Biomécanique et Mécanique des Chocs (LBMC UMR_T 9406, UCBL-IFSTTAR), Lyon

ou pour la version anglaise

Biomechanics and Impact Mechanics Laboratory

Univ Lyon - IFSTTAR, France