Embed Size (px)
Citation preview
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
