See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/333103473

Évaluation biomécanique des capacités musculo-squelettiques lors de la

transition assis / debout au moyen d'une centrale inertielle en situation
écologique

Thesis · December 2018

CITATIONS READS

3 1,534

1 author:

Kevin Lepetit
Université de Technologie de Compiègne
10 PUBLICATIONS 57 CITATIONS

SEE PROFILE

All content following this page was uploaded by Kevin Lepetit on 03 September 2019.

The user has requested enhancement of the downloaded file.

 Évaluation biomécanique des capacités
musculo-squelettiques lors de la transition assis / debout
au moyen d’une centrale inertielle en situation
écologique
Kevin Lepetit

To cite this version:

Kevin Lepetit. Évaluation biomécanique des capacités musculo-squelettiques lors de la transition assis
/ debout au moyen d’une centrale inertielle en situation écologique. Biomécanique [physics.med-ph].
Université de Technologie de Compiègne, 2018. Français. �NNT : 2018COMP2468�. �tel-02127839�

HAL Id: tel-02127839

https://tel.archives-ouvertes.fr/tel-02127839
Submitted on 13 May 2019

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
 Par Kevin LEPETIT

Évaluation biomécanique des capacités musculo-

squelettiques lors de la transition assis / debout au
moyen d’une centrale inertielle en situation
écologique

Thèse présentée
pour l’obtention du grade
de Docteur de l’UTC

Soutenue le 13 décembre 2018

Spécialité : Biomécanique : Unité de Recherche Biomécanique et
Bio-ingénierie (UMR-7338)
D2468
 Spécialité : Biomécanique

THÈSE
pour obtenir le grade de docteur délivré par

Université de Technologie de Compiègne

Spécialité doctorale “Sciences pour l’ingénieur”

présentée et soutenue publiquement le 13 décembre 2018 par

Kevin Lepetit

Évaluation biomécanique des capacités

musculo-squelettiques lors de la transition assis /
debout au moyen d’une centrale inertielle en
situation écologique
Directeur de thèse : Frédéric Marin
Co-encadrant de thèse : Khalil Ben Mansour
Raphaël Dumas, Directeur de recherche, Université de Lyon Rapporteur
Philippe Pudlo, Professeur des Universités, Université de Va- Rapporteur
lenciennes et du Hainaut-Cambrésis
Laetitia Fradet, Maı̂tre de Conférences, Université de Poitiers Examinateur
Catherine Marque, Professeur des Universités, Université de Tech- Examinateur
nologie de Compiègne
Frédéric Marin, Professeur des Universités, Université de Tech- Examinateur
nologie de Compiègne
Khalil Ben Mansour, Ingénieur de Recherche, Université de Techno- Examinateur T
logie de Compiègne
Kiyoka Kinugawa, Maı̂tre de Conférences - praticien hospitalier, Invitée H
Sorbonne Université
UTC E
Laboratoire de Biomécanique et Bioingénierie
UMR CNRS 7338, Centre de Recherches, Compiègne, France S
E
Sommaire

Remerciements xix

Notations mathématiques xxi

I Introduction générale 1

II État de l’art 7
1 Cadre générale de la thèse 9
1.1 Le vieillissement de la population . . . . . . . . . . . . . . . 9
1.2 La santé des seniors . . . . . . . . . . . . . . . . . . . . . . . 11
1.3 Les tests d’évaluation clinique des capacités physiques . . . . 13
1.3.1 Le test timed up and go . . . . . . . . . . . . . . . . 13
1.3.2 Le test du lever de chaise . . . . . . . . . . . . . . . . 13
1.3.3 Quantification des résultats . . . . . . . . . . . . . . 14

2 Modélisation mathématique du mouvement humain 17

2.1 Cinématique des segments humains . . . . . . . . . . . . . . 17
2.1.1 Référentiel et repère . . . . . . . . . . . . . . . . . . 18
2.1.2 Définition d’un solide indéformable . . . . . . . . . . 18
2.1.3 Repérage d’un segment corporel dans l’espace . . . . 18
2.1.4 Vitesse de rotation d’un segment . . . . . . . . . . . 26
2.1.5 Vitesse d’un point appartenant à un solide . . . . . . 28
2.1.6 Accélération d’un point appartenant à un solide . . . 29
2.2 Énergie mécanique du corps humain . . . . . . . . . . . . . . 30

iii
 2.2.1 Modèle ponctuel . . . . . . . . . . . . . . . . . . . . 30
2.2.2 Modèle par chaine de solides articulés . . . . . . . . . 32
2.3 Bilan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

3 Outils d’évaluation quantifiée de la cinématique des seg-

ments corporels 37
3.1 Classification des différentes technologies . . . . . . . . . . . 38
3.1.1 La stéréophotogrammétrie : technologie optoélectro-
nique . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.1.2 Les systèmes vidéo sans marqueurs . . . . . . . . . . 41
3.1.3 Les technologies magnéto-inertielles . . . . . . . . . . 42
3.2 La centrale inertielle pour l’analyse du mouvement ambulatoire 45
3.2.1 Calcul de l’orientation par fusion de données . . . . . 45
3.2.2 Calibration centrale à segment . . . . . . . . . . . . . 50
3.2.3 Estimation de la position et limites techniques actuelles 53
3.3 Bilan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

4 Identification des paramètres inertiels des segments corpo-

rels 57
4.1 Les méthodes par imagerie médicale . . . . . . . . . . . . . . 58
4.2 Les méthodes d’identification par dynamique inverse . . . . . 59
4.3 Les méthodes volumétriques . . . . . . . . . . . . . . . . . . 59
4.3.1 Les scanners tri-dimensionnels . . . . . . . . . . . . . 60
4.3.2 La stéréo-photographie et les caméras de profondeur . 61
4.4 Les tables anthropométriques et équations de régression . . . 62
4.5 Bilan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63

Synthèse générale et objectifs de travail 65

III Méthode de calcul et validation des données ci-

nématiques et énergétiques quantifiées à l’aide d’une
centrale inertielle lors du lever de chaise 67
5 Matériels et méthodes 69
5.1 Description du lever de chaise et choix du positionnement de
la centrale inertielle . . . . . . . . . . . . . . . . . . . . . . . 70
5.2 Participants à l’étude . . . . . . . . . . . . . . . . . . . . . . 72
5.3 Protocole expérimental . . . . . . . . . . . . . . . . . . . . . 72

iv
 5.4 Estimation des paramètres cinématiques et énergétiques du
tronc à l’aide de la centrale inertielle . . . . . . . . . . . . . 75
5.4.1 Accélération de la centrale inertielle . . . . . . . . . . 77
5.4.2 Détection du début et de la fin de la transition assis
/ debout . . . . . . . . . . . . . . . . . . . . . . . . . 78
5.4.3 Vitesse angulaire du tronc . . . . . . . . . . . . . . . 78
5.4.4 Angle d’inclinaison du tronc . . . . . . . . . . . . . . 79
5.4.5 Vitesse du centre de masse du buste . . . . . . . . . 80
5.4.6 Énergie cinétique du tronc . . . . . . . . . . . . . . . 83
5.5 Traitement des données optoélectroniques . . . . . . . . . . . 84
5.5.1 Accélération de la centrale . . . . . . . . . . . . . . . 84
5.5.2 Détection du début et de la fin de la transition assis
/ debout . . . . . . . . . . . . . . . . . . . . . . . . . 85
5.5.3 Vitesse angulaire du tronc . . . . . . . . . . . . . . . 85
5.5.4 Angle d’inclinaison du tronc . . . . . . . . . . . . . . 87
5.5.5 Vitesse du centre de masse du buste . . . . . . . . . 87
5.5.6 Énergie cinétique du tronc . . . . . . . . . . . . . . . 87
5.6 Analyses statistiques . . . . . . . . . . . . . . . . . . . . . . 88
5.6.1 Détermination des constantes de l’algorithme de dé-
tection de mouvement . . . . . . . . . . . . . . . . . 88
5.6.2 Comparaison des résultats . . . . . . . . . . . . . . . 88

6 Validation de la mesure des données par centrale inertielle 91

6.1 Durée du lever de chaise . . . . . . . . . . . . . . . . . . . . 92
6.1.1 Algorithme de détection . . . . . . . . . . . . . . . . 92
6.1.2 Comparaison avec le système Vicon . . . . . . . . . . 93
6.2 Accélération de la centrale inertielle . . . . . . . . . . . . . . 95
6.2.1 Comparaison des courbes . . . . . . . . . . . . . . . . 95
6.2.2 Comparaison des valeurs moyennes et maximales . . 96
6.3 Vitesse angulaire du buste . . . . . . . . . . . . . . . . . . . 99
6.3.1 Comparaison des courbes . . . . . . . . . . . . . . . . 100
6.3.2 Comparaison des valeurs moyennes et maximales . . 101
6.4 Angle d’inclinaison du buste . . . . . . . . . . . . . . . . . . 103
6.4.1 Comparaison des courbes . . . . . . . . . . . . . . . . 104
6.4.2 Comparaison des valeurs moyennes et maximales . . 105
6.5 Vitesse du centre de masse du buste . . . . . . . . . . . . . . 107
6.5.1 Comparaison des courbes . . . . . . . . . . . . . . . . 108
6.5.2 Comparaison des valeurs moyennes et maximales . . 110
6.6 Énergie cinétique du buste . . . . . . . . . . . . . . . . . . . 113

v
 6.6.1 Comparaisons des courbes . . . . . . . . . . . . . . . 113
6.6.2 Comparaison des valeurs moyennes et maximales . . 114

Conclusions 119

IV Score optimisé pour quantifier les performances

fonctionnelles lors de la transition assis / debout :
application à la comparaison de populations jeune,
âgée et fragile 121
7 Comparaison des paramètres cinématiques et énergétiques
mesurés lors du lever de chaise pour des populations jeunes,
âgés et fragiles 123
7.1 Contexte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
7.2 Matériels et méthodes . . . . . . . . . . . . . . . . . . . . . 125
7.2.1 Participants à l’étude . . . . . . . . . . . . . . . . . . 125
7.2.2 Protocole expérimental . . . . . . . . . . . . . . . . . 126
7.2.3 Traitement des données : paramètres considérés et
analyses statistiques . . . . . . . . . . . . . . . . . . 127
7.3 Résultats et discussion . . . . . . . . . . . . . . . . . . . . . 130
7.3.1 Durée de la transition assis / debout . . . . . . . . . 132
7.3.2 Angle d’inclinaison du buste . . . . . . . . . . . . . . 134
7.3.3 Accélérations . . . . . . . . . . . . . . . . . . . . . . 134
7.3.4 Vitesse de rotation du buste . . . . . . . . . . . . . . 135
7.3.5 Vitesse de translation du centre de masse du buste . 136
7.3.6 Énergie cinétique . . . . . . . . . . . . . . . . . . . . 136
7.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137

8 Développement d’un score optimisé pour quantifier les ca-

pacités physiques lors du lever de chaise 139
8.1 Contexte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
8.2 Méthode de calcul des scores et optimisation . . . . . . . . . 140
8.2.1 Score de vieillissement : AgingScore . . . . . . . . . 140
8.2.2 Score de fragilité : F railtyScore . . . . . . . . . . . . 146
8.3 Stratégie du lever de chaise . . . . . . . . . . . . . . . . . . 146
8.4 Résultats et discussion . . . . . . . . . . . . . . . . . . . . . 147
8.4.1 Performances de classification des paramètres . . . . 147
8.4.2 Sélection des paramètres optimisant les performances
des scores . . . . . . . . . . . . . . . . . . . . . . . . 148

vi
 8.4.3 Calculs pratiques des scores . . . . . . . . . . . . . . 151
8.4.4 Analyse de la stratégie de lever . . . . . . . . . . . . 153
8.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155

Conclusions 157

V Synthèse générale, conclusions et perspectives 159

Contributions scientifiques 165

Références bibliographiques 167

vii
viii
Liste des figures

1.1 Évolution de la proportion d’individus de plus de 65 ans dans

la population française de 1946 à 2070 (source : Insee 2017,
estimations de population) [1] . . . . . . . . . . . . . . . . . 10
1.2 Trois trajectoires hypothétiques des capacités physiques (D’après
l’OMS [2]) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

2.1 Plans anatomiques longitudinal, sagittal et transversal du

corps humain (crédit : sci-sport.com) . . . . . . . . . . . . . 19
2.2 Positionnement relatif d’un segment corporel s1 et de son
repère associé R1 par rapport à la salle et son repère associé
R0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3 Coordonnées cartésiennes permettant de repérer la position
du point A par rapport au repère R0 , exprimée dans la base
B0 (i0 , j0 , k0 ) . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.4 Orientation relative des bases B1 et B0 où i0 est l’intersection
des plans (O, i0 , j0 ) et (O, i1 , j1 ) . . . . . . . . . . . . . . . . 22
2.5 La vitesse de rotation du segment s1 par rapport au repère R0
est un pseudovecteur dirigé par l’axe instantané de rotation n 27
2.6 Modélisation ponctuelle du corps pour le calcul de l’énergie
mécanique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.7 Modélisation du corps par chaine de segments indéformables 32

3.1 Catégorisation des technologies d’analyse du mouvement non-

invasives, adapté de Zhou et Hu (2007) [3] . . . . . . . . . . 38
3.2 Analyse quantifiée de la marche sur une plateforme de cap-
ture du mouvement via un système optoélectronique avec
marqueurs passifs . . . . . . . . . . . . . . . . . . . . . . . . 40

ix
 TM
3.3 Caméra de profondeur Microsoft Kinect pour la capture et
l’analyse du mouvement . . . . . . . . . . . . . . . . . . . . 41
3.4 Définition du repère local Rl d’une centrale inertielle . . . . 46
3.5 Algorithme de Kalman indirect permettant d’estimer l’orien-
tation d’une centrale inertielle . . . . . . . . . . . . . . . . . 51
3.6 Outils de calibration adaptés pour identifier les axes anato-
miques (a et b). Calibration centrale à segment de la cuisse
(c et d) [4] . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.7 Schéma de principe de l’estimation de la position d’une cen-
trale inertielle par double intégration (méthode de navigation
à l’estime ou dead-reckoning) . . . . . . . . . . . . . . . . . 54

4.1 Schéma de principe d’un scanner à absorption biphotonique

à rayon X issu de Durkin et al. (2002) [5] . . . . . . . . . . . 58
4.2 Exemple de scanner tri-dimensionnel à main (modèle Artec R
MHT, artec3d.com) . . . . . . . . . . . . . . . . . . . . . . . 60
4.3 Schéma de présentation du scanner multi-caméras composé
de 18 appareils photos (RPis) et de quatre projecteurs pro-
posé par Peyer et al. (2015) [6] . . . . . . . . . . . . . . . . . 61
TM
4.4 Schéma de positionnement des caméras Microsoft Kinect
proposé par Clarkson et al. (2012) [7] pour effectuer un scan
tri-dimensionnel du corps humain complet . . . . . . . . . . 62

5.1 Description des phases de la transition assis / debout définies

par Schenkmann et al. [8] et Kralj et al. [9] (figure modifiée
par Chorin [10]) . . . . . . . . . . . . . . . . . . . . . . . . . 71
5.2 Sangle fournie par APDM pour la fixation de la centrale iner-
tielle sur le sternum du sujet . . . . . . . . . . . . . . . . . . 73
5.3 Positionnement des marqueurs sur les points anatomiques et
de la centrale inertielle sur le sternum . . . . . . . . . . . . . 74
5.4 Sujet équipé des marqueurs et de la centrale inertielle . . . . 74
5.5 Définitions des différents repères de l’étude . . . . . . . . . . 76
5.6 Modèle cinématique simplifié de la transition assis / debout
pour le calcul de la vitesse du centre de masse du buste . . . 83
5.7 Positionnement et dénomination des marqueurs positionnés
sur la centrale inertielle fixée sur le buste . . . . . . . . . . . 85

6.1 Exemple d’utilisation de l’algorithme de détection de mouve-

ment lors du lever de chaise basé sur les données de la centrale
inertielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93

x
6.2 Bland-Altman comparant les durées du lever de chaise (Tlever )
mesurées à l’aide de la centrale inertielle et du système Vicon
de référence . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
6.3 Résultats représentatifs obtenus pour la mesure de l’accélé-
ration de la centrale inertielle pour un essai à chaque rythme 96
6.4 Bland-Altman comparant les moyennes de l’accélération de
la centrale inertielle (āC∈c/0 ) mesurée à l’aide de la centrale
inertielle et du système Vicon de référence . . . . . . . . . . 97
6.5 Bland-Altman comparant les maximums de l’accélération de
la centrale inertielle (M (aC∈c/0 )) mesurée à l’aide de la cen-
trale inertielle et du système Vicon de référence . . . . . . . 99
6.6 Résultats représentatifs obtenus pour la mesure de la vitesse
de rotation du buste pour un essai à chaque rythme . . . . . 100
6.7 Bland-Altman comparant les moyennes de la vitesse de rota-
tion du buste (ω̄b/0 ) mesurée à l’aide de la centrale inertielle
et du système Vicon de référence . . . . . . . . . . . . . . . 102
6.8 Bland-Altman comparant les maximums de la vitesse de ro-
tation du buste (M (ωb/0 )) mesurée à l’aide de la centrale
inertielle et du système Vicon de référence . . . . . . . . . . 103
6.9 Résultats représentatifs obtenus pour la mesure de l’inclinai-
son du buste pour un essai à chaque rythme . . . . . . . . . 104
6.10 Bland-Altman comparant les moyennes de l’inclinaison du
buste (θ̄b ) mesurée à l’aide de la centrale inertielle et du sys-
tème Vicon de référence . . . . . . . . . . . . . . . . . . . . 106
6.11 Bland-Altman comparant les maximums de l’inclinaison du
buste (M (θb )) mesurée à l’aide de la centrale inertielle et du
système Vicon de référence . . . . . . . . . . . . . . . . . . . 107
6.12 Résultats représentatifs obtenus pour la mesure de la vitesse
du centre de masse du buste pour un essai à chaque rythme 109
6.13 Résultats typiques obtenus pour la mesure de la vitesse du
centre de masse du buste pour un essai à rythme normal. La
courbe bleue correspond au résultat obtenu avec la méthode
décrite dans l’étude alors que la courbe verte correspond à
une intégration de l’accélération sur la fenêtre d’enregistre-
ment sans correction. . . . . . . . . . . . . . . . . . . . . . . 110
6.14 Bland-Altman comparant les moyennes de la vitesse du CoM
du buste (v̄Gb ∈b/0 ) mesurée à l’aide de la centrale inertielle et
du système Vicon de référence . . . . . . . . . . . . . . . . . 111

xi
6.15 Bland-Altman comparant les maximums de la vitesse du CoM
du buste (M (vGb ∈b/0 )) mesurée à l’aide de la centrale inertielle
et du système Vicon de référence . . . . . . . . . . . . . . . 112
6.16 Résultats représentatifs obtenus pour la mesure de l’énergie
cinétique du buste pour un essai à chaque rythme . . . . . . 113
6.17 Bland-Altman comparant les moyennes de l’énergie cinétique
du buste (Ēc ) mesurée à l’aide de la centrale inertielle et du
système Vicon de référence . . . . . . . . . . . . . . . . . . . 115
6.18 Bland-Altman comparant les maximums de l’énergie ciné-
tique du buste (M(Ec )) mesurée à l’aide de la centrale iner-
tielle et du système Vicon de référence . . . . . . . . . . . . 116

7.1 Rappel du repérage utilisé pour l’analyse du mouvement de

la transition assis / debout . . . . . . . . . . . . . . . . . . . 127
7.2 Résultats des comparaisons de paramètres entre les groupes
jeunes, âgés et fragiles . . . . . . . . . . . . . . . . . . . . . 132

8.1 Exemple de courbes ROC d’un classificateur aléatoire à gauche

et d’un classificateur parfait à droite . . . . . . . . . . . . . 141
8.2 Algorithme permettant d’extraire par optimisation de la dis-
crimination les paramètres décrivant l’effet de l’âge et per-
mettant de calculer le AgingScore . . . . . . . . . . . . . . . 145
8.3 Performance du score de vieillissement en fonction du nombre
a de paramètres considérés dans l’algorithme . . . . . . . . . 149
8.4 Performance du score de fragilité en fonction du nombre f de
paramètres considérés dans l’algorithme . . . . . . . . . . . . 149
8.5 Courbe ROC moyenne (ligne foncée) et limites d’écart-type
(zone ombrée) quantifiant la performance du score de vieillis-
sement pour les 1000 randomisation avec A = 5 . . . . . . . 150
8.6 Courbe ROC moyenne (ligne foncée) et limites d’écart-type
(zone ombrée) quantifiant la performance du score de fragilité
pour les 1000 randomisation avec F = 7 . . . . . . . . . . . 151
8.7 Positionnement des AgingScore des sujets jeunes et âgés
sains inclus dans l’étude sur une échelle allant de 0 à 100 . . 153
8.8 Positionnement des F railtyScore des sujets âgés sains et fra-
giles inclus dans l’étude sur une échelle allant de 0 à 100 . . 153

xii
8.9 Médianes (lignes foncées), 1er et 3ème quartiles (limites infé-
rieure et supérieure des zones ombrées) des paramètres rete-
nus pour chaque groupe représentés dans une figure radar.
Les données sont normalisées par les valeurs médianes du
groupe de jeunes sains . . . . . . . . . . . . . . . . . . . . . 154
8.10 Rapports de circularité pour chaque groupe présentés dans
des diagrammes boites. Les évolutions entre groupes ont été
analysées à l’aide du test de Mann-Whitney. « * » repré-
sente une différence significative entre deux groupes alors que
« NS » spécifie que la différence est non significative . . . . . 155
8.11 Objectif à terme : exemple fictif de suivi d’un individu au
cours de sa vie via le AgingScore puis le F railtyScore à
partir de 65 ans . . . . . . . . . . . . . . . . . . . . . . . . . 164

xiii
xiv
Liste des tableaux

5.1 Données morphologiques des sujets inclus dans l’étude de va-

lidation des paramètres cinématiques et énergétiques lors du
lever de chaise . . . . . . . . . . . . . . . . . . . . . . . . . . 72
5.2 Points anatomiques utilisés pour l’emplacement des marqueurs
passifs du système optoélectronique Vicon . . . . . . . . . . 75
5.3 Coordonnées des vecteurs uHC et uHGb exprimées dans B0 en
fonction de la longueur du tronc lt . . . . . . . . . . . . . . . 82
5.4 Masse du buste en fonction de masse totale du corps d’après
Dumas et al. [11] . . . . . . . . . . . . . . . . . . . . . . . . 84
5.5 Données anthropométriques de la position du centre de masse
du buste dans Rb issues de Dumas et al. [11] . . . . . . . . . 87
5.6 Données anthropométriques de la matrice d’inertie du buste
issues de Dumas et al. [11] . . . . . . . . . . . . . . . . . . . 88

6.1 Valeurs des paramètres utilisés dans l’algorithme de détection

du mouvement à l’aide des capteurs de la centrale inertielle . 92
6.2 Biais, limites d’acceptation (LOA), erreur quadratique moyenne
(RMSE) et coefficient de corrélation (r) issus de la compa-
raison de Bland-Altman entre les durées du lever estimées à
l’aide de la centrale et du système Vicon de référence pour
chaque rythme . . . . . . . . . . . . . . . . . . . . . . . . . 95
6.3 Moyenne et écart-type des coefficients de corrélation (r) et des
erreurs quadratiques moyennes normalisées (nRMSE) entre
les courbes de l’accélération mesurée par la centrale et le sys-
tème Vicon de référence pour chaque rythme . . . . . . . . . 96

xv
6.4 Biais, limites d’acceptation (LOA), erreur quadratique moyenne
(RMSE) et coefficient de corrélation (r) issus de la comparai-
son de Bland-Altman entre les moyennes de l’accélération de
la centrale estimée à l’aide de la centrale et du système Vicon
de référence pour chaque rythme . . . . . . . . . . . . . . . 98
6.5 Biais, limites d’acceptation (LOA), erreur quadratique moyenne
(RMSE) et coefficient de corrélation (r) issus de la comparai-
son de Bland-Altman entre les maximums de l’accélération
de la centrale estimée à l’aide de la centrale et du système
Vicon de référence pour chaque rythme . . . . . . . . . . . . 99
6.6 Moyenne et écart-type des coefficients de corrélation (r) et des
erreurs quadratiques moyennes normalisées (nRMSE) entre
les courbes de la vitesse de rotation du buste mesurée par la
centrale et le système Vicon de référence pour chaque rythme 101
6.7 Biais, limites d’acceptation (LOA), erreur quadratique moyenne
(RMSE) et coefficient de corrélation (r) issus de la compa-
raison de Bland-Altman entre les moyennes de la vitesse de
rotation du buste estimée à l’aide de la centrale et du système
Vicon de référence pour chaque rythme . . . . . . . . . . . . 102
6.8 Biais, limites d’acceptation (LOA), erreur quadratique moyenne
(RMSE) et coefficient de corrélation (r) issus de la compa-
raison de Bland-Altman entre les maximums de la vitesse de
rotation du buste estimée à l’aide de la centrale et du système
Vicon de référence pour chaque rythme . . . . . . . . . . . . 103
6.9 Moyenne et écart-type des coefficients de corrélation (r) et des
erreurs quadratiques moyennes normalisées (nRMSE) entre
les courbes de l’inclinaison du buste mesurée par la centrale
et le système Vicon de référence pour chaque rythme . . . . 105
6.10 Biais, limites d’acceptation (LOA), erreur quadratique moyenne
(RMSE) et coefficient de corrélation (r) issus de la comparai-
son de Bland-Altman entre les moyennes de l’inclinaison du
buste estimée à l’aide de la centrale et du système Vicon de
référence pour chaque rythme . . . . . . . . . . . . . . . . . 106
6.11 Biais, limites d’acceptation (LOA), erreur quadratique moyenne
(RMSE) et coefficient de corrélation (r) issus de la comparai-
son de Bland-Altman entre le maximums de l’inclinaison du
buste estimée à l’aide de la centrale et du système Vicon de
référence pour chaque rythme . . . . . . . . . . . . . . . . . 107

xvi
6.12 Moyenne et écart-type des coefficients de corrélation (r) et des
erreurs quadratiques moyennes normalisées (nRMSE) entre
les courbes de la vitesse du CoM du buste mesurée par la
centrale et le système Vicon de référence pour chaque rythme 109
6.13 Biais, limites d’acceptation (LOA), erreur quadratique moyenne
(RMSE) et coefficient de corrélation (r) issus de la compa-
raison de Bland-Altman entre les moyennes de la vitesse du
CoM du buste estimée à l’aide de la centrale et du système
Vicon de référence pour chaque rythme . . . . . . . . . . . . 111
6.14 Biais, limites d’acceptation (LOA), erreur quadratique moyenne
(RMSE) et coefficient de corrélation (r) issus de la compa-
raison de Bland-Altman entre les maximums de la vitesse du
CoM du buste estimée à l’aide de la centrale et du système
Vicon de référence pour chaque rythme . . . . . . . . . . . . 112
6.15 Moyenne et écart-type des coefficients de corrélation (r) et des
erreurs quadratiques moyennes normalisées (nRMSE) entre
les courbes de l’énergie cinétique du buste mesurée par la
centrale et le système Vicon de référence pour chaque rythme 114
6.16 Biais, limites d’acceptation (LOA), erreur quadratique moyenne
(RMSE) et coefficient de corrélation (r) issus de la compa-
raison de Bland-Altman entre les moyennes de l’énergie ciné-
tique du buste estimée à l’aide de la centrale et du système
Vicon de référence pour chaque rythme . . . . . . . . . . . . 115
6.17 Biais, limites d’acceptation (LOA), erreur quadratique moyenne
(RMSE) et coefficient de corrélation (r) issus de la comparai-
son de Bland-Altman entre les maximums de l’énergie ciné-
tique du buste estimée à l’aide de la centrale et du système
Vicon de référence pour chaque rythme . . . . . . . . . . . . 116

7.1 Caractéristiques des sujets participants à l’étude . . . . . . . 125

7.2 Échelle de fragilité clinique de Rockwood [12] . . . . . . . . 126
7.3 Pour chaque groupe, moyennes et écart-types des paramètres
évalués lors de la transition assis / debout. Les valeurs p des
tests de Mann-Whitney sont également données entre sujets
jeunes et âgés sains et entre sujets âgés sains et fragiles. . . . 133

8.1 Performance de chaque paramètre d’après l’aire sous la courbe

ROC (AUC) pour classifier jeunes sains / âgés sains (triés par
ordre décroissant) . . . . . . . . . . . . . . . . . . . . . . . . 147

xvii
8.2 Performance de chaque paramètre d’après l’aire sous la courbe
ROC (AUC) pour classifier âgés sains / âgés fragiles (triés par
ordre décroissant) . . . . . . . . . . . . . . . . . . . . . . . . 147
8.3 Poids de chaque paramètre pour le calcul du AgingScore
d’un nouveau sujet . . . . . . . . . . . . . . . . . . . . . . . 152
8.4 Poids de chaque paramètre pour le calcul du F railtyScore
d’un nouveau sujet . . . . . . . . . . . . . . . . . . . . . . . 152

xviii
Remerciements

Ce travail de thèse n’aurait pas été possible sans l’aide et le soutien de

nombreuses personnes que je souhaite remercier ici.
Tout d’abord, je souhaite montrer ma gratitude envers Raphaël Dumas
et Philippe Pudlo d’avoir accepté d’évaluer ce travail en tant que rappor-
teurs. Merci également à Laetitia Fradet, Kiyoka Kinugawa et Catherine
Marque de juger ce travail lors de la soutenance.
Je tiens particulièrement à remercier mon directeur de thèse, Frédéric
Marin, pour son encadrement et ses conseils avisés. Merci également pour
la confiance accordée tout au long de cette thèse. Je remercie également
Khalil Ben Mansour, co-encadrant de cette thèse avec qui les échanges sont
toujours instructifs. Merci de m’avoir aider par tes compétences. Merci à
vous deux de m’avoir accueilli dans des conditions de travail idéales.
Ce projet a été réalisé au sein du laboratoire de Biomécanique et Bioin-
génierie de l’Université de Technologie de Compiègne, au sein de l’équipe
C2MUST. Je remercie les membres du laboratoire pour leurs discussions
souvent enrichissantes. Merci également de m’avoir donné l’opportunité de
découvrir la biomécanique sous ces différents aspects.
Je souhaite également vivement remercier l’ensemble des participants
aux expérimentations sans lesquels ce travail aurait été impossible. Merci
également à Adrien Letocart de m’avoir permis d’augmenter le nombre de
participants en m’intégrant au sein de son projet. Merci à Kiyoka Kinugawa
d’avoir permis l’étude sur patients fragiles et de m’avoir accueilli à l’hôpital
Charles Foix dans le cadre du projet.
Je souhaite également remercier l’ensemble de mes collègues et amis avec
qui j’ai partagé ces trois dernières années : Clint, Pierre, Adrien, Mélissa,
Milène, Lise, Jolanthe, Félix, Loubna, Sarah, Jérémy, Quentin, Inès, Malek,
Ahmed et Rédouane. La vie au laboratoire n’aurait pas la même saveur sans

xix
vous tous.
Je remercie aussi ma compagne, Yi qui est toujours là pour me soutenir.
Merci à toi d’être là dans les bons et les mauvais moments, d’apporter la
joie au quotidien. Enfin, merci à mes parents et ma sœur pour votre soutien,
votre aide et l’équilibre que vous apportez à ma vie.

xx
Notations mathématiques

Notations Significations
x Variable scalaire
Rk Repère géométrique constitué d’une origine et d’une base
Bk Base orthonormée directe associée au repère Rk
v Vecteur colonne
|v| Norme du vecteur v
.
 Dérivée temporelle d’une variable quelconque
uAB Vecteur euclidien allant du point A au point B
pA Position du point A par rapport au repère globale R0
w(k) Vecteur w exprimé dans la base Bk
A Matrice
Rk/l Matrice d’orientation (ou de rotation) de la base Bl par
rapport à la base Bk
qk/l Quaternion d’orientation de la base Bl par rapport à la base
Bk

xxi
xxii
 Première partie

Introduction générale

1
 Deux des problématiques de santé majeures que l’Organisation Mondiale
de la Santé (OMS) et l’Union Européenne (UE) ont identifiées dans le cadre
de l’allongement de l’espérance de vie, notamment à travers le programme
« More Years, Better Lives », sont le bien-être et le bien-vieillir. L’activité
physique et sportive est un élément de réponse clef, particulièrement en ce
qui concerne l’homéostasie et le maintien des capacités physiques et cogni-
tives. Une activité régulière au cours de la vie permet de réduire les risques
d’affections et prolonge la durée de vie en bonne santé. D’autre part, l’ac-
tivité physique doit être suivie, notamment pour les personnes à risque.
Ainsi, dans une problématique de santé publique, il est nécessaire de mesu-
rer quantitativement les capacités physiques des individus aux cours de leur
vie pour proposer et monitorer une activité physique adaptée.
Les solutions pour quantifier les capacités physiques sur la base de l’ana-
lyse du mouvement des individus sont bien établies en biomécanique, avec
des applications aussi bien dans le domaine clinique que le domaine spor-
tif. Cependant, les techniques utilisées actuellement restent bien souvent
« lourdes » et relativement invasives en situation réelle pour l’individu. C’est
pour cela que les tests cliniques ne sont pas ou peu quantifiés actuellement et
que les évaluations se font dans des laboratoires dédiés. Par conséquent, ces
dernières sont réservées à des utilisations spécifiques (suivi d’élites sportives
par exemple).
En parallèle, les capteurs magnétiques et inertiels offrant la possibilité
de mesurer certains paramètres cinématiques se sont largement démocrati-
sés du fait principalement de leur miniaturisation aussi bien au niveau des
instruments de mesure, du stockage de l’énergie ou de la transmission de l’in-
formation. Ces modules permettent de mesurer des variations de mouvement
comme la vitesse angulaire ou l’accélération mais ne permettent pas d’ac-
céder facilement à la position. Classiquement, les analyses du mouvement
en laboratoire sont faites à l’aide de caméras travaillant en collaboration

3
dont le traitement par ordinateur permet de recréer un environnement tri-
dimensionnel. Cette technologie, dite par stéréophotogrammétrie peut être
mise en analogie avec le principe de la vision humaine. Chaque œil peut
s’apparenter à une caméra qui enregistre des images planes que le cerveau
(l’ordinateur) va interpréter pour reconstruire la dimension de profondeur.
Les capteurs magnéto-inertiels ont une technologie de mesure du mouvement
très différente. Ces capteurs se rapprochent plus du sens de d’équilibriocep-
tion. En effet, l’oreille interne est constituée de canaux semi-circulaire et
d’organes otolithiques capables de mesurer des variations de mouvements
angulaires et linéaires comme le feraient des capteurs magnéto-inertiels mais
incapables d’informer sur la position dans l’espace [13].
Depuis le début des années 2010, les capteurs magnéto-inertiels sont
à la base des objets dit « connectés » et se retrouvent au quotidien dans
les smartphones, tablettes ou voitures. Leurs fonctions sont longtemps res-
tées assez basiques : déclenchement d’airbag, rotation d’écran, détection
de mouvement, comptage de pas etc. Cependant, depuis quelques temps,
notamment grâce à la fusion de données multi-capteurs qui permet d’ob-
tenir l’orientation dans l’espace, les opportunités de mesure augmentent.
Dans des versions dédiées à l’analyse du mouvement ambulatoire, ces cap-
teurs sont intégrés dans un boitier commun appelé centrale inertielle capable
d’enregistrer des données pendant plusieurs heures. La miniaturisation, le
développement des communications à distance, du stockage de l’énergie et
de l’information ont permis une utilisation de plus en plus fréquente de ces
centrales dans les études biomécaniques. En effet, elles offrent la possibi-
lités de faire des mesures non-invasives, en situation écologique et à faible
coût. Les concepteurs proposent de plus en plus des outils clefs en mains
permettant par exemple d’étudier la marche ou même de reconstruire les
mouvements des segments corporels via des modèles cinématiques articulés.
Les centrales inertielles autorisent donc de nouveaux usages et de nou-
velles pratiques, mais leurs utilisations pour la santé, la gérontechnologie
ou le coaching sportif virtuel restent mal maı̂trisées et encore brouillonnes
et nécessitent une validation rigoureuse. D’autre part, bien que très perfor-
mantes du point de vue de la mesure, ces centrales inertielles ont un usage
très limité pour la détermination des capacités physiques car il n’y a pas de
formalisme rigoureux et solide.
Ce manuscrit de thèse se compose de trois parties principales. Dans la
première partie, un travail d’état de l’art a été mené. L’objectif de cette
partie est de présenter les méthodes actuelles pour quantifier les capacités
physiques, en particuliers en gériatrie. Une section sera dédiée aux méthodes

4
actuelles de quantification ambulatoire de ces tests. Ensuite, la théorie ma-
thématique pour décrire le mouvement humain et les outils disponibles ac-
tuellement seront présentés afin de mettre en avant les opportunités des
centrales inertielles pour les mesures cliniques ambulatoires.
Dans la seconde partie, l’analyse du mouvement lors de la transition assis
/ debout à l’aide d’une centrale inertielle sera validée. Ce mouvement a été
choisi car il est fréquemment réalisé et s’avère compliqué à réaliser pour des
personnes dont les capacités physiques diminues. De plus, l’objectif de cette
partie est de proposer un maximum de descripteurs en gardant un protocole
de mesure le plus simple possible afin de le rendre utilisable en routine.
Enfin, dans une troisième partie, trois populations différentes seront com-
parées via l’analyse du mouvement lors de la transition assis / debout. Le
premier groupe est constitué d’individus jeunes et en bonne santé, le second
d’individus âgés et déclarés en bonne santé physique après visite médicale
et enfin, le troisième est constitué d’un panel de sujets âgés classés comme
fragiles. Outre la comparaison, l’objectif de cette dernière partie est aussi
de proposer une méthode d’analyse et de scoring simple afin de quantifier
les capacités physiques rapidement.

5
6
Deuxième partie

État de l’art

7
Chapitre 1
Cadre générale de la thèse

Sommaire
1.1 Le vieillissement de la population . . . . . . . . . 9
1.2 La santé des seniors . . . . . . . . . . . . . . . . . 11
1.3 Les tests d’évaluation clinique des capacités phy-
siques . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3.1 Le test timed up and go . . . . . . . . . . . . . . 13
1.3.2 Le test du lever de chaise . . . . . . . . . . . . . 13
1.3.3 Quantification des résultats . . . . . . . . . . . . 14

1.1 Le vieillissement de la population

Le vieillissement de la population est un phénomène mondial qui touche
un grand nombre de pays. En France, l’espérance de vie moyenne est passée
de 48 ans en 1900 à 82,7 ans en 2015, ce qui constitue une augmentation de
70 % en l’espace d’un peu plus d’un siècle [14]. L’allongement de la durée
de vie alliée à l’avancée en âge des générations du baby-boom post seconde
guerre mondiale induit un vieillissement de la population française. Ainsi,
le nombre de personnes de plus de 65 ans représente, au 1er janvier 2016,
18,8 % de la population, soit une progression de 3,7 points sur les vingt
dernières années [14].
Les estimations moyennes de l’INSEE prévoient une augmentation du
nombre d’habitants en France de 65,8 millions en 2013 à 76,4 millions en 2070
[1]. Dans le scénario proposé, les personnes âgées de plus de 65 ans passeront

9
Chapitre 1. Cadre générale de la thèse

de 11,5 millions en 2013 à 21,9 millions en 2070, soit une augmentation de

90,6 %. Cette augmentation se fera essentiellement au cours des vingt-sept
prochaines années avec une augmentation de 8 points de la proportion de
personnes de plus de 65 ans (figure 1.1). Lors des trente années suivantes,
la proportion augmentera seulement de 3 points.

Figure 1.1 – Évolution de la proportion d’individus de plus de 65 ans dans

la population française de 1946 à 2070 (source : Insee 2017, estimations de
population) [1]

Ce phénomène démographique est généralisable à l’échelle planétaire.

En 2015, 125 millions d’individus sont âgés de plus de 80 ans. D’ici à 2050,
il y aura environ 434 millions d’individus dans cette tranche d’âge. À titre
d’exemple, la Chine comptera environ 120 millions d’octogénaire sur son
seul sol [15]. En outre, la vitesse du phénomène s’accentue. Alors que la
France a eu près de 150 ans pour s’adapter à une augmentation de 10 % à
20 % de la proportion de personnes de plus de 60 ans, la Chine, le Brésil ou
l’Inde n’auront qu’une vingtaine d’année pour s’accommoder [2].
Le vieillissement annoncé de la population aura des conséquences sur les
sociétés dans les domaines de l’économie, de l’alimentation, des transports
mais constituera également un enjeu de santé public. D’après le modèle
PROMEDE, les dépenses totales de santé pourraient passer de 9,0 % du
PIB en 2013 à 11,5 % du PIB en 2060 [16]. Cette augmentation sera prin-
cipalement due à une hausse des affections de longue durée qui touchent
essentiellement les personnes de plus de 65 ans.

10
 1.2 La santé des seniors

1.2 La santé des seniors

Le vieillissement humain est un processus qui se caractérise par une di-
minution générale des capacités physiques et cognitives (appelées capacités
intrinsèques), une réduction des ressources physiologiques et un risque accru
de diverses maladies [2]. Cette évolution progressive n’est pas constante et
n’est pas nécessairement associée à l’âge chronologique de la personne [2].
En effet, les modifications dues au vieillissement sont fortement influencées
par l’environnement et le mode de vie.
Le vieillissement implique une baisse des capacités intrinsèques chez tout
être humain. Ces modifications implicites affectent directement les fonc-
tions de mouvement, les fonctions sensorielles, les fonctions cognitives, la
sexualité, la fonction immunitaire et les fonctions de peau [2]. Les capaci-
tés motrices en particulier sont affectées par la dégénérescence du système
musculo-squelettique. En effet, la perte de masse musculaire, la diminution
de la densité osseuse, l’altération du cartilage articulaire affectent le mou-
vement. Dans la pratique, cela se traduit par une diminution, par exemple,
de la vitesse de marche [2] ou du nombre de levers de chaise dans la journée
[17].
Les problèmes de santé de longue durée sont fortement corrélés aux capa-
cités intrinsèques. Les maladies affectant les seniors sont en grande majorité
non transmissibles : perte auditive, lombalgies, cervicalgies, troubles dépres-
sifs, diabète, maladie d’Alzheimer, arthrose, etc. [2]. D’autres problèmes de
santé, souvent appelés « syndromes gériatriques » peuvent également appa-
raitre : la fragilité, la chute et l’incontinence. Les chutes sont essentiellement
provoquées par la baisse des capacités physiques. Elles touchent 10 à 25 %
des personnes âgées de plus de 65 ans [18] et interviennent lors d’activités
quotidiennes. Les conséquences sur l’individu sont négatives avec notam-
ment, un taux de mortalité élevé dans l’année favorisé par la perte d’indé-
pendance et d’autonomie [18]. La fragilité, elle aussi, est étroitement liée
aux pertes des capacités intrinsèques. Elle se définie comme une régression
progressive des systèmes physiologiques liée à l’âge. Ce qui entraine une
diminution des réserves de capacités intrinsèques, induisant une extrême
vulnérabilité aux facteurs de stress et augmentant le risque d’une série d’ef-
fets négatifs sur la santé [19]. La fragilité touche 17 % des personnes de
65 ans et plus [2]. Elle accroit sensiblement le risque de maladies et le taux
de mortalité [19].
Ainsi, l’individu doit garder de bonnes capacités physiques au cours de
sa vie pour réduire le risque d’affection, c’est-à-dire de bonnes capacités de

11
Chapitre 1. Cadre générale de la thèse

force, d’endurance, de souplesse et de coordination des mouvements. L’or-

ganisation Mondiale de la Santé a identifié plusieurs évolutions possibles qui
dépendent de l’individu [2]. Sur la figure 1.2, trois évolutions différentes sont
présentées. Lorsque les capacités physiques de la personne suivent une tra-
jectoire optimale, la courbe reste élevée jusqu’à la fin de vie. La trajectoire
interrompue montre l’évolution d’un individu qui, à un moment de sa vie,
aurait vécu un événement provoquant une perte brutale de capacités. Par
la suite, il a pu récupérer en partie ses capacités avant de retomber dans
une dégradation progressive. Les traits en pointillés montrent d’autres évo-
lutions possibles après une perte brutale de capacités physiques. En effet,
une évolution plutôt qu’une autre peut dépendre par exemple d’un accès
à la rééducation ou aux soins. Enfin, la trajectoire déclinante montre une
diminution linéaire des capacités. Cette évolution pourrait également être
modifiée positivement à l’aide d’un changement de comportement (activité
physique plus régulière, nutrition mieux adaptée, etc.) ou d’un meilleurs ac-
cès aux médicaments. Finalement, la figure 1.2 montre l’importance d’éva-
luer les capacités physiques de l’individu au cours de sa vie afin de proposer
des adaptations et ainsi optimiser au mieux la trajectoire. Cela aura pour
effet direct de limiter les risques d’affections de longue durée associés à la
perte des capacités et ainsi garantir un meilleur vieillissement à l’individu.
Capacités physiques

Trajectoire optimale
Trajectoire interrompue

Trajectoire déclinante

Âge

Figure 1.2 – Trois trajectoires hypothétiques des capacités physiques

(D’après l’OMS [2])

12
 1.3 Les tests d’évaluation clinique des capacités physiques

1.3 Les tests d’évaluation clinique des capa-

cités physiques
Actuellement, les capacités physiques de l’individu sont évaluées en cli-
nique à l’aide de tests dont les principaux sont le timed-up and go et le lever
de chaise.

1.3.1 Le test timed up and go

Le test timed-up and go évalue les capacités physiques en observant le
patient lors de la transition assis-debout, de la marche et du changement de
direction. Il a pour but de déterminer la stabilité du patient et ses capacités
motrices. Le clinicien demande au patient de se lever d’une chaise, de mar-
cher sur trois mètres, de faire demi-tour sur place, de revenir en direction de
la chaise, de la contourner puis enfin, de se rasseoir. Ce test a été proposé
par Mathias et al. [20] et amélioré par Podsialdo et Richardson [21] avec
notamment, la prise en compte de la durée du test.
Le temps mis pour faire le parcours constitue le résultat du test [22][18].
En effet, la lenteur reflète les problèmes de stabilité et d’autonomie. En
particulier, le risque de chute est corrélé à la vitesse d’exécution du test.
Cependant, la valeur seuil de la durée distinguant les personnes à risque varie
grandement selon les études [22]. De ce fait, les observations du praticien
sont parfois utilisées en complément lors du test afin de définir un score lié
à la stabilité. Par exemple, Rivier propose un tableau de notation qualitatif
permettant de définir un score à trois niveaux [23].
Il est également à noter que les conditions de réalisation du test peuvent
varier. En effet, le type de chaise, les instructions du praticien sur la vitesse
de marche, la longueur de la phase de marche sont autant de paramètres
susceptibles d’influer les résultats du test.

1.3.2 Le test du lever de chaise

Le test du lever de chaise (ou Sit-to-Stand Test (SiSt) en anglais) a pour
but d’évaluer une action couramment réalisée dans la vie quotidienne et
considérée comme l’étape la plus difficile du test timed-up and go [24]. La
transition posturale assis/debout caractérise, en particulier, la force mus-
culaire produite par les membres inférieurs. Elle nécessite un déplacement
globalement vertical du centre de gravité qui passe par une position instable
[25]. Le lever de chaise requière donc un bon équilibre et suffisamment de

13
Chapitre 1. Cadre générale de la thèse

force et puissance musculaire [26]. Ces paramètres traduisent la capacité

motrice des membres inférieurs. Dans la littérature, ce test se retrouve sous
deux formes différentes : le lever de chaise « répétitif » ou « non répétitif ».
Le SiSt répétitif consiste a faire effectuer au patient un certains nombre
de levers de chaise le plus rapidement possible. Il a été proposé pour la pre-
mière fois avec dix répétitions par Csuka et McCarty [27]. Quelques années
plus tard, Guralnik et al. ont diminué le nombre de répétitions à cinq [28],
ce qui demeure le standard en clinique. Le temps mis par le patient âgé à
réaliser les répétitions permet d’évaluer sa condition physique, son contrôle
postural et son équilibre. L’objectif clinique est souvent d’estimer le risque
de chute de l’individu. L’équilibre et la force peuvent également être me-
surés par la réalisation du plus grand nombre de levers de chaise en 30
secondes. Lorsque le sujet ne parvient pas à dépasser un certains nombre de
transitons, le test révèle une déficience au niveau des muscles des membres
inférieurs.
Le SiSt non répétitif consiste à réaliser une seule transition assis/debout.
Ce test a l’avantage de déterminer les capacités physiques tout en diminuant
la charge physique demandée. Ainsi, pour les personnes âgées, les risques as-
sociés sont réduits. Cependant, il n’existe aucun consensus sur le protocole
à adopter. En effet, il n’existe aucun standard concernant les instructions à
donner au sujet (position du corps, utilisation des bras, position des pieds,
vitesse d’exécution, etc.) ou le matériel à utiliser (hauteur de chaise, pré-
sence d’un dossier ou d’accoudoirs, etc.). D’autre part, l’évaluation du test
est principalement qualitatif. Seul le temps pour réaliser le mouvement, pa-
ramètre global, est quantifié. Actuellement, les études montrent la nécessité
de standardiser le test de lever de chaise non répétitif [29]. D’autre part, la
quantification de la mesure via des paramètres pertinents pourrait permettre
de différencier des populations [26].

1.3.3 Quantification des résultats

Actuellement, ces différents tests des capacités motrices sont très peu
quantifiés dans le cadre clinique. Cependant, des recherches ont été me-
nées dans le but de développer des outils de quantification employant des
technologies faciles d’accès et peu onéreuses.
En 2015, l’équipe de Sprint et al. [30] a fait un panorama complet des
méthodes de quantifications par analyse du mouvement du test de timed-up
and go. Cette étude recense un grand nombre de contributions scientifiques
ayant pour but de proposer une aide au diagnostic clinique. Pour la quantifi-

14
 1.3 Les tests d’évaluation clinique des capacités physiques

cation du test de timed-up and go, la plupart des études s’intéresse surtout
à la détection des différentes phases du test et à l’analyse des risques de
chutes ou de détection de la maladie de Parkinson via les signaux issus des
capteurs. Peu d’approches tentent de déterminer les données cinématiques
du patient. En 2010, Greene et al. ont utilisé des centrales inertielles sur
le tronc et les jambes pour déterminer des paramètres lors de la phase de
marche tels que la cadence de pas, la durée du double appui, etc. [31]. Ce-
pendant, ils ne s’intéressent pas aux phases de transition assis/debout puis
debout/assis. Salarian et al. s’y intéressent mais ne prennent en compte que
le maximum et la moyenne de la vitesse angulaire lors de ces phases [32].
Pour le test du lever de chaise, de nombreux paramètres issus de centrales
inertielles semblent être significatifs pour évaluer les performances fonction-
nelles [26]. Ces paramètres peuvent être de différentes natures : temporel,
accélération linéaire, vitesse angulaire, fréquentiel, etc. Ils sont souvent di-
rectement issus du capteur utilisé et ne décrivent donc que partiellement la
cinématique du mouvement du patient. De plus, il n’y a aucun consensus
concernant l’évaluation des paramètres. Les auteurs développent souvent
leur propre méthode, ce qui rend les études difficilement comparables [26].
En effet, il existe peu de validation des données mesurées par les capteurs
ambulatoires à l’aide d’un système de référence. De plus, les études se sont
principalement intéressées à évaluer des caractéristiques cinématiques ou
dynamiques. Or, la quantification de l’énergie mécanique a été suggérée
comme une alternative pour l’investigation de la stratégie de mouvement et
donc des capacités physiques [33]. Il n’existe pas non plus de score associé
au test de lever. L’emplacement et le type de capteur sont aussi sujets à
discussion [26].
Par ailleurs, le lien entre les risques de chutes et les résultats des tests a
été remis en question [34] [35]. Par conséquent, il est nécessaire de développer
de nouveaux outils pour quantifier les déficits physiques chez les séniors. De
plus, le suivi des capacités physiques tout au long de l’existence apparait
comme essentiel pour optimiser la courbe individuelle de la figure 1.2. Or, la
mesure des capacités physiques peut se faire par l’analyse de la cinématique
et de l’énergétique du corps lors de tests. Dans la suite, un formalisme de
la théorie du mouvement sera développée pour présenter la cinématique et
l’énergie mécanique du corps humain afin de définir les besoins en terme de
mesure ambulatoire.

15
Chapitre 1. Cadre générale de la thèse

16
Chapitre 2
Modélisation mathématique du
mouvement humain

Sommaire
2.1 Cinématique des segments humains . . . . . . . 17
2.1.1 Référentiel et repère . . . . . . . . . . . . . . . . 18
2.1.2 Définition d’un solide indéformable . . . . . . . . 18
2.1.3 Repérage d’un segment corporel dans l’espace . . 18
2.1.4 Vitesse de rotation d’un segment . . . . . . . . . 26
2.1.5 Vitesse d’un point appartenant à un solide . . . 28
2.1.6 Accélération d’un point appartenant à un solide 29
2.2 Énergie mécanique du corps humain . . . . . . . 30
2.2.1 Modèle ponctuel . . . . . . . . . . . . . . . . . . 30
2.2.2 Modèle par chaine de solides articulés . . . . . . 32
2.3 Bilan . . . . . . . . . . . . . . . . . . . . . . . . . . 36
Les capacités physiques peuvent être quantifiées par l’analyse de la stra-
tégie de mouvement. L’analyse du mouvement humain est une thématique
vaste de la biomécanique. Ce chapitre développera la théorie mathématique
des solides indéformables permettant de calculer la cinématique et l’énergé-
tique des segments corporels.

2.1 Cinématique des segments humains

L’étude de la cinématique des segments humains consiste à s’intéresser
à la position, à la vitesse et à l’accélération des segments mais également

17
Chapitre 2. Modélisation mathématique du mouvement humain

leur orientation et leur vitesse de rotation.

2.1.1 Référentiel et repère

L’étude des mouvements des corps nécessite la mise en place d’un réfé-
rentiel. Un référentiel en mécanique est l’association d’un repère spatial et
d’une origine des temps.
Un repère se compose d’un point origine et d’une base orthonormée
directe de telle sorte que n’importe quel point de l’espace peut être défini
sans ambigüité dans ce repère. Une position est définie pour un instant
donnée. Celui-ci dépend de l’origine de temps choisie.
Il est possible d’imaginer une infinité de référentiels possibles. Cepen-
dant, il existe des référentiels particuliers, appelés référentiels galiléens. La
première loi de Newton (ou principe d’inertie) définie un référentiel galiléen
comme un référentiel où tout corps ponctuel, en l’absence de force exté-
rieure, perdure dans un mouvement rectiligne uniforme.
Par la suite, il sera nécessaire de définir un référentiel associé à la salle
du laboratoire en créant un repère associé à la salle et une origine des temps.
Un tel référentiel, dit « terrestre » ou « global » , tourne autour de l’axe de
la Terre et autour du soleil. De ce fait, un point matériel soumis à aucune
force extérieure n’est pas, en toute rigueur, en mouvement de translation
rectiligne. Le repère terrestre n’est donc pas galiléen. Cependant, pour des
expériences de courte durée (quelques minutes) et pour des objets proches
de la Terre, le référentiel terrestre peut être considéré comme galiléen.

2.1.2 Définition d’un solide indéformable

En biomécanique du mouvement, les segments du corps sont souvent
modélisés par des solides dit « indéformables ». Un solide indéformable s
est caractérisé par un ensemble de points. La distance entre deux points
quelconques de cet ensemble est invariable au cours du temps :

∀t, ∀P ∈ s, ∀Q ∈ s, |uP Q | = cste (2.1)

2.1.3 Repérage d’un segment corporel dans l’espace

Afin d’étudier le mouvement d’un ensemble de solides indéformables
comme les segments du corps humains, il est nécessaire de leur associer
chacun un repère, c’est-à-dire un point particulier qui sera l’origine et une
base orthonormée directe. Il est possible de définir un repère à l’aide de trois

18
 2.1 Cinématique des segments humains

points. En biomécanique, ces trois points peuvent être construits à l’aide de

points anatomiques. On définit souvent les axes des repères dans les plans
longitudinal, sagittal et transversal (figure 2.1). Par exemple, pour définir le
repère de l’avant-bras, Dumas et al. proposent d’utiliser le centre articulaire
du coude et les styloı̈des radiale et ulnaire [11]. Outre les repères de chaque
segment étudié, un repère supplémentaire fixe sera associé à la salle dans
laquelle le sujet se situe.

Figure 2.1 – Plans anatomiques longitudinal, sagittal et transversal du

corps humain (crédit : sci-sport.com)

Un solide indéformable et son repère associé sont parfaitement équiva-

lents. Il est possible de parler indifféremment du repère ou du solide associé.
Paramétrer un segment dans l’espace de la salle consiste donc à connaitre la
position de l’origine du repère associé au segment dans le repère de la salle
et l’orientation entre les bases de ces repères.

Position d’un segment dans l’espace

Soit R0 le repère global fixe associé à la salle où se situe le sujet et R1 le

repère associé à un segment corporel quelconque du sujet. R0 a pour origine
O et pour base B0 (i0 , j0 , k0 ). De manière analogue, l’origine et la base de
R1 sont A et B1 (i1 , j1 , k1 ) (figure 2.2).

19
Chapitre 2. Modélisation mathématique du mouvement humain

𝐤𝟏

ℛ1
𝐤𝟎

ℛ0

𝐢𝟏
A

𝐩𝐴

s1
𝐣𝟎 𝐣𝟏

𝐢𝟎

Figure 2.2 – Positionnement relatif d’un segment corporel s1 et de son

repère associé R1 par rapport à la salle et son repère associé R0

La position de A dans le repère R0 de la salle est définie par le vecteur

position uOA , noté pA . Dans l’espace tridimensionnel, ce vecteur est par-
faitement défini par trois paramètres qui sont appelés les coordonnées du
point A. Il existe principalement trois types de coordonnées équivalentes :
cartésiennes, cylindriques et sphériques. Les deux derniers ne seront pas
présentés ici car ne seront pas utilisés par la suite.
En coordonnées cartésiennes, dans la base B0 , la position de A est para-
métrée par le triplet (xA0 , yA0 , zA0 ) (figure 2.3) :

pA = xA0 .i0 + yA0 .j0 + zA0 .k0 (2.2)

Il est également possible d’écrire ce triplet sous la forme d’un vecteur

colonne en spécifiant, en indice, la base d’expression des composantes :

 
xA0
(0)
pA =  yA0  (2.3)
zA0 0

20
 2.1 Cinématique des segments humains

O
0 0

Figure 2.3 – Coordonnées cartésiennes permettant de repérer la position

du point A par rapport au repère R0 , exprimée dans la base B0 (i0 , j0 , k0 )

Les coordonnées peuvent être exprimées dans la base B0 ou dans B1 .

Le passage d’une expression à l’autre nécessite de paramétrer l’orientation
relative entre les deux bases.

Orientation d’un segment dans l’espace

À présent que la position de l’origine du repère R1 a été définie, il est
nécessaire de paramétrer l’orientation entre les bases B1 et B0 . Il existe
plusieurs formalismes permettant de décrire une orientation.

Angles d’Euler
Les angles d’Euler sont certainement l’approche la plus concrète. En effet,
il est possible de « ramener » la base B0 sur la base B1 à l’aide de trois
rotations successives.
Soit i0 un vecteur unitaire dirigé suivant l’axe formé par l’intersection
des plans (O, i0 , j0 ) et (O, i1 , j1 ) (voir figure 2.4). Les rotations successives
sont :
– rotation d’angle ψ et d’axe k0 pour superposer i0 sur i0 ;
– rotation d’angle θ et d’axe i0 pour superposer k0 sur k1 ;
– rotation d’angle φ et d’axe k1 pour superposer i0 sur i1 .
Les angles φ, θ et ψ sont appelés, respectivement, angle de précession,
de nutation et de rotation propre. Il existe plusieurs séquences de rotations

21
Chapitre 2. Modélisation mathématique du mouvement humain

d’Euler possibles. La séquence proposée précédemment est dite zxz. Ce-

pendant, toute séquence de trois rotations élémentaires dont la première et
dernière sont de même axe (précédemment l’axe z) est une séquence d’Euler
(par exemples xyx, yzy, etc.).
Les angles de Tait-Bryan sont une variante des angles d’Euler car ils sont
définis de la même façon mais autorisent des rotations autour de trois axes
différents (par exemples zyx, xzy). Ces derniers sont couramment utilisés
en biomécanique pour définir les angles de flexion-extension, abduction-
adduction et rotation interne-rotation externe, rotations autour des axes
anatomiques.
Bien que les formalismes d’Euler ou de Tait-Bryan soient concis et par-
ticulièrement intuitifs pour l’analyse du mouvement, ils se prêtent difficile-
ment aux calculs de changement de base. Outre les calculs trigonométriques,
il existe des singularités pour certains angles qui rend le calcul formel lourd.
Par exemple, dans la séquence zyx, lorsque l’angle autour de j0 est de ±90˚,
les axes k0 et i1 sont confondus et il devient alors impossible de distinguer
les angles autour de ces deux axes.

𝐤𝟎

𝐤𝟏

𝐣𝟏

𝐣𝟎
𝜓
𝐢𝟎
𝜙 𝐢′
𝐢𝟏

Figure 2.4 – Orientation relative des bases B1 et B0 où i0 est l’intersection

des plans (O, i0 , j0 ) et (O, i1 , j1 )

Matrice de rotation
La matrice de rotation (ou matrice de passage) est souvent utilisée pour
définir une orientation entre deux bases. L’objectif est de construire une

22
 2.1 Cinématique des segments humains

matrice carrée de dimension trois dont les colonnes sont formées par les
vecteurs de la base B1 exprimés dans la base B0 . Soit rxx , ryx et rzx les
composantes de i1 dans B0 :
 
rxx
(0)
i1 = rxx .i0 + ryx .j0 + rzx .k0 = ryx 
 (2.4)
rzx 0
De manière analogue pour j1 et k1 , on définie :
 
rxy
(0)
j1 = ryy 
 (2.5)
rzy 0
 
rxz
(0)
k1 = ryz 
 (2.6)
rzz 0

À partir des relations (2.4), (2.5) et (2.6), il est possible d’écrire la ma-
trice de rotation de B0 à B1 :
 
rxx rxy rxz
R0/1 = ryx ryy ryz  (2.7)
rzx rzy rzz
La matrice de rotation est une matrice orthogonale donc son inverse
est égale à sa transposé et son déterminant est égal à 1. La matrice de
rotation est particulièrement adaptée aux calculs numériques. Cependant,
elle est moins facilement interprétable que les angles d’Euler. Il est toutefois
possible d’extraire un triplet d’angles à partir de la matrice de rotation. Par
exemple, pour une séquence de rotation d’Euler zxz, la matrice de rotation
est :

 
cosψ. cos φ − cos θ. sin ψ. sin φ − cos ψ. sin φ − cos θ. cos φ. sin ψ sin ψ. sin θ
R0/1 = cos φ. sin ψ + cos ψ. cos θ. sin φ cos ψ. cos θ. cos φ − sin ψ. sin φ − cos ψ. sin θ
sin θ. sin φ cos φ. sin θ cos θ
(2.8)

Quaternions unitaires
Les quaternions, proposés par Hamilton, peuvent être vus comme une ex-
tension des nombres complexes en dimension 4. Un quaternion se compose

23
Chapitre 2. Modélisation mathématique du mouvement humain

d’une partie réelle et d’une partie imaginaire suivant les nombres complexes
i, j et k.
D’après le théorème d’Euler, l’orientation de B1 par rapport à B0 peut
toujours s’exprimer comme la rotation d’un certain angle α autour d’un axe
unitaire n appelé axe de rotation. Soit nx , ny et nz les composantes de n
dans B0 . Alors, il est possible d’exprimer l’orientation entre B0 et B1 par le
quaternion :
α α
q0/1 = cos + (nx .i + ny .j + nz .k). sin (2.9)
2 2
Il est souvent plus commode pour le calcul d’écrire le quaternion comme
un vecteur dont la première composante est la partie réelle et les trois sui-
vantes la partie imaginaire :
   
q0 1
 q1   i 
 q2  .  j 
q0/1 =     (2.10)
q3 k
Les composantes du quaternion écrit sous forme de vecteur (2.10) s’ex-
priment en fonction des paramètres de la rotation α et n :

q = cos α2

T0 (2.11)
q1 q2 q3 = sin α2 .n


Le quaternion d’orientation est équivalent à la matrice de rotation. En

effet, la matrice de rotation exprimant l’orientation de B1 par rapport à B0
peut s’écrire en fonction des composantes de q0/1 [36] :

 2 
q0 + q12 − q22 − q32 2.q1 .q2 + 2.q0 .q3 2.q1 .q3 − 2.q0 .q2
R0/1 =  2.q1 .q2 − 2.q0 .q3 q02 − q12 + q22 − q32 2.q2 .q3 + 2.q0 .q1  (2.12)
2.q1 .q3 + 2.q0 .q2 2.q2 .q3 − 2.q0 .q1 q02 − q12 − q22 + q32

Il est à noter que seul les quaternions unitaires peuvent représenter une
orientation relative entre deux bases. Un quaternion
p est unitaire si et seule-
ment si la norme du quaternion, définie par q0 + q12 + q22 + q32 est égale à
2

1.

Changement de base
Soit B un point dont la position par rapport au repère R0 est exprimée dans
la base B1 comme suit :

24
 2.1 Cinématique des segments humains

 
xB1
(1)
pB =  yB1  (2.13)
zB1 1
Le quaternion associé à la position de B est :
 
  1

(1)
 0  i
Q pB = (1) .  j
 (2.14)
pB
k
Il est alors possible, connaissant la matrice de rotation R0/1 ou le qua-
ternion q0/1 , d’exprimer la position du point B dans la base B0 :

(0) (1)
pB = R0/1 .pB (2.15)

   
(0) (1)
Q pB = q0/1 ⊗ Q pB ⊗ q0/1 (2.16)

Dans la relation (2.16), ⊗ est le produit de quaternion [36] et q0/1 le

quaternion conjugué de q0/1 (q0/1 = q0 − q1 .i − q2 .j − q3 .k).
L’opération inverse est également possible via les relations (2.17) et
(2.18).

(1) (0)
pB = R0/1 T .pB (2.17)

   
(1) (0)
Q pB = q0/1 ⊗ Q pB ⊗ q0/1 (2.18)

Composition des orientations

Soit B0 , B1 et B2 trois bases orthonormées directes. La matrice d’orientation
de la base B2 par rapport à la base B0 peut s’écrire à l’aide des matrices
d’orientation des bases B1 par rapport à B0 et B2 par rapport à B1 :

R0/2 = R0/1 .R1/2 (2.19)

De manière analogue avec les quaternions, l’orientation de B2 par rapport
à B0 s’obtient par la relation :

q0/2 = q1/2 ⊗ q0/1 (2.20)

25
Chapitre 2. Modélisation mathématique du mouvement humain

Angles articulaires
Pour déterminer les angles articulaires, il est nécessaire de s’intéresser à
l’orientation relative des deux segments intervenants dans l’articulation. Soit
B1 et B2 les bases associées à ces deux segments. L’orientation relative peut
être obtenue via la relation (2.22) :

R1/2 = R1/0 .R0/2 (2.21)

= R0/1 T .R0/2 (2.22)

Pour rendre interprétable cliniquement cette orientation en angles arti-

culaires, il est nécessaire de choisir une base liée aux axes anatomiques ou
fonctionnels dans laquelle il est possible d’effectuer une décomposition en
angles d’Euler ou de Tait-Bryan.

2.1.4 Vitesse de rotation d’un segment

La vitesse de rotation d’un segment peut être vue comme la variation de

son orientation au cours du temps. Le vecteur vitesse de rotation de la base
B1 par rapport à la base B0 , noté ω 1/0 est défini comme un pseudovecteur
dont la norme est égale à la dérivée instantanée de l’angle α de la rotation
entre B1 et B0 . Ce pseudovecteur est porté par l’axe instantané de rotation
n (voir figure 2.5).

dα .
ω 1/0 = .n = α.n (2.23)
dt

La dérivée temporelle d’une variable du temps quelconque x est notée

.
x.

26
 2.1 Cinématique des segments humains

𝐤𝟏

ℛ1
𝐤𝟎
𝐧
ℛ0 𝛚1/0

𝐢𝟏
A
A

s1
s1
𝐣𝟎 𝐣𝟏

𝐢𝟎

Figure 2.5 – La vitesse de rotation du segment s1 par rapport au repère

R0 est un pseudovecteur dirigé par l’axe instantané de rotation n

Il est possible d’exprimer directement la vitesse de rotation d’un solide

à partir de sa matrice d’orientation. La relation qui relie la matrice d’orien-
tation R0/1 de la base B1 par rapport à la base B0 , sa dérivée temporelle
. (0)
R0/1 et le vecteur vitesse de rotation ω 1/0 est :
(0) .
S(ω 1/0 ) = R0/1 .R0/1 T (2.24)
(0)
Dans la relation (2.24), S(ω 1/0 ) désigne la matrice antisymétrique de
(0)
ω 1/0 . Soit ωx0 , ωy0 et ωz0 les composantes de ce vecteur, la matrice antisy-
métrique est :
 
0 −ωz0 ωy0
(0)
S(ω 1/0 ) =  ωz0 0 −ωx0  (2.25)
−ωy0 ωx0 0
De manière analogue, il est possible de calculer le vecteur vitesse de
rotation à partir du quaternion d’orientation de B1 par rapport à B0 :

(0)

Q ω 1/0 = 2.q0/1 ⊗ q0/1
. (2.26)

Le vecteur vitesse de rotation d’une troisième base B2 par rapport à B0

peut s’identifier à l’aide de la relation de composition des vecteurs vitesse
de rotation :

ω 2/0 = ω 2/1 + ω 1/0 (2.27)

27
Chapitre 2. Modélisation mathématique du mouvement humain

2.1.5 Vitesse d’un point appartenant à un solide

De manière semblable à la vitesse de rotation, la vitesse d’un point est
la variation temporelle de sa position. Considérons toujours le segment so-
lide s1 de repère R1 en mouvement par rapport au repère d’observation R0
d’origine O et de base B0 . Soit pB le vecteur position d’un point B quel-
conque appartenant au solide s1 . Le vecteur vitesse instantanée vue de R0
du point B se calcule alors comme la dérivée par rapport au temps de pB .
Ce vecteur est tangent à la trajectoire du point.

dpB
vB∈1/0 = (2.28)
dt 0

Lorsque le point B est un point géométrique n’appartenant à aucun

solide, sa vitesse est simplement notée vB/0 .
Si les composantes de la position de B dans la base B0 sont xB0 , yB0 et
zB0 , alors le vecteur vitesse s’obtient directement en dérivant chacune des
composantes :
. .
vB∈1/0 = xB0 .i0 + yB0 .j0 + zB0 .k0
. (2.29)
Pour exprimer le vecteur dans une autre base, il est possible de changer
de base d’expression à l’aide de la matrice (ou du quaternion) d’observation
(voir relations (2.17) et (2.18)). Si le vecteur position est exprimé dans la
base B1 , le vecteur vitesse peut s’obtenir à l’aide de la relation de Bour :

(1)
dpB (1) (1)
vB∈1/0 = + ω 1/0 × pB (2.30)
dt
1
(1) (1)
= ω 1/0 × pB (2.31)

De manière générale, si le vecteur position est exprimé dans une base Bi

quelconque, le vecteur vitesse peut se calculer par :
(i)
dpB (i) (i)
vB∈1/0 = + ω i/0 × pB (2.32)
dt
i

Dans les équations (2.31) et (2.32), × est l’opération produit vectoriel.

Par la suite, si la vitesse du point B appartenant à R1 par rapport à
R0 est connue, il est possible de calculer la vitesse d’un second point C
quelconque à l’aide de la formule de changement de point :

28
 2.1 Cinématique des segments humains

vC∈1/0 = vB∈1/0 + uBC × ω 1/0 (2.33)

De façon générale, si la vitesse d’un point quelconque B appartenant
à un repère Ri par rapport à un autre repère Rk est connue, alors il est
possible de calculer la vitesse d’un second point C appartenant à Ri par
rapport à Rk par :

vC∈i/k = vB∈i/k + uBC × ω i/k (2.34)

Cette relation est utile, par exemple, pour calculer la vitesse du centre de
masse d’un segment en connaissant la vitesse d’un centre articulaire faisant
intervenir ce segment.
De manière analogue au pseudovecteur vitesse de rotation, il existe une
formule de composition des vecteurs vitesse. Soit une troisième base B2 , il
est possible d’écrire :

vB∈2/0 = vB∈2/1 + vB∈1/0 (2.35)

2.1.6 Accélération d’un point appartenant à un solide

Le vecteur accélération du point B appartenant au repère R1 par rapport
au repère d’observation R0 est la dérivée du vecteur vitesse vue précédem-
ment :

dvB∈1/0 d2 pB
aB∈1/0 = = (2.36)
dt 0 dt2 0

Comme pour le vecteur vitesse, il est possible de dériver directement

les composantes du vecteur vitesse pour obtenir l’accélération si celui-ci est
exprimé dans la base B0 (éventuellement suite à un changement de base à
l’aide de la matrice ou du quaternion d’orientation). Si ce n’est pas le cas,
il est également possible d’utiliser la formule de Bour (2.31) pour obtenir
l’accélération.
Cependant, il n’existe pas de formule simple de changement de point
pour l’accélération. Il est tout de même possible de démontrer l’égalité sui-
vante par dérivation de la relation de changement de point des vitesses (2.34) :

dω i/k

aC∈i/k = aB∈i/k + uBC × + ω i/k × uBC × ω i/k (2.37)
dt 0

29
Chapitre 2. Modélisation mathématique du mouvement humain

2.2 Énergie mécanique du corps humain

L’énergie mécanique d’un solide indéformable se calcule comme la somme

de son énergie cinétique et de son énergie potentielle de pesanteur. L’énergie
cinétique d’un solide est l’énergie lorsqu’il se déplace. L’énergie potentielle
de pesanteur est l’énergie qu’il possède plongé dans le champ de pesanteur
terrestre. L’analyse énergétique d’une personne d’un point de vue mécanique
nécessite de modéliser le corps humain. L’énergie mécanique représente la
capacité acquise par le corps humain pour effectuer un travail mécanique à
un instant donné. Le mouvement d’un segment est le résultat de ce travail
rendu possible par le transfert d’énergie jusqu’au muscle.

Soit R0 le référentiel terrestre (ou global) du laboratoire. Son origine O

est située au niveau du sol et sa base est B0 (i0 , j0 , k0 ). Dans cette section,
R0 sera supposé galiléen. Cette hypothèse est vérifiée pour des expériences
ne dépassant pas quelques minutes et pour des objets proches de la Terre,
ce qui est le cas à l’intérieur du laboratoire.

Dans la littérature, deux modèles sont proposés pour estimer l’énergie

mécanique du corps humain en mouvement.

2.2.1 Modèle ponctuel

Un modèle mécanique simple du corps humain pour le calcul de l’énergie

mécanique consiste à l’assimiler à une masse ponctuelle située au centre de
gravité. Dans ce cadre, le corps est supposé être un solide indéformable b
dont toute la masse est concentrée au centre de gravité. Ainsi, le corps peut
être étudié comme un point dans l’espace [37].

Soient M la masse du corps et G son centre de masse. Le repère Rb ,

d’origine G et de base B0 est associé à b (voir figure 2.6).

30
 2.2 Énergie mécanique du corps humain

Figure 2.6 – Modélisation ponctuelle du corps pour le calcul de l’énergie

mécanique

La position de G dans R0 est :

 
xG
(0)
pG = yG 
 (2.38)
zG 0
La vitesse de ce centre de masse vue de R0 est :
.
xG
(0) .
vG/0 = yG 
 (2.39)
.
zG 0
Sous ces hypothèses, l’énergie potentielle de pesanteur et l’énergie ciné-
tique du corps sont [37] :

Epp = M.g.zG (2.40)

1
Ec = .M.vG/0 2 (2.41)
2
Dans la relation (2.40), g = 9,806 m .s−2 est l’accélération de la pesan-
teur.

31
Chapitre 2. Modélisation mathématique du mouvement humain

Plusieurs études ont modélisé le corps comme une masse ponctuelle [38]
[39]. Cependant, cette modélisation ne prend en compte que les mouvements
du centre de masse global et reste donc limitée. En effet, ce modèle ne
tient pas compte des énergies des segments corporels qui, dans de nombreux
cas, ne peuvent pas être négligées [37]. Par exemple, la marche n’est pas
un simple mouvement de translation de G, elle se compose également de
mouvements des différents membres corporels relativement à G. Il apparait
incorrect de les négliger. De plus, l’énergie mécanique est liée à l’énergie du
métabolisme permettant la contraction des muscles et donc l’activation des
segments [37]. En ce sens, il apparait pertinent de considérer les énergies de
chaque segment.

2.2.2 Modèle par chaine de solides articulés

Pour tenir compte des mouvements relatifs des segments corporels dans
l’analyse énergétique de l’individu, le corps a été modélisé comme une chaine
de solides indéformables articulés par des liaisons parfaites [37]. Dans ce
cadre, l’énergie mécanique du corps complet est égale à la somme des éner-
gies mécaniques de chaque segment.
Soit Ri le référentiel associé à un segment quelconque si . L’origine et la
base sont Gi et Bi (ii , ji , ki ), respectivement (voir figure 2.7).

𝐤𝟏
ℛ1

𝐺1 𝐣𝟏
𝐣𝐒
𝐤𝟎
𝐣𝟐
ℛ0
𝐤𝟐
𝐢𝟏
ℛ2
𝐺2
... 𝐤𝐒 ℛ𝑆 𝐺𝑆
O

𝐣𝟎
𝐢𝐒
𝐢𝟎 𝐢𝟐

Figure 2.7 – Modélisation du corps par chaine de segments indéformables

Le centre de masse du segment, noté Gi a pour position et vitesse dans

R0 :

32
 2.2 Énergie mécanique du corps humain

 
xGi
(0)
pGi = yGi 
 (2.42)
zGi 0
 . 
xGi
(0) .
vGi ∈i/0 =  yGi  (2.43)
.
zGi 0
La masse du segment est mi et sa matrice d’inertie exprimée au centre
de masse est Ii,Gi .
L’énergie potentielle de pesanteur du segment est :

Epp,i = mi .g.zGi (2.44)

L’énergie cinétique Ec,i du segment se décompose en énergie cinétique
de translation Ect,i et de rotation Ecr,i .
1
Ect,i = .mi .vGi ∈i/0 2 (2.45)
2
1
Ecr,i = .ω i/0 .Ii,Gi .ω i/0 (2.46)
2
Dans la relation (2.46), le vecteur vitesse de rotation et la matrice d’iner-
tie doivent être exprimés dans la même base.
L’énergie mécanique du segment se calcule via la somme de ces trois
termes [37] :

Em,i = Epp,i + Ect,i + Ecr,i (2.47)

L’énergie potentielle du corps complet est la somme des énergies poten-
tielles des S segments composants le corps humains :

S
X
Epp = Epp,i (2.48)
i=1
XS
= mi .g.zGi (2.49)
i=1
S
!
X
=g mi .zGi (2.50)
i=1

33
Chapitre 2. Modélisation mathématique du mouvement humain

Or, G est le barycentre des différents centre de masse des segments Gi ,

pondérés par les masses mi , ce qui se traduit par l’égalité :

S
X
M.pG = mi .pGi (2.51)
i=1

En projetant cette expression suivant l’axe k0 , on obtient :

S
X
M.zG = mi .zGi (2.52)
i=1

Les relations (2.50) et (2.52) démontrent que l’énergie potentielle de

pesanteur calculée avec le modèle par chaine est identique à celle calculée
avec la modélisation ponctuelle :

Epp = M.g.zG (2.53)

De manière analogue, l’énergie cinétique de translation du corps complet
est la somme des énergies cinétiques de translation des différents segments :

S
X
Ect = Ect,i (2.54)
i=1
S
X 1
= .mi .vGi ∈i/0 2 (2.55)
i=1
2

Il est possible de réécrire cette équation différemment. En effet, par la

relation de Chasles, la position de Gi peut s’écrire :

pGi = pG + uGGi (2.56)

Par dérivation vue de R0 , la vitesse de Gi s’écrit :

dpG duGGi
vGi ∈i/0 = + (2.57)
dt 0 dt 0
= vG/0 + vGi ∈i/b (2.58)

En injectant cette égalité dans la relation (2.55) :

34
 2.2 Énergie mécanique du corps humain

S
X 1
2
Ect = .mi . vG/0 + vGi ∈i/b (2.59)
i=1
2
S
X1
.mi . vG/0 2 + vGi ∈i/b 2 + 2.vG/0 .vGi ∈i/b


= (2.60)
i=1
2
S
! S S
!
1 X X 1 X
= . mi .vG/0 2 + .mi .vGi ∈i/b 2 + mi .vGi ∈i/b .vG/0
2 i=1 i=1
2 i=1
(2.61)
D’autre part, la relation (2.51) peut également s’écrire :
S
X
mi .uGGi = 0 (2.62)
i=1
En dérivant cette égalité barycentrique, on obtient :
S
X
mi .vGi ∈i/b = 0 (2.63)
i=1
De ce fait, la relation (2.61) peut se simplifier de la manière suivante :

S
! S
1 X 2
X 1
Ect = . mi .vG/0 + .mi .vGi ∈i/b 2 (2.64)
2 i=1 i=1
2
S
1 X 1
= .M.vG/0 2 + .mi .vGi ∈i/b 2 (2.65)
2 i=1
2

À partir des équations (2.44) à (2.47) d’une part et des équations (2.46),
(2.47), (2.53) et (2.65) d’autre part, il est possible d’écrire l’énergie méca-
nique totale de l’individu modélisé par une chaine de S solides indéformables
sous deux formes équivalentes exprimées via les équations (2.66) et (2.67).

S  
X 1 2 1
Em = mi .g.zGi + .mi .vGi ∈i/0 + .ω i/0 .Ii,Gi .ω i/0 (2.66)
i=1
2 2

S  
1 X 1 1
Em = M.g.zG + M.vG/0 2 + .mi vGi ∈i/b 2 + .ω i/0 .Ii,Gi ω i/0 (2.67)
2 i=1
2 2

35
Chapitre 2. Modélisation mathématique du mouvement humain

L’équation (2.67) met en avant les limites du modèle ponctuel qui ne re-
tenait que l’énergie du centre de masse global du corps (M.g.zG + 21 M.vG/0 2 ),
sans tenir compte de l’énergie cinétique de « gesticulation » issue du mouve-
ment des segments (ou énergie cinétique interne). L’énergie cinétique externe
quant à elle correspond à l’énergie cinétique du centre de masse global du
corps ( 12 M.vG/0 2 ). Il est important de rappeler que ce modèle se base sur la
théorie des solides rigides indéformables et ne prend donc pas en compte,
entre autres, l’énergie potentielle élastique liée à la déformation des segments
corporels [37].
Il existe d’autres méthodes d’estimation de l’énergie mécanique. Le choix
fait ici est consensuel. De plus, il permet se rapprocher de la réalité physico-
chimique de la production des mouvements humains.

2.3 Bilan
L’évaluation des capacités physiques par la quantification de données
cinématiques et énergétiques du corps passe par une analyse quantifiée du
mouvement et l’identification des propriétés inertielles des segments.
La connaissance des données cinématiques du sujet nécessite la mise en
place d’un protocole de capture et d’analyse du mouvement des segments
corporels. Il existe plusieurs technologies disponibles pour réaliser ce type
de mesure. Celles-ci seront présentées dans le chapitre 3. L’objectif sera
d’identifier les avantages et les inconvénients de chacune afin de déterminer
la technique la plus adaptée à la mesure des capacités physiques dans un
cadre de routine clinique.
Les paramètres inertiels des segments corporels doivent également être
estimés pour le calcul de l’énergie mécanique. Là encore, il existe diverses so-
lutions pratiques qui seront présentées dans le chapitre 4 afin de déterminer
l’outil le plus adapté au cadre de cette étude.

36
Chapitre 3
Outils d’évaluation quantifiée de la
cinématique des segments corporels

Sommaire
3.1 Classification des différentes technologies . . . . 38
3.1.1 La stéréophotogrammétrie : technologie optoélec-
tronique . . . . . . . . . . . . . . . . . . . . . . . 39
3.1.2 Les systèmes vidéo sans marqueurs . . . . . . . . 41
3.1.3 Les technologies magnéto-inertielles . . . . . . . 42
3.2 La centrale inertielle pour l’analyse du mouve-
ment ambulatoire . . . . . . . . . . . . . . . . . . 45
3.2.1 Calcul de l’orientation par fusion de données . . 45
3.2.2 Calibration centrale à segment . . . . . . . . . . 50
3.2.3 Estimation de la position et limites techniques
actuelles . . . . . . . . . . . . . . . . . . . . . . . 53
3.3 Bilan . . . . . . . . . . . . . . . . . . . . . . . . . . 55

Le chapitre 2 a fait apparaitre la nécessité d’évaluer la cinématique liée

aux mouvements des segments corporels pour la quantification des capacités
physiques. Ce chapitre présentera les technologies existantes. L’accent sera
mis sur celles offrant la possibilité d’études en situation écologique telle que
la routine clinique.

37
Chapitre 3. Outils d’évaluation quantifiée de la cinématique des segments
corporels
3.1 Classification des différentes technologies
Les outils actuels d’analyse du mouvement peuvent être classifiés en
différentes catégories. Il est classique de séparer les techniques non-invasives
des techniques invasives. Ces dernières ne sont envisageables pour des études
biomécaniques que dans un environnement très spécifique et contrôlé.

Capture du mouvement humain

Systèmes
Systèmes
Systèmes assistés
non-
visuels par
visuels
robots

Systèmes Systèmes Systèmes

Systèmes Gants Autres Systèmes
magné- avec mar- sans mar-
inertiels haptiques systèmes combinés
tiques queurs queurs

Figure 3.1 – Catégorisation des technologies d’analyse du mouvement non-

invasives, adapté de Zhou et Hu (2007) [3]

Les techniques d’analyse du mouvement non-invasives peuvent être clas-

sifiées selon trois catégories : les systèmes visuels, les systèmes non-visuels
et les systèmes assistés par robots [3] (voir figure 3.1). Les systèmes vi-
suels peuvent être avec ou sans marqueurs. Dans le premier cas, on parle
de systèmes optoélectroniques et dans le second d’analyse par vidéos. Il
existe également la possibilité de combiner ces deux technologies dans le
but d’augmenter la précision [3]. Les systèmes non-visuels peuvent être de
nature très variés mais se basent principalement sur les capteurs inertiels
et magnétiques [3]. Les systèmes assistés par robots interviennent princi-
palement dans le domaine de la réhabilitation. Les robots de réhabilitation
permettent d’assister le mouvement des différents segments corporels et en

38
 3.1 Classification des différentes technologies

évaluent les performances grâce à différents capteurs [3]. Ils ne s’intègrent

donc pas dans le projet de cette thèse.

La suite de cette section sera consacrée à la présentation des principaux

systèmes d’analyse du mouvement visuels et non-visuels (voir figure 3.1).
Les capteurs inertiels et/ou magnétiques seront particulièrement développés
car leur grande portabilité permet d’envisager plus facilement des études en
dehors du simple cadre du laboratoire.

3.1.1 La stéréophotogrammétrie : technologie opto-

électronique

Les systèmes optoélectroniques sont très largement utilisés pour l’analyse

de la cinématique du mouvement dans le cadre d’études en laboratoire.
En effet, ces technologies sont à présent aisées à mettre en œuvre, peu
invasives pour le sujet et précises pour l’évaluation de la position (de l’ordre
du millimètre à plusieurs dixièmes de millimètres selon les systèmes). Cette
technologie nécessite le placement de marqueurs sur les points anatomiques.
Elle se base sur la théorie de la triangularisation pour reconstruire, via un
système de caméras, la position en trois dimensions des marqueurs.

Les marqueurs utilisés peuvent selon la technologie, être actifs [40] ou

passifs [41]. Dans le premier cas, les marqueurs émettent un rayonnement
infra-rouge qui est capturé par les caméras. La redondance d’information
et l’algorithme de reconstruction permettent de recalculer la position du
marqueur dans l’environnement tri-dimensionnel. Dans le second cas, les
caméras émettent un rayonnement infra-rouge qui est réfléchi par le mar-
queur et capturé à nouveau par les caméras (voir figure 3.2). Ce second
procédé possède l’avantage de ne pas nécessiter de source d’énergie pour les
marqueurs, permettant ainsi d’augmenter la liberté de mouvement du sujet
et l’autonomie du système.

39
Chapitre 3. Outils d’évaluation quantifiée de la cinématique des segments
corporels

Figure 3.2 – Analyse quantifiée de la marche sur une plateforme de capture

du mouvement via un système optoélectronique avec marqueurs passifs

Chaque caméra récupère des images 2D de la position des marqueurs. À

l’instar de la vue pour l’être humain, deux caméras, au minimum, sont néces-
saires pour recréer l’environnement 3D. Cependant, les marqueurs peuvent
ne pas être repérés par les caméras (phénomène d’occlusion). Pour remé-
dier à ce problème et améliorer la précision d’évaluation de la position, il
faut augmenter le nombre de caméras. Celles-ci sont positionnées en cercle
autour de l’environnement dans lequel évolue le sujet. Les systèmes opto-
électroniques permettent d’évaluer la position des points anatomiques du
sujet dans l’espace. Par la suite, la théorie des solides rigides est utilisée
pour reconstruire la cinématique complète des segments corporels. Comme
vu précédemment, cela nécessite de faire certaines hypothèses. Notamment,
le mouvement des tissus mous ne sont pas pris en compte et peuvent ap-
paraitre comme des artefacts de mouvement. Malgré cela, cette technologie
est la plus précise à l’heure actuelle et sert de référence dans de nombreuses
études [42] [43] [44].
Cette technologie est cependant rigide. En effet, l’espace de capture est
défini (le sujet doit rester dans le champ de vision des caméras), les ca-
méras doivent être calibrées régulièrement, les marqueurs doivent être fixés
sur les points anatomiques et des occlusions apparaissent ponctuellement
au cours des mesures. De plus, il est plus compliqué d’utiliser cette techno-
logie en extérieur car les rayonnements infra-rouges d’autres sources (soleil)
peuvent venir perturber le système. La capture du mouvement par caméras
avec marqueurs constitue le standard par sa fiabilité et sa précision mais

40
 3.1 Classification des différentes technologies

demeure incompatible pour des applications en situation écologique telles

que le monitoring ou la routine clinique.

3.1.2 Les systèmes vidéo sans marqueurs

L’analyse vidéo s’affranchit de nombreuses contraintes liées aux systèmes
optoélectroniques. En effet, cette technologie se base également sur la vision
par caméra mais ne nécessite pas de marqueurs. Les caméras de profon-
TM
deur telle que la Kinect développée par Microsoft R (voir figure 3.3) ont
fait l’objet, lors des dernières années, de nombreuses études prouvant leur
potentiel pour l’analyse du mouvement. Parmi celles-ci, il est possible de
retrouver des validations d’analyse quantifiée de la marche par exemple [45]
ou encore des méthodes de détermination des centres articulaires [46].

TM
Figure 3.3 – Caméra de profondeur Microsoft Kinect pour la capture et
l’analyse du mouvement

Ces caméras utilisent le rayonnement texturé infra-rouge pour estimer

les distances des objets présents dans le champ de vision. Cependant, malgré
la grande flexibilité d’utilisation de ce système, des inconvénients majeurs
se posent comme l’espace de mesure restreint ou encore des occultations
régulières. De plus, la précision reste largement inférieure aux systèmes op-
toélectroniques et l’algorithme de détection des segments corporels s’adapte
mal lorsque le sujet sort totalement ou partiellement du champ de vision ou
lorsqu’il n’est pas parfaitement face à l’objectif. Le système peut également
être perturbé par les rayonnements infra-rouges du soleil en extérieur. Ce
type de technologie peut donc convenir pour certaines activités physiques
spécifiques mais ne convient pour de nombreuses autres.

41
Chapitre 3. Outils d’évaluation quantifiée de la cinématique des segments
corporels
3.1.3 Les technologies magnéto-inertielles
Depuis quelques années, les capteurs portables se sont largement démo-
cratisés et miniaturisés et font leur apparition dans la capture du mouve-
ment. La miniaturisation a permis de développer des capteurs inertiels (ac-
céléromètres et gyromètres) et magnétiques (magnétomètre) à faible coût.
Les capteurs utilisés dans les études biomécaniques sont des systèmes micro-
électro-mécaniques (MEMS). Leur taille réduite et leur prix attractif font
des capteurs inertiels et magnétiques des technologies transportables et donc
facilement exploitables en situation écologique. Ces systèmes sont particuliè-
rement présents dans les smartphones et les technologies dites « connectés ».

L’accéléromètre
L’objectif des accéléromètres MEMS est de mesurer une accélération. La
mesure faite par un accéléromètre, appelée accélération non gravitationnelle,
est la superposition de l’accélération du centre du capteur par rapport au
repère terrestre et de l’accélération de pesanteur.
Les premières utilisations de ce type d’unités ont servi dans le domaine
automobile pour le déclenchement des airbags. Les applications se sont di-
versifiées et, à présent, des accéléromètres sont présents dans les systèmes
d’aide à la navigation, de détection vibratoire, etc. Plus récemment, des ac-
céléromètres sont apparus dans le domaine de la santé, notamment en tant
que podomètre dans les smartphones ou les objets connectés.
Pour l’analyse des mouvements humains de la vie courante, l’accéléro-
mètre doit être capable de mesurer des accélérations de ±2g à une fréquence
de 100 Hz environ.
La calibration des accéléromètres nécessite une rotation du boitier du
capteur dans le champ de pesanteur uniforme en régime quasi-statique.
L’offset et la sensibilité sont ainsi déterminés. Il existe diverses méthodes de
calibration comparées dans la littérature [47]. Outre les offsets et les facteurs
d’échelles, la calibration permet également de corriger les sensibilités trans-
verses, les défauts d’orthogonalités et d’alignements des trois axes sensibles
(dépendances inter-voies) [47].
Les paramètres de calibration varient peu au cours du temps, il n’est
donc pas nécessaire de re-calibrer l’accéléromètre au cours de son utilisa-
tion. Cependant, les corps d’épreuve peuvent être sensibles à la température
(selon les technologies), ce qui entraine une dérive thermique et donc une
modification de la sensibilité en fonction de la température d’utilisation.
Pour corriger cette dérive, il est possible d’utiliser un capteur de tempéra-

42
 3.1 Classification des différentes technologies

ture et d’adapter la sensibilité en fonction de la température mesurée. Si

la calibration est imprécise, la mesure de l’accélération ne donne qu’une
information sur la variation d’accélération. C’est le cas, par exemple des
accéléromètres utilisés pour le déclenchement d’airbags de sécurité [48].
En régime quasi-statique, l’accéléromètre seul permet d’obtenir une in-
formation sur l’orientation par rapport à la verticale (assiette) grâce à la
mesure du vecteur de pesanteur.

Le gyromètre
Le gyromètre permet de mesurer une vitesse de rotation (ou vitesse
angulaire) par rapport à un référentiel galiléen [49].
Il existe deux catégories de gyromètres : les gyromètres optiques et les
gyromètres mécaniques. Les premiers, très volumineux et d’une grande pré-
cision, sont principalement utilisés dans l’aéronautique et n’existent pas en
technologie MEMS. Actuellement, presque toutes les technologies MEMS
de gyromètres sont réalisées à partir d’éléments vibrants. Il existe cepen-
dant une très grande variété de solutions de réalisation possible que ce soit
pour le gyromètre en lui-même mais également en ce qui concerne le moyen
d’excitation [50].
Il n’est pas possible de calibrer manuellement la sensibilité et les dépen-
dances inter-voies du gyromètre car il est impossible manuellement de le
maintenir dans un champ de mesure uniforme (contrairement à l’accéléro-
mètre et au magnétomètre). Cette étape de calibration se fait donc en usine
sur des bancs d’essais dédiés. Cependant, il est possible de laisser immo-
bile le gyromètre pour mesurer et corriger directement l’erreur d’offset. Cet
offset évolue dans le temps, ce qui entraine un biais de mesure, principale
source d’erreur des gyromètres MEMS actuels. En effet, même dans des
conditions de température stable, l’offset évolue au cours du temps de telle
sorte qu’il est indispensable de re-calibrer très régulièrement le gyromètre.
Cependant, les améliorations techniques ont permis de largement diminuer
son influence. En 2004, le biais pouvait atteindre plus de 5˚/h contre seule-
ment 0, 01˚/h à 0, 2˚/h en moyenne, selon les technologies, à l’heure actuelle
[50]. Dans tous les cas, il est nécessaire de re-calibrer les gyromètres avant
chaque expérimentation, ce qui contraint son utilisation.

Le magnétomètre
Un magnétomètre est un capteur capable de mesurer soit la norme de
la valeur de champ magnétique, soit les composantes du vecteur champ

43
Chapitre 3. Outils d’évaluation quantifiée de la cinématique des segments
corporels
magnétique dans lequel il est plongé. Il existe des magnétomètres pour toutes
les gammes de mesure [51]. Les capteurs magnétiques dédiés à l’analyse
du mouvement ont pour but d’évaluer les composantes du vecteur champ
magnétique terrestre (pour rappel, sa norme est de 5,10 × 10−5 T à Paris).
La calibration du magnétomètre consiste à lui faire effectuer des rota-
tions aléatoires dans le champ magnétique terrestre supposé constant. La
calibration permet de corriger l’erreur d’offset, de connaitre la sensibilité et
les dépendances inter-voies qui peuvent être relativement élevées si les axes
sensibles ne sont pas complètement orthogonaux. Les perturbations locales
du champ magnétiques peuvent venir parasiter la mesure après calibration.
De plus, si le magnétomètre est soumis, même brièvement, à un champ
magnétique ou une température élevée, la sensibilité des axes peut être mo-
difiée. Il est donc nécessaire de re-calibrer régulièrement le magnétomètre.
Cette calibration peut être faite manuellement.
Le magnétomètre seul permet de déterminer l’orientation d’un objet
sur lequel il est fixé par rapport au nord magnétique. Cependant, cette
estimation peut rapidement être perturbée par des champs magnétiques
externes à priori inconnus.

Conclusion

Bien que parfaitement adaptés à la mesure de données en situation éco-

logique, les différents capteurs magnéto-inertiels actuellement disponibles
sur le marché n’offrent pas la possibilité d’obtenir toutes les données ci-
nématiques nécessaires à l’estimation des capacités physiques détaillées au
chapitre 2. L’accéléromètre offre la possibilité de déterminer l’assiette des
segments corporels, le magnétomètre, son orientation par rapport au nord
magnétique et le gyromètre, sa vitesse angulaire avec un biais [52].
Des auteurs ont proposé des méthodes exploitant la redondance d’in-
formation provenant de plusieurs accéléromètres pour obtenir l’orientation
[53] [54]. Cependant, ces études n’ont pas été plus amplement développées.
Aujourd’hui, ces trois capteurs MEMS sont de plus en plus utilisés regrou-
pés au sein d’un même boitier pour exploiter les avantages de chacun afin
d’obtenir des informations supplémentaires. Le regroupement des capteurs
précédemment présentés au sein d’un même boitier permet de créer une
centrale inertielle.

44
 3.2 La centrale inertielle pour l’analyse du mouvement ambulatoire

3.2 La centrale inertielle pour l’analyse du

mouvement ambulatoire
Depuis quelques années, les centrales inertielles se sont largement dé-
mocratisées et miniaturisées et commencent à faire leur apparition dans la
capture et l’analyse du mouvement. Les centrales inertielles sont des sys-
tèmes intégrant les trois capteurs MEMS présentés précédemment : l’accé-
léromètre, le gyromètre et la magnétomètre [55][56]. En biomécanique, l’ob-
jectif de ce type de technologie est de déterminer la position et l’orientation
des segments corporels dans l’espace. Elles peuvent également embarquer
un capteur de température, un dispositif de stockage des données ou encore
un dispositif de communication sans fil selon les cas.

3.2.1 Calcul de l’orientation par fusion de données

La centrale ne donne pas directement la pose (position et orientation)
dans l’espace. Cependant, la théorie de la navigation inertielle, développée
notamment à des fins militaires au XXème siècle, permet de calculer l’orien-
tation. Pour cela, les mesures issues des capteurs sont associées dans un
algorithme. Il existe différents algorithmes qui peuvent se catégoriser selon
que l’approche soit déterministe ou stochastique [57].

Définition des repères de travail

Afin de définir l’orientation de la centrale dans l’espace, le chapitre 2
démontre la nécessité de définir un repère R0 terrestre associé à la salle de
travail (on parle parfois de repère global en navigation inertielle) et un repère
Rl associé à la centrale elle-même (appelé parfois repère local). La mesure
de l’accélération de pesanteur par l’accéléromètre donne une information sur
la verticale et la mesure du champ magnétique, une information sur le nord
magnétique. Ainsi, il apparait judicieux de choisir une base globale B0 dont
deux axes sont portés par les direction bas-haut et sud-nord magnétique.
Une base globale courante est la base Nord-Ouest-Haut (NOH). L’origine
du repère R0 peut être quelconque.
Pour le repère local, la base orthonormée directe Bl est imposée par la
géométrie du boitier (figure 3.4). En effet, la calibration des capteurs est réa-
lisée en se basant sur la géométrie du boitier. Chaque constructeur propose
sa propre base locale. L’origine du repère local est le centre géométrique de
la puce contenant les capteurs.

45
Chapitre 3. Outils d’évaluation quantifiée de la cinématique des segments
corporels

𝐣𝒍

𝐤𝒍
𝐢𝒍

Figure 3.4 – Définition du repère local Rl d’une centrale inertielle

Approche déterministe

Les algorithmes déterministes permettent de résoudre le problème de

Wahba [58]. Ce problème suppose l’existence d’un certain nombre de vec-
teurs (au moins deux) dont les coordonnées sont connues de manière im-
précises ou bruitées dans la base propre de la centrale Bl mais de manière
exacte dans la base globale B0 [59]. Dans le cas de la centrale inertielle,
les vecteurs pesanteur et champ magnétique terrestre sont connus dans B0
et sont évalués de manière imprécises dans Bl grâce à l’accéléromètre et au
magnétomètre. Soit R0/l la matrice d’orientation de la base globale à la base
locale. Tout vecteur v peut être exprimé dans la base globale (v(0) ) ou dans
la base locale (v(l) ). Le changement de base d’expression se fait par la rela-
tion v(0) = R0/l .v(l) . Le but du problème de Wahba est donc de trouver R0/l
qui minimise la fonction d’erreur J(R0/l ), définie pour k mesures imprécises
(k = 2 dans le cadre d’une centrale inertielle) par :

1 X 2
J(R0/l ) = . ωk . vk (0) − R0/l .vk (l) (3.1)
2 k

où :
– vk (0) sont les vecteurs exacts exprimés dans B0 (pesanteur et champ
magnétique terrestre dans le cadre d’une centrale inertielle) ;
– vk (l) sont les mêmes vecteurs dans Bl , connus de manière imprécises
ou bruités grâce aux capteurs (accéléromètre et magnétomètre dans
le cadre d’une centrale inertielle) ;
– ωk exprime la confiance accordée à la mesure faite par le capteur du
vecteur vk (l) .

46
 3.2 La centrale inertielle pour l’analyse du mouvement ambulatoire

Il existe plusieurs variantes (qui ne seront pas détaillées dans ce mé-

moire) permettant de résoudre ce problème aux moindres carrés [57]. Les
méthodes les plus utilisées sont les méthodes TRIAD (Tri-axial Attitude De-
termination), QUEST (Quaternion Estimator), FQA (Factored Quaternion
Algorithm) et Gauss-Newton [57]. Ces méthodes font intervenir les données
de l’accéléromètre et du magnétomètre. Les données du gyromètre étant dy-
namiques, elles ne peuvent être utilisées dans un algorithme déterministe.
Ces algorithmes ont l’avantage d’être aisés à mettre en place. Cependant,
pour que l’estimation soit correcte, l’accélération de la centrale doit être
négligeable devant l’accélération de la pesanteur pour ne pas polluer les
mesures de l’accéléromètre. De même, le champ magnétique ne doit pas
être perturbé par les conditions environnantes. Pour améliorer la précision
de la mesure dans le cadre d’utilisation dynamique de la centrale, il est
possible de s’appuyer sur un algorithme de fusion stochastique.

Approche stochastique
Il est possible d’envisager de calculer l’orientation en intégrant la mesure
de la vitesse angulaire faite par le gyromètre. En effet, le quaternion q0/l
représentant l’orientation de Bl par rapport à B0 est solution de l’équation
différentielle suivante [60] :

. 1
q0/l = .Ω.q0/l (3.2)
2
avec :
 
0 ωz −ωy ωx
−ωz 0 ωx ωy 
Ω=  ωy −ωx
 (3.3)
0 ωz 
−ωx −ωy −ωz 0
(l)  T
ω l/0 = ωx ωy ωz est le vecteur vitesse de rotation du repère local
par rapport au repère global, exprimé dans Bl .
La résolution de cette équation différentielle à partir des données du
gyromètre amène à une estimation médiocre de l’orientation. En effet, les
études montrent une forte dérive au cours du temps. L’erreur angulaire peut
atteindre 10˚en 20 s, et 150˚après 6 min [13]. L’estimation de l’orientation
à l’aide du gyromètre ne peut donc pas dépasser quelques secondes. Cepen-
dant, contrairement aux méthodes déterministes, celle-ci peut se faire en
condition dynamique.

47
Chapitre 3. Outils d’évaluation quantifiée de la cinématique des segments
corporels
Les algorithmes déterministes permettent d’obtenir une estimation de
l’orientation sans contrainte de durée mais sont perturbés par les accélé-
rations et les champs magnétiques parasites. À contrario, l’intégration des
données gyrométriques n’est pas impactée par ces perturbations mais ne
permet une estimation fiable que sur un temps d’acquisition très court. Les
algorithmes stochastiques ont pour objectif de combiner ces deux approches
afin d’améliorer la précision de l’orientation estimée.
Le filtre complémentaire a été développé en ce sens par Anderson et
Fritze [61]. Le principe du filtre complémentaire est d’exploiter les mesures
de l’accéléromètre et du magnétomètre lorsque les perturbations sont faibles
(mouvements lents et champ magnétique non perturbé) et d’intégrer les me-
sures du gyromètre lors des mouvements fortement accélérés et en cas de
perturbations magnétiques. Le filtre complémentaire autorise donc une es-
timation de l’orientation de la centrale soumise à de fortes accélérations.
Cependant, la centrale doit globalement subir de faibles accélérations car
l’intégration du gyromètre n’est précise que sur de très courtes durées. Au-
trement dit, le filtre complémentaire est adapté dans le cas où la centrale
est soumise à un mouvement régulier entrecoupé de chocs brefs [13]. De ce
fait, il est assez peu utilisé en biomécanique et est largement supplanté par
les filtres de Kalman découlant d’une réflexion bayésienne.
Le filtre de Kalman simple permet de résoudre des problèmes linéaires
de fusion de données de capteurs. Le système est modélisé par une équation
d’état et une équation de mesure récursive :

xt+1 = F.xt + vt (3.4)

yt = H.xt + wt (3.5)
où :
– xt est le vecteur d’état du système à l’instant t ;
– yt le vecteur de mesure à l’instant t ;
– vt le bruit blanc gaussien de process ;
– wt le bruit blanc gaussien de mesure ;
– F la matrice de transition d’état d’un instant t à l’instant t + 1 ;
– H la matrice d’observation reliant le vecteur d’état au vecteur de me-
sure.
La filtre de Kalman s’appuie sur une approche probabiliste bayésienne.
Les hypothèses sont faites que les variables suivent une densité de probabilité
gaussienne. Ainsi, xt est décrit par sa loi de probabilité qui se caractérise
par une valeur moyenne x̂t et une matrice de covariance Pt . De manière

48
 3.2 La centrale inertielle pour l’analyse du mouvement ambulatoire

analogue, vt et wt sont en moyenne nuls (bruits blancs) et sont caractérisés

par des matrices de covariances EX et EY .
Le filtre de Kalman a pour but d’estimer le vecteur d’état du système
à l’instant t + 1 d’après l’état du système aux instants précédents et les
mesures faites à l’instant t + 1. Le processus itératif se déroule en deux
étapes. La première étape est la prédiction. À partir du modèle dynamique
(equation (3.4)), elle permet de prédire la moyenne et la covariance de l’état
à l’instant suivant :

x̂t+1|t = F.x̂t (3.6)

Pt+1|t = F.Pt .FT + EX (3.7)

L’étape de mise à jour permet de corriger les erreurs d’estimation en pre-
nant également en compte les informations issues des capteurs du système
(yt+1 ). La première étape consiste à calculer l’écart rt+1 (ou résidu) entre
la prédiction du modèle et la mesure et sa matrice de covariance St+1 :

rt+1 = yt+1 − H.x̂t+1|t (3.8)

St+1 = H.Pt+1|t .HT + EY (3.9)

Il est alors possible d’ajuster l’estimation du vecteur d’état proportion-
nellement au résidu. Le coefficient de proportionnalité optimal Kt+1 est ap-
pelé « gain de Kalman » [62] :

Kt+1 = Pt+1|t .HT .S−1

t+1 (3.10)

x̂t+1 = x̂t+1|t + Kt+1 .rt+1 (3.11)

Pt+1 = Pt+1|t − Kt+1 .H.Pt+1|t (3.12)

Ces deux étapes permettent d’obtenir la densité de probabilité gaus-
sienne du vecteur d’état x à l’instant t + 1 en caractérisant sa moyenne
x̂t+1 et sa matrice de covariance Pt+1 . La moyenne peut être vue comme
l’estimation du vecteur d’état et la matrice de covariance comme l’intervalle
de confiance associé à cette prédiction. Les matrices F et H peuvent être
dépendantes du temps, selon le problème considéré.

49
Chapitre 3. Outils d’évaluation quantifiée de la cinématique des segments
corporels
L’algorithme de Kalman présenté ici est dit « simple » car il permet
de résoudre un problème linéaire. Dans la pratique, il est aussi possible de
traiter des modèles non-linéaires du type :

xt+1 = ft+1 (xt ) + vt (3.13)

yt+1 = ht+1 (xt ) + wt , (3.14)

Pour cela, on utilise la version « étendue » du filtre de Kalman. L’idée
est de linéariser localement les fonctions f et h à l’aide d’un développement
de Taylor. Les matrices F et H sont alors remplacées par les matrices ja-
cobiennes des fonctions f et h au voisinage de l’instant t (equations (3.4)
et (3.5)).
Pour l’estimation de l’orientation à l’aide des capteurs d’une centrale
inertielle, le vecteur d’état se compose des quatre composantes du quater-
nion d’orientation et éventuellement du biais du gyromètre. Les données du
gyromètre sont inclues dans le modèle dynamique. Le modèle dynamique ré-
cursif de l’équation (3.4) est obtenu à partir de l’équation différentielle (3.2).
Le vecteur de mesure yt est composé des mesures issues de l’accéléromètre
et du magnétomètre dans le cas d’une approche directe. La relation entre le
vecteur d’état xt et le vecteur de mesure yt est alors non-linéaire.
Une autre approche est souvent envisagée. En effet, il est également
possible de fusionner les données de l’accéléromètre et du magnétomètre
en amont du filtre de Kalman à l’aide d’un algorithme déterministe afin
que le vecteur de mesure yt soit une première estimation du quaternion
d’orientation. L’approche est alors indirecte. Un schéma de principe d’un
tel algorithme est présenté sur la figure 3.5.
Actuellement, les centrales inertielles du marché intègrent presque toutes
des filtres de Kalman pour l’estimation de l’orientation. Des recherches ont
notamment été faites pour comparer la précision de différents modèles pro-
posés [63]. L’erreur angulaire peut varier de 1˚ à 50˚ selon les modèles [63].
Malgré cela, le filtre de Kalman reste la référence pour obtenir l’orientation
de la centrale dans l’espace.

3.2.2 Calibration centrale à segment

La fusion de données des capteurs de la centrale permet de déterminer
l’orientation de la centrale dans l’espace. Cependant, l’analyse du mouve-
ment humain nécessite de connaitre l’orientation des segments corporels.
Il convient donc de s’intéresser au lien entre l’orientation de la centrale

50
 3.2 La centrale inertielle pour l’analyse du mouvement ambulatoire

Données accéléromètre
Algorithme
déterministe
FQA
Données magnétomètre

Filtre de
Données gyromètre Orientation estimée
Kalman

Figure 3.5 – Algorithme de Kalman indirect permettant d’estimer l’orien-

tation d’une centrale inertielle

et l’orientation du segment support. Cette orientation est supposée rester

constante au cours du temps et est déterminée en amont du mouvement
étudié. Il existe quatre types de calibration possible [64] :
– la calibration technique ;
– la calibration statique ;
– la calibration fonctionnelle ;
– la calibration anatomique.
Il est possible de mettre en place une calibration mixant les différentes
méthodes.

La calibration technique

Cette calibration consiste à superposer, lors de la fixation de la centrale

inertielle, la base de la centrale et la base du segment [64]. la matrice de
passage de la base locale de la centrale à la base du segment est alors la
matrice identité.

51
Chapitre 3. Outils d’évaluation quantifiée de la cinématique des segments
corporels
La calibration statique
Cette méthode consiste à demander au sujet de prendre différentes pos-
tures statiques permettant de calculer la matrice d’orientation.
La calibration statique comporte au moins deux étapes qui vont per-
mettre de déterminer l’orientation relative entre les bases locales de la cen-
trale et du segment. L’idée est de demander au sujet de prendre des poses
dans lesquelles la direction d’un des axes de la base du segment est connue
afin de la comparer avec l’accélération de pesanteur mesurée par l’accélé-
romètre. Par exemple, Palermo et al. [65] propose une première posture où
le sujet doit se tenir debout, les bras le long du corps. Ainsi, pour chaque
segment étudié, il existe un axe colinéaire au vecteur pesanteur. La seconde
posture proposée est allongé sur une table, les bras le long du corps et les
pieds droits. Dans cette nouvelle position, un second axe de chaque segment
est colinéaire au vecteur pesanteur.
Cette approche peut être associée à une calibration technique partielle
[66]. De plus, une seule étape de calibration statique peut être envisagée
dans le cas où seuls les mouvements dans le plan sagittal sont étudiés [67].

La calibration fonctionnelle
Cette méthode consiste à demander au sujet d’effectuer des mouvements
fonctionnels dont on fera l’hypothèse qu’ils peuvent être assimilés à une ro-
tation autour d’un des axes de la base du segment à calibrer. En comparant
deux mouvements fonctionnels du segment à calibrer avec les données du
gyromètre fixé sur ce segment, il est possible de déterminer la matrice de
calibration [68][69][70].

La calibration anatomique
Avec cette approche, l’objectif est de déterminer l’orientation relative
entre la base du segment et la base local de la centrale à l’aide d’outils de
calibration (figure 3.6). Ces outils sont composés de pointeurs permettant
de se positionner sur les points anatomiques. Ils embarquent également une
centrale inertielle dont l’un des axes de mesure est parfaitement aligné avec
l’axe formé par les deux pointeurs.
Cette méthode a pour avantage de définir une base anatomique et non
technico-fonctionnelle pour chaque segment mais nécessite cependant des
outils de calibration dédiés.
D’après la littérature, aucune méthode ne semble mener à une calibration
plus précise pour les membres du haut du corps [64]. L’erreur d’orientation

52
 3.2 La centrale inertielle pour l’analyse du mouvement ambulatoire

sur la calibration centrale à segment est de l’ordre de 5˚ à 10˚ [64]. Ainsi,

la précision de la calibration semble suffisante pour analyser le mouvement
des segments humains quelle que soit la méthode employée.

Figure 3.6 – Outils de calibration adaptés pour identifier les axes anato-
miques (a et b). Calibration centrale à segment de la cuisse (c et d) [4]

3.2.3 Estimation de la position et limites techniques

actuelles
Après avoir estimé l’orientation de la centrale et du segment sur lequel
elle est fixée, il est envisageable d’estimer la position dans l’espace par inté-
gration des données de l’accéléromètre. La première étape consiste à changer
de base d’expression le vecteur mesuré par l’accéléromètre an(l) . L’orienta-
tion estimée précédemment permet de passer de la base locale Bl à la base
globale B0 (cf equations (2.15) et (2.16)) :

53
Chapitre 3. Outils d’évaluation quantifiée de la cinématique des segments
corporels

an(0) = R0/l .an(l) (3.15)

L’expression du vecteur pesanteur étant connu dans B0 , il est alors pos-
sible de supprimer la composante de pesanteur du vecteur d’accélération
non gravitationnelle an. Le nouveau vecteur ainsi obtenu est alors l’accé-
lération de l’origine du repère de la centrale inertielle Rl par rapport au
repère global R0 . Ce vecteur est exprimé dans la base globale.
(0)
aOl ∈l/0 = an(0) − g.k0 (3.16)
Le processus permettant d’obtenir l’accélération de la centrale est sché-
matisé sur la figure 3.7.
Par la suite, il ne reste plus qu’à intégrer deux fois cette accélération.
Connaissant les conditions initiales du mouvement, il sera possible, en théo-
rie, de connaitre la vitesse et la position de la centrale. Cependant, en pra-
tique, du fait des bruits de mesure, ces intégrations mènent à une forte
dérive et à une estimation très approximative de la vitesse et de la position
après seulement quelques secondes [71].

Orientation de ℬ𝑙
par rapport à ℬ0 Accélération non
gravitationnelle Accélération Vitesse
Accélération non
exprimée dans ℬ0 exprimée dans ℬ0 exprimée dans ℬ0 Position
gravitationnelle Changement de
−𝐠
base exprimée dans ℬ0
exprimée dans ℬ𝑙

Figure 3.7 – Schéma de principe de l’estimation de la position d’une cen-

trale inertielle par double intégration (méthode de navigation à l’estime ou
dead-reckoning)

L’estimation de la positon à l’aide de centrales inertielles dans le cadre

de l’analyse du mouvement biomécanique est toujours une thématique de
recherche très active. La plupart des études sur ce sujet propose d’utiliser
un réseau de centrales positionnées sur différents segments reliés entre eux
par des liaisons dans un modèle. L’orientation de la centrale permet alors
de piloter le modèle et de déterminer la position des segments à l’aide de
la théorie des solides rigides vue au chapitre précédent [72][44] [73] [74]
[75]. Les principaux inconvénients de ce type de méthodes sont la nécessité
d’utiliser un réseau de centrales qui permettra d’estimer la position des
segments par rapport à un segment de référence dit « racine » et la nécessité
de modéliser le coprs par des segments liés par des liaisons sans liberté de

54
 3.3 Bilan

translation. Ainsi, la position dans le repère global n’est pas complètement

définie. Différentes approches proposent de déterminer cette trajectoire. Elle
se basent sur l’idée de corriger l’intégration de la vitesse via l’accéléromètre
lors des phases où celle-ci est supposée être nulle (zero-velocity update) [76]
[77] [78].

3.3 Bilan
Les technologies d’analyse et de capture du mouvement se sont largement
diversifiées au cours des dernières années. Les systèmes optoélectroniques
offrent encore les résultats les plus précis et restent donc la méthode de
référence. Cependant, les inconvénients inhérents à ce type de systèmes
tendent à ce qu’ils soient remplacés, au moins pour les études en situation
de routine clinique, par des systèmes offrant une meilleure polyvalence. En
ce sens, la centrale inertielle apparait comme une technologie prometteuse
pour estimer les données cinématiques lors du mouvement mais nécessite le
développement de méthodes pour améliorer leur fiabilité.
Cependant, la centrale inertielle n’offre pas une précision suffisante pour
le calcul de la vitesse et de la position. Les limites de la technologie actuelle
induisent une dérive importante lors de l’intégration des données accéléro-
métriques.

55
Chapitre 3. Outils d’évaluation quantifiée de la cinématique des segments
corporels

56
Chapitre 4
Identification des paramètres inertiels
des segments corporels

Sommaire
4.1 Les méthodes par imagerie médicale . . . . . . . 58
4.2 Les méthodes d’identification par dynamique
inverse . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.3 Les méthodes volumétriques . . . . . . . . . . . . 59
4.3.1 Les scanners tri-dimensionnels . . . . . . . . . . 60
4.3.2 La stéréo-photographie et les caméras de profon-
deur . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.4 Les tables anthropométriques et équations de
régression . . . . . . . . . . . . . . . . . . . . . . . 62
4.5 Bilan . . . . . . . . . . . . . . . . . . . . . . . . . . 63

Outre les données cinématiques liées aux mouvements, le chapitre 2 a

fait apparaitre la nécessité d’estimer les paramètres inertiels des segments
corporels (PISs) pour évaluer l’énergie mécanique du corps humain. Ces
PISs sont au nombre de dix par segment dans le cadre de l’hypothèse de
corps rigide. Ils incluent la masse, les trois composantes de la position du
centre de masse et les six coefficients de la matrice d’inertie.
Les études concernant l’estimation des PISs sont nombreuses dans la lit-
térature. Les premiers travaux remontent au XVIIème siècle et sont attribués
à Borelli (1680) [79]. Au XXème siècle, des études de référence ont été menées
par Dempster (1955) [80]. Ces travaux s’appuient sur l’analyse de cadavres
adultes. Depuis, les avancées technologiques ont permis de diversifier les

57
Chapitre 4. Identification des paramètres inertiels des segments corporels

méthodes d’évaluation des PISs.

4.1 Les méthodes par imagerie médicale

Les méthodes d’estimation des PISs les plus précises font intervenir les
technologies par imagerie médicale [81] [82]. Elles permettent d’obtenir des
informations sur la composition des structures internes (tissus, os corti-
cal, os spongieux, etc.) d’un sujet vivant. Cependant elles nécessitent un
équipement biomédical spécifique. De plus, elles soumettent le sujet à des
rayonnements ionisants [5], ce qui pose des problèmes évidents d’éthique.
Néanmoins, ces méthodes restent utilisées comme référence de par leur pré-
cision dans de nombreuses études [81] [82] [83]. Un schéma de scanner à
absorption biphotonique à rayon X permettant d’effectuer une radiographie
complète du corps humain est proposé sur la figure 4.1.

Figure 4.1 – Schéma de principe d’un scanner à absorption biphotonique

à rayon X issu de Durkin et al. (2002) [5]

Bien que l’imagerie médicale offre la possibilité de déterminer spécifi-

quement pour chaque individu les PISs, elle apparait incompatible avec une
utilisation lors de routines cliniques.

58
 4.2 Les méthodes d’identification par dynamique inverse

4.2 Les méthodes d’identification par dyna-

mique inverse
Une méthode inspirée du domaine de la robotique a été proposée par
Vaughan et al. [84] puis Venture et al. [85] et Ayusawa et al. [86]. Cette
méthode est appelée identification en robotique. Elle consiste à détermi-
ner les paramètres inertiels qui permettent de retrouver via la dynamique
inverse les efforts externes appliqués au sujet. La comparaison des efforts
évalués par la dynamique inverse à ceux fournis par une plateforme de force
amène à un problème d’identification qui peut être résolu par la méthode des
moindres carrés par exemple [85]. Cette méthode ne fait aucune hypothèse
concernant la densité ou la forme des segments [87] et a été validée [88]. Ce-
pendant, cette approche nécessite d’effectuer une série de mouvements dont
l’exécution peut s’avérer délicate pour un sujet pathologique et/ou âgé. De
plus, la méthode nécessite un matériel de capture du mouvement spécifique
(système optoélectronique et plateformes de force). Une telle approche est
donc incompatible pour une utilisation en situation écologique de routine
clinique.
En 2015, Bonnet et Venture ont repris ce principe mais tentent d’adap-
ter la méthode à des technologies moins onéreuses [89]. Ils proposent ainsi
TM
d’utiliser la caméra de profondeur Microsoft Kinect et la Wii Balance
TM
Board . Cette approche permet d’obtenir en temps réel les paramètres
inertiels du sujet. De plus, la précision est acceptable même si l’informa-
tion peut se dégrader rapidement en cas de mouvements hors plan [89]. A
l’heure actuelle, cet outil n’a été validé que pour un modèle simplifié et plan
du corps humain [89]. Cette approche nouvelle à très faible coût apparait
prometteuse pour l’obtention des PISs.

4.3 Les méthodes volumétriques

Différentes études ont permis de définir des méthodes capables d’éva-
luer plus simplement les PISs de manière spécifique. Elles s’appuient sur
la connaissance de la géométrie tri-dimensionnelle des segments corporels.
Elles ont l’avantage d’être peu onéreuses et ambulatoires mais nécessitent
de faire des hypothèses sur la répartition de la masse dans les segments. En
effet, bien souvent, la masse volumique des segments est supposée constante
et homogène.

59
Chapitre 4. Identification des paramètres inertiels des segments corporels

4.3.1 Les scanners tri-dimensionnels

Des méthodes par scanners tri-dimensionnels et lasers ont fait leur appa-
rition pour l’évaluation des PISs [90] [91]. Leur prix abordable et leur facilité
d’utilisation les rendent intéressantes pour l’évaluation du volume des dif-
férents segments. Des hypothèses doivent cependant être faites concernant
la répartition de la masse. La plupart des études font l’hypothèse d’une
densité uniforme [90] [91]. La précision est donc moindre mais l’analyse est
totalement non-invasive pour le sujet et reste plus accessible qu’avec les
outils optoélectroniques ou d’imagerie médicale. Depuis quelques années, il
existe des scanners dits « à main » où il suffit de se déplacer autour du
sujet à scanner pour obtenir une modélisation 3D en direct sur un logiciel
de conception assistée par ordinateur. Un exemple de scanner à main est
présenté sur la figure 4.2.

Figure 4.2 – Exemple de scanner tri-dimensionnel à main (modèle Artec R

MHT, artec3d.com)

Les scanners tri-dimensionnels sont déjà largement employés en retro-

conception pour numériser des systèmes mécaniques. Ce type d’unité por-
table apparait compatible avec une utilisation en situation écologique par
sa grande portabilité et sa rapidité de mise en œuvre (il faut compter
quelques minutes pour la numérisation d’un segment corporel). Cependant,
les quelques études concernant l’estimation des PISs via ce type d’instru-
ment n’ont pas encore été suffisamment validées, notamment en terme de
précision par rapport au standard que constituent les systèmes par imagerie
médicale.

60
 4.3 Les méthodes volumétriques

4.3.2 La stéréo-photographie et les caméras de pro-

fondeur
Des techniques par photographies multi-angles ont également vu le jour
[6]. Ces techniques s’appuient sur des clichés photographiques simultanés
pris selon différents points de vue pour reconstruire les segments corporels
en trois dimensions.
Cette technique nécessite, selon les auteurs, au moins 18 appareils pho-
tos. Chaque appareil est connecté à une carte Raspberry Pi qui permet de
synchroniser la prise d’image. La reconstruction 3D se fait dans un second
temps, lors d’une étape de post-traitement. Le sujet doit être placé au centre
du champ formé par les 18 appareils connectés (RPis) et quatre projecteurs
permettant d’augmenter la luminosité (figure 4.3). Cette technique s’inspire
largement des systèmes de capture du mouvement par caméras.
A la connaissance de l’auteur, cette méthodologie n’a pas fait l’objet
d’une recherche plus approfondie.

Projecteurs
Appareils photos connectés (RPis)

Figure 4.3 – Schéma de présentation du scanner multi-caméras composé

de 18 appareils photos (RPis) et de quatre projecteurs proposé par Peyer et
al. (2015) [6]
TM
La caméra de profondeur Microsoft Kinect a également été envisagée

61
Chapitre 4. Identification des paramètres inertiels des segments corporels

pour obtenir la modélisation tri-dimensionnelle des segments corporels et

ainsi obtenir les PISs. Clarkson et al. (2012) proposent un système connecté
TM
de quatre Kinect de première génération pour effectuer une numérisation
3D complète du corps. Les caméras sont disposées en rectangle sur des
trépieds à même hauteur (voir figure 4.4). Après une phase de calibration,
cette technique peu onéreuse et rapide permet d’obtenir une bonne précision
sur le calcul du volume (comparé au volume obtenu par un scanner laser)
[7]. L’obtention des PISs est, là encore, soumise à des hypothèses concernant
la répartition de masse (densité uniforme). Une nouvelle étude de la même
équipe met en avant le potentiel de cette technique pour obtenir à moindre
coût les PISs [92].

Caméra 4 Caméra 3

Caméra 1 Caméra 2

TM
Figure 4.4 – Schéma de positionnement des caméras Microsoft Kinect
proposé par Clarkson et al. (2012) [7] pour effectuer un scan tri-dimensionnel
du corps humain complet

4.4 Les tables anthropométriques et équa-

tions de régression
Les méthodes présentées précédemment permettent de déterminer spé-
cifiquement les PISs. Bien souvent, ces techniques sont difficilement acces-
sibles mais elles ont permis de définir des tables anthropométriques repré-
sentatives d’une population (McConville et al., 1980 [93] ; Young et al., 1983
[94] ; Zatsiorsky et al., 1983, 1990, 1993 [95] [96] [97] [98] ; De Leva, 1996
[99] et plus récemment Dumas et al., 2007 [11]).

62
 4.5 Bilan

Les méthodes utilisées pour l’évaluation des PISs et la mise en place de

tables anthropométriques sont diverses [100] :
– Balances ou plateformes de force pour évaluer la masse ou le centre
de masse ;
– Photogrammétrie ;
– Vibration mécanique ;
– Imagerie par rayons X ou gamma ;
– Imagerie par rayonnement magnétique.
Pour les cas particuliers, les PISs sont déterminés à l’aide de modèles
mathématiques et/ou d’équations de régression et ne sont donc pas per-
sonnalisés. Les modélisations particulières doivent tenir compte de la po-
pulation prise en compte lors de la mise en place du modèle. Il existe des
modèles spécifiques pour diverses populations : Ho Hoang et Mombaur, 2015
[101] pour les personnes âgées, Cheng et al., 2000 [81] pour une population
d’adultes chinois, etc.
Néanmoins, malgré les nombreuses populations prises en compte par
les chercheurs, les disparités au sein d’une même population ne sont pas
prises en compte et certains sujets (notamment pathologiques ou obèses)
n’entrent dans aucun modèle proposé. A l’heure actuelle, il y a un consensus
pour dire que les PISs ne sont pas estimés assez précisément avec les tables
anthropométriques. Cependant, celles-ci offrent l’avantage de fournir une
estimation très rapide et sont encore utilisées dans la majorité des études
pour des raisons de simplicité.

4.5 Bilan
Comme vu au chapitre 2, l’estimation de l’énergie mécanique des seg-
ments corporels pendant une activité physique nécessite la connaissance de
données inertielles propres aux segments. Ce chapitre propose une revue des
différentes technologies disponibles actuellement pour obtenir ces informa-
tions.
Les données inertielles des segments corporels sont souvent déterminées
grâce à des tables anthropométriques. Cette solution est notamment prisée
pour sa simplicité. Cependant, une estimation spécifique pour chaque indi-
vidu serait plus appropriée. Des technologies peu onéreuses apparaissent
et permettent d’envisager des évolutions en ce sens. Les scanners tri-
dimensionnels et les caméras de profondeur offrent notamment la possibilité
de déterminer le volume des segments. Le nombre d’études reste réduit
concernant l’estimation spécifique des paramètres inertiels.

63
Chapitre 4. Identification des paramètres inertiels des segments corporels

Bien que des méthodes volumétriques de plus en plus abordables soient

proposées, seules les tables anthropométriques semblent compatibles avec
une démarche de routine clinique à l’heure actuelle.

64
Synthèse générale et objectifs de
travail

Cette revue de la littérature a permis de mettre en avant, dans le cha-

pitre 1, la nécessité de proposer un test quantifié des capacités physiques
pour améliorer le bien-être et le bien-vieillir des séniors. De plus en plus
d’études s’intéressent à développer un protocole utilisable en routine cli-
nique. Les capteurs magnéto-inertiels, couplés au sein d’une centrale iner-
tielle, autorisent ce type de mesure. Comme décrit au chapitre 3, ces instru-
ments offrent des opportunités nouvelles par rapport à la technique opto-
électronique utilisée en laboratoire. En effet, la portabilité et le faible coût
des centrales répondent parfaitement aux besoins de quantification du mou-
vement en situation écologique. Le développement des algorithmes a permis
d’estimer l’orientation et donc les angles articulaires mais les mesures de la
position et de la vitesse de translation restent toujours un sujet de recherche
actif. D’autre part, peu de travaux quantifient la précision des mesures réa-
lisées à l’aide de ces instruments lors de tests gériatriques. En effet, dans la
plupart des cas, les auteurs se concentrent sur la possibilité d’identifier des
populations chuteuses ou fragiles.
Les recherches pour quantifier les tests gériatriques ont permis d’iden-
tifier des paramètres spatio-temporels corrélés aux personnes chuteuses ou
fragiles. Cependant, les études ont été réalisées sur des personnes avec une
pathologie déjà diagnostiquée. Il apparait nécessaire de mesurer les pertes de
capacités physiques avant l’apparition des pathologies afin de pouvoir pré-
venir les risques. De ce fait, le développement d’un outil capable de classifier
l’individu en fonction de ses capacités physiques parait indispensable.
En outre, d’autres paramètres, basés notamment sur l’énergie mécanique
explicitée au chapitre 2 semblent tout aussi pertinents mais restent diffici-

65
lement estimables à l’aide d’une centrale inertielle. Le calcul de l’énergie
nécessite également l’estimation des paramètres inertiels des segments hu-
mains. Comme décrit au chapitre 4, celle-ci peut se faire à l’aide de tables
anthropométriques, sans outil dédié. Les scanners 3D à main et les camé-
ras de profondeur offrent l’opportunité de mesures en situation de routine
clinique mais leur utilisation reste mal maitrisée pour la mesure des PISs.
Dans le cadre de cette thèse, nous avons fait le choix de nous concentrer
sur le mouvement transitoire du lever de chaise qui est le mouvement le
plus difficile pour le patient lors du test de timed-up and go [24]. En effet,
il nécessite une bonne coordination, un équilibre lors du balancement vers
l’avant et suffisamment de force dans les membres inférieurs.
L’objectif de la thèse est alors double.
– Dans un premier temps, le but sera de valider les paramètres, mesurés
à l’aide d’une centrale inertielle, qui semblent significativement évoluer
pour des populations à risques d’après la littérature. De plus, il sera
nécessaire de développer un algorithme capable d’estimer l’énergie dé-
veloppée lors du mouvement afin de proposer de nouveaux paramètres
pertinents. Ce travail sera détaillé dans la prochaine partie du manus-
crit.
– Dans un second temps, il conviendra de mettre en place un protocole
de mesure et un outil de quantification permettant de rendre compte
des capacités physiques de l’individu au cours de sa vie. Cet outil
devra donc rendre compte de l’effet de l’âge mais également de l’aug-
mentation de la fragilité. Idéalement, pour un individu donné, cet outil
devra être en mesure de retracer l’évolution des capacités physiques
au cours de la vie.

66
 Troisième partie

Méthode de calcul et validation

des données cinématiques et
énergétiques quantifiées à
l’aide d’une centrale inertielle
lors du lever de chaise

67
Chapitre 5
Matériels et méthodes

Sommaire
5.1 Description du lever de chaise et choix du po-
sitionnement de la centrale inertielle . . . . . . . 70
5.2 Participants à l’étude . . . . . . . . . . . . . . . . 72
5.3 Protocole expérimental . . . . . . . . . . . . . . . 72
5.4 Estimation des paramètres cinématiques et éner-
gétiques du tronc à l’aide de la centrale inertielle 75
5.4.1 Accélération de la centrale inertielle . . . . . . . 77
5.4.2 Détection du début et de la fin de la transition
assis / debout . . . . . . . . . . . . . . . . . . . . 78
5.4.3 Vitesse angulaire du tronc . . . . . . . . . . . . . 78
5.4.4 Angle d’inclinaison du tronc . . . . . . . . . . . . 79
5.4.5 Vitesse du centre de masse du buste . . . . . . . 80
5.4.6 Énergie cinétique du tronc . . . . . . . . . . . . . 83
5.5 Traitement des données optoélectroniques . . . 84
5.5.1 Accélération de la centrale . . . . . . . . . . . . . 84
5.5.2 Détection du début et de la fin de la transition
assis / debout . . . . . . . . . . . . . . . . . . . . 85
5.5.3 Vitesse angulaire du tronc . . . . . . . . . . . . . 85
5.5.4 Angle d’inclinaison du tronc . . . . . . . . . . . . 87
5.5.5 Vitesse du centre de masse du buste . . . . . . . 87
5.5.6 Énergie cinétique du tronc . . . . . . . . . . . . . 87
5.6 Analyses statistiques . . . . . . . . . . . . . . . . 88
5.6.1 Détermination des constantes de l’algorithme de
détection de mouvement . . . . . . . . . . . . . . 88

69
Chapitre 5. Matériels et méthodes

5.6.2 Comparaison des résultats . . . . . . . . . . . . . 88

Les centrales inertielles offrent l’opportunité de quantifier les tests géria-

triques. Ce sont des outils légers, ambulatoires et non invasifs. Cependant,
les données cinématiques évaluées par ce type d’unités lors de tests géria-
triques comme le lever de chaise n’ont pas été validées. L’objectif de cette
partie sera donc de valider ces mesures.

5.1 Description du lever de chaise et choix

du positionnement de la centrale iner-
tielle
Le lever de chaise est l’une des tâches de la vie quotidienne la plus cou-
rante. Cette transition posturale requière une coordination optimale, un bon
équilibre et suffisamment de force musculaire. L’objectif de cette transition
est d’amener le centre de gravité vers l’avant puis vers le haut. Les études
cinématiques de ce mouvement retiennent essentiellement deux étapes clefs
[10] :
– La première étape consiste en une flexion du tronc où l’individu po-
sitionne son centre de masse. L’intérêt est de rapprocher le centre de
masse au dessus de la surface de sustentation une fois debout. Lors de
cette étape, la personne reste en contact avec l’assise ;
– La seconde étape se déclenche lorsque le contact avec l’assise est
rompu. Dans cette phase, la personne produit une extension des ge-
noux, des chevilles et du tronc afin d’élever le centre de masse du
corps. Lorsque le contact avec l’assise est rompu, le sujet est, pendant
une courte période, en position de déséquilibre : le centre de masse
est en arrière de la surface de sustentation. L’extension des articula-
tions aura pour effet de ramener le centre de masse à une position
d’équilibre.
Schenkmann et al. [8] et Kralj et al. [9] proposent une décomposition
plus fine en quatre phases distinctes. Ces phases sont décrites précisément
dans la thèse de Chorin [10]. Les différentes phases sont présentées sur la
figure 5.1.
La première phase consiste à initialiser le mouvement via une flexion du
tronc et se termine lors du décollement du postérieur. Elle peut se décom-
poser en deux sous-phases : d’abord une accélération puis une décélération
horizontale du tronc.

70
 5.1 Description du lever de chaise et choix du positionnement de la
centrale inertielle
La deuxième phase démarre au décollage des fesses et se termine lorsque
la flexion plantaire est maximale. Elle se caractérise par un tronc maintenu
en position fléchi et par une accélération verticale du tronc.
La troisième phase débute lors de l’extension des membres inférieurs et
se termine lors de l’extension finale des hanches. Cette phase demande une
grande force des muscles des membres inférieurs et permet la verticalisation
du tronc. Il est possible de distinguer une sous-phase d’accélération et une
sous-phase de décélération.
La quatrième et dernière phase, à la fin de l’extension, consiste en une
période de stabilisation en position debout.

Figure 5.1 – Description des phases de la transition assis / debout définies

par Schenkmann et al. [8] et Kralj et al. [9] (figure modifiée par Chorin [10])

La description de la transition assis / debout montre bien l’importance

de la maitrise de l’équilibre postural. D’après la littérature, la stratégie évo-
lue selon que le sujet soit valide ou présente une faiblesse musculaire. Dans
le premier cas, la flexion du tronc de la première phase est légère et la vitesse
du centre de gravité suivant la direction antéropostérieure est importante
[102]. Cette stratégie nécessite un bon contrôle de l’équilibre. La seconde
stratégie consiste à commencer par une forte flexion du tronc. Cette flexion

71
Chapitre 5. Matériels et méthodes

permet de positionner le centre de masse au dessus de la future surface

de sustentation une fois debout [102]. Ainsi, le sujet réalise l’extension des
genoux sans avoir été en position de déséquilibre. Cette stratégie est privi-
légiée par les personnes ayant des faiblesses musculaires et ne pouvant pas
controler l’énergie cinétique lors du décollement du siège qui risquerait de
provoquer une chute vers l’avant [10]. Paradoxalement, cette stratégie de
« stabilisation » nécessite pourtant plus de force musculaire des membres
inférieurs et est donc plus difficile à réaliser. En effet, il n’est pas possible
avec cette stratégie de transformer l’énergie cinétique de la première phase
en énergie potentielle de pesanteur et ainsi faciliter la verticalisation.
Dans la description de la transition de lever de chaise, le tronc est le
segment le plus lourd et le plus dynamique. Ainsi, il constitue la principale
source d’énergie mécanique et de mouvement. De plus, comme vu précé-
demment, il joue un rôle clef dans la stratégie de lever. Par conséquent, il
apparait judicieux de positionner la centrale inertielle à proximité du centre
de masse du tronc. Le choix a donc été fait de la positionner sur le sternum
à l’aide de la sangle fournie par le constructeur APDM.

5.2 Participants à l’étude

Dans cette étude de validation des données cinématiques et énergétiques
lors du lever de chaise, 26 sujets sains ont été inclus : 14 hommes et 12
femmes dont les données morphologiques sont résumées dans le tableau 5.1.

Genre Âge (années) Masse (kg) Taille (cm)

Homme 29 ± 4 74 ± 12 175 ± 7
Femme 23± 3 58± 8 165 ± 7
Tableau 5.1 – Données morphologiques des sujets inclus dans l’étude de va-
lidation des paramètres cinématiques et énergétiques lors du lever de chaise

Tous les participants ont donné leur consentement avisé et éclairé pour
cette étude et ont déclaré ne pas avoir de problème de santé pouvant in-
fluencer leurs mouvements lors de la transition assis / debout.

5.3 Protocole expérimental

Chaque participant a été équipé d’une centrale inertielle de gamme Opal
de la marque APDM (Portland, États-Unis) fixée sur le buste à environ deux

72
 5.3 Protocole expérimental

tiers de la hauteur du sternum. La centrale est composée d’un gyroscope

3D, d’un accéléromètre 3D et d’un magnétomètre 3D. Le positionnement
est réalisé visuellement par l’opérateur. La fixation de la centrale se fait
à l’aide d’une sangle élastique (figures 5.2 et 5.4). L’opérateur réalise une
calibration technique afin que l’un des axes de la centrale corresponde à la
direction médio-latérale.

Dix-sept marqueurs réflectifs ont également été fixés sur des points ana-
tomiques (figure 5.3). La définition des différents points anatomiques utilisés
est donnée dans le tableau 5.2. Trente six caméras d’un système optoélectro-
nique Vicon (Oxford, Royaume-Uni) ont été positionnées autour du sujet
pour traquer la position de chaque marqueur. La chaise utilisée est sans
dossier (tabouret) d’une hauteur standard de 45 cm (figure 5.4). Le tabou-
ret permet d’éviter les différences entre sujets qui s’appuieraient ou non sur
le dossier. La centrale inertielle communique avec un PC d’acquisition par
ondes radio via une antenne réceptrice branchée en USB. Les signaux sont
réceptionnés à 80 Hz. Les données des caméras Vicon sont réceptionnées via
un second PC et enregistrées à 100 Hz.

Figure 5.2 – Sangle fournie par APDM pour la fixation de la centrale

inertielle sur le sternum du sujet

73
Chapitre 5. Matériels et méthodes

Figure 5.3 – Positionnement des

marqueurs sur les points anato- Figure 5.4 – Sujet équipé des
miques et de la centrale inertielle marqueurs et de la centrale iner-
sur le sternum tielle

Chaque participant a réalisé trois sessions composées chacune de cinq

transitions assis / debout. Lors de la première session, l’expérimentateur
demande au sujet de s’installer confortablement, les pieds posés à plat sur
le sol. Ensuite, il l’invite à se lever sans instruction particulière puis de rester
en position debout devant la chaise pour enregistrer un mouvement à rythme
spontané. Lors de la seconde session, le sujet doit se lever le plus rapidement
possible. Enfin, dans la dernière session, l’expérimentateur demande au sujet
de se lever lentement. Chaque lever de chaise est enregistré indépendamment
par la centrale et le système Vicon. Le sujet a environ 15 s à 20 s de repos
entre chaque transition.
Pour chaque sujet, il en résulte quinze enregistrements avec les centrales
et quinze enregistrements avec le système Vicon. Les enregistrements Vicon
sont ré-échantillonés à 80 Hz (fréquence d’acquisition de la centrale) à l’aide
d’une interpolation linéaire. Aucun filtrage n’a été réalisé sur les signaux

74
 5.4 Estimation des paramètres cinématiques et énergétiques du tronc à
l’aide de la centrale inertielle
acquis avec les deux systèmes de mesure.
Une fois les sessions de lever de chaise réalisées, la masse et la taille sont
mesurées à l’aide d’un pèse-personne et d’une toise.

Acronymes Définitions
C7 7ème cervicale
MPSIS Point milieu entre les crêtes iliaques postéro-
supérieures
RA et LA Acromions droit et gauche
SUP Suprasternal
STRN Extrémité du sternum
RASIS et LASIS Crêtes iliaques antéro-supérieures droite et gauche
RGT et LGT Grands trochanters droit et gauche
MIMU Ensemble de trois marqueurs positionnés sur la cen-
trale
Tableau 5.2 – Points anatomiques utilisés pour l’emplacement des mar-
queurs passifs du système optoélectronique Vicon

5.4 Estimation des paramètres cinématiques

et énergétiques du tronc à l’aide de la
centrale inertielle
Pour le traitement des données issues de la centrale inertielle, il est
nécessaire de définir trois repères (voir figure 5.5).
Le premier repère est le repère global R0 , composé d’une origine O située
n’importe où au niveau du sol du laboratoire et d’une base orthonormée
directe Nord-Ouest-Haut notée B0 = (i0 , j0 , k0 ).
Le second repère Rc est associé à la centrale inertielle. Il est composé
d’une origine C située au centre du boitier et d’une base Bc = (ic , jc , kc )
définie par le constructeur (voir figure 3.4). Par hypothèse, le centre du
boitier est supposé être le centre de la puce de capteurs.
Le dernier repère Rb est associé au buste et suit la définition de Dumas
et al. [11]. L’origine est le centre articulaire des cervicales, noté ici CJC et la
base est Bb = (ib , jb , kb ). kb part du centre articulaire des lombaires (LJC)
vers CJC. ib est normal au plan contenant LJC, CJC et SUP. Pour finir,
jb = kb × ib .

75
Chapitre 5. Matériels et méthodes

La calibration technique permet de faire l’hypothèse que ib et jc sont

colinéaires et donc que le plan (C, ic , kc ) est parallèle au plan sagittal.
Chaque enregistrement de lever de chaise via la centrale est traité indé-
pendamment. Les données utiles aux calculs des données cinématiques et
énergétiques se composent, à chaque instant t de :
(c)
– anC∈c/0 : vecteur de l’accélération non-gravitationnelle de l’origine de
la centrale, exprimé dans la base Bc ;
(c)
– ω c/0 : vecteur vitesse de rotation de la centrale, exprimé dans la base
Bc ;
– q0/c : quaternion d’orientation de la base Bc par rapport à la base B0 ,
obtenu par l’algorithme de fusion de données constructeur.
Par la suite, les calculs seront faits en utilisant la matrice d’orientation
R0/c équivalente au quaternion q0/c . La relation entre q0/c et R0/c est donnée
via l’équation (2.12).

𝐤𝐛

𝐢𝐜
ℛb
CJC
𝐢𝐛 ℛc
𝐣𝐛
𝐶
𝐣𝐜
𝐤𝐜

𝐤𝟎

𝐠
ℛ0
𝑂 𝐣𝟎
𝐢𝟎

Figure 5.5 – Définitions des différents repères de l’étude

Les études de la cinématique montrent l’importance de l’accélération du

buste lors des phases 1, 2 et 3 (voir figures 5.1). La centrale inertielle ne per-
met pas d’accéder directement à l’accélération du centre de masse du buste.
Par la suite, il sera fait l’hypothèse que la centrale inertielle est parfaitement

76
 5.4 Estimation des paramètres cinématiques et énergétiques du tronc à
l’aide de la centrale inertielle
solidaire du buste. Sous cette hypothèse, Rc et Rb n’ont aucun mouvement
relatif. Ainsi, l’analyse de l’accélération du buste peut s’envisager à travers
l’accélération du centre de la centrale.
D’autre part, le temps mis pour réaliser la transition est un paramètre
clef qui doit être mesuré à l’aide de la centrale.
La description de Schenkmann et al. [8] montre également que la flexion
vers l’avant du buste est une phase importante du mouvement qui condi-
tionne la stratégie pour les phases suivantes. De ce fait, il apparait indis-
pensable de calculer l’angle et la vitesse de flexion.
Enfin, l’énergie créée joue un rôle. Elle sera plus importante chez un in-
dividu maitrisant son équilibre. L’estimation de l’énergie cinétique du tronc
nécessite le calcul de la vitesse du centre de masse du tronc via les données
de la centrale.
Dans la suite de cette section, les algorithmes pour calculer ces infor-
mations à l’aide des données mesurées au court du lever de chaise par la
centrale seront présentées.

5.4.1 Accélération de la centrale inertielle

Pour commencer, il est nécessaire de calculer l’accélération de l’origine
de la centrale. Pour cela, il faut supprimer la composante gravitationnelle
(c)
de anC∈c/0 . Cependant, le vecteur pesanteur est connu dans la base B0 et
non dans Bc :
 
0
g(0) = 0  (5.1)
−g 0

Il convient ainsi de changer la base d’expression de l’accélération non-

gravitationnelle à l’aide de la matrice d’orientation R0/c :

(0) (c)
anC∈c/0 = R0/c .anC∈c/0 (5.2)

Par la suite, il est possible de supprimer la composante de pesanteur et

ainsi obtenir l’accélération de l’origine de Rc exprimé dans la base B0 :

(0) (0)
aC∈c/0 = anC∈c/0 + g(0) (5.3)

77
Chapitre 5. Matériels et méthodes

5.4.2 Détection du début et de la fin de la transition

assis / debout
Les données cinématiques et énergétiques doivent être estimées pendant
la transition assis / debout. Le début de la transition se définit comme l’ins-
tant où le sujet commence à bouger pour se lever et la fin comme l’instant
où le sujet se trouve complètement en position debout, genoux en extension.
Un algorithme de détection du mouvement a été implémenté en se basant
sur le concept de zero-velocity update [103][104][105]. Cet algorithme utilise
les composantes du quaternion d’orientation (q0 , q1 , q2 et q3 ) et l’accélération
(0)
verticale (3ème composante de aC∈c/0 , notée az ) pour définir l’instant de dé-
but du mouvement tb et l’instant de fin du mouvement tf . L’enregistrement
est réalisé entre les instants t0 et tend . Ainsi, tb est défini par l’algorithme
comme le premier instant t (t ∈ [t0 , tend ]) qui permet de respecter au moins
une des conditions suivantes :
(
∃i ∈ J0, 3K, |qi (t) − qi (t0 )| > thq
(5.4)
|az (t)| > tha
De manière similaire, l’instant tf est défini comme le dernier instant t
qui permet de respecter au moins une des conditions suivantes :
(
∃i ∈ J0, 3K, |qi (t) − qi (tend )| > thq
(5.5)
|az (t)| > tha

Dans les systèmes d’équations (5.4) et (5.5), les constantes thq et tha
sont des seuils qui seront déterminés empiriquement par la suite.

5.4.3 Vitesse angulaire du tronc

Par hypothèse, la centrale inertielle est solidaire du buste. La vitesse an-
gulaire mesurée par la centrale est donc directement assimilable à la vitesse
de rotation du buste. Il vient donc l’égalité suivante entre les instants tb et
tf :

(c) (c)
∀t ∈ [tb , tf ] , ω b/0 = ω c/0 (5.6)
La norme de la vitesse de rotation du buste s’obtient par :

(c)
∀t ∈ [tb , tf ] , ωb/0 = |ω b/0 | (5.7)

78
 5.4 Estimation des paramètres cinématiques et énergétiques du tronc à
l’aide de la centrale inertielle
5.4.4 Angle d’inclinaison du tronc
L’angle d’inclinaison θb représente l’angle entre l’axe principal du tronc
kb à un instant t quelconque du mouvement et l’axe du tronc avant l’instant
de début du mouvement tb (voir figure 5.5). Soit θb0 l’angle entre kb et
stat
l’axe vertical k0 à l’instant t ∈ [tb , tf ] et θb0 ce même angle pour t ≤
tb . Sous l’hypothèse que le mouvement a lieu dans le plan sagittal, l’angle
d’inclinaison est alors :

stat
θb = θb0 − θb0 (5.8)
L’angle θb0 peut s’écrire en fonction de l’angle θc0 entre l’axe kc de la
centrale et k0 . En effet, en introduisant l’angle θbc , constant, entre kc projeté
dans le plan sagittal et kb , on obtient :

θb0 = θc0 − θbc (5.9)

stat stat
θb0 = θc0 − θbc (5.10)
De ce fait, l’angle d’inclinaison peut se calculer seulement à l’aide de
l’orientation de la centrale par :

stat
θb = θc0 − θc0 (5.11)
Pour le calcul de θc0 , il est nécessaire d’exprimer k0 et kc dans la même
base, ici la base B0 . k0 est connu dans cette base mais kc est connu dans Bc .
Le changement de base d’expression peut se faire facilement car la matrice
d’orientation entre B0 et Bc , notée R0/c est calculée par la fusion de données
des capteurs de la centrale. Ainsi, on obtient :

∀t ∈ [tb , tf ] , kc (0) = R0/c .kc (c) (5.12)

 
0
= R0/c . 0
 (5.13)
1
Il est alors possible de calculer θc0 :
h i
−1 (0) (0)
∀t ∈ [tb , tf ] , θc0 = cos kc .k0 (5.14)
    
0 0
−1 
= cos R0/c . 0
  . 0
 (5.15)
1 1

79
Chapitre 5. Matériels et méthodes

stat
Il est possible de mener un raisonnement analogue pour calculer θc0 .
stat
Soit R0/c la matrice d’orientation entre B0 et Bc en position statique (c’est-
à-dire avant tb ). On a alors :
 
0
(0),stat stat  
kc = R0/c . 0 (5.16)
1
stat
Il est donc possible de calculer θc0 :

h i
stat −1 (0),stat (0)
θc0 = cos kc .k0 (5.17)
    
0 0
−1  stat    
= cos R0/c . 0 . 0 (5.18)
1 1

Ainsi, sous l’hypothèse d’un mouvement dans le plan sagittal, l’angle

d’inclinaison du buste θb se calcule par :

stat
∀t ∈ [tb , tf ] , θb = θc0 − θc0 (5.19)
         
0 0 0 0
= cos−1 R0/c . 0 . 0 − cos−1 Rstat
0/c . 0  . 0
1 1 1 1
(5.20)

5.4.5 Vitesse du centre de masse du buste

Comme montré dans la revue de la littérature plus tôt, il n’existe pas
de méthode pour déterminer la vitesse de translation directement à partir
de la centrale inertielle. La méthode proposée dans cette étude consiste à
estimer d’abord la vitesse de l’origine de la centrale par intégration puis de
calculer la vitesse du centre de masse du buste à l’aide d’une modélisation
de la cinématique du mouvement.

Vitesse de la centrale inertielle

La vitesse de la centrale inertielle peut s’estimer pour des mouvements
de courte durée par intégration directe si la dérive est corrigée.
(0)
La première étape consiste à intégrer l’accélération de la centrale aC∈c/0
entre tb et tf à l’aide de la règle des trapèzes. La vitesse est nulle à l’instant tb .

80
 5.4 Estimation des paramètres cinématiques et énergétiques du tronc à
l’aide de la centrale inertielle
Cette intégration donne une première estimation de la vitesse de translation
(0)
de la centrale notée, ṽC∈c/0 .
En pratique, cette intégration mène à une accumulation d’erreurs impor-
tante même pour un mouvement de courte durée comme le lever de chaise.
Celles-ci sont dues au bruit mesuré par l’accéléromètre [71][106]. Pour amé-
liorer l’estimation, deux hypothèses basées sur la nature du mouvement de
lever de chaise ont été faites :
– La vitesse de la centrale à l’instant de fin de la transition tf est sup-
posée nulle ;
(0)
– La dérive temporelle de ṽC∈c/0 est supposée linéaire.
Par conséquent, l’estimation de la vitesse peut être corrigée, à chaque
instant t pour t ∈ [tb , tf ] à l’aide de l’équation suivante :

(0)
(0) (0)
ṽC∈c/0 (tb )
∀t ∈ [tb , tf ] , vC∈c/0 = ṽC∈c/0 − .t (5.21)
tb
La centrale inertielle étant fixée sur le buste, il n’y a pas de mouvement
relatif entre Rc et Rb . Ainsi, vC∈c/0 = vC∈b/0 .
Par la suite, la norme euclidienne est appliquée pour obtenir la vitesse
scalaire de la centrale à chaque instant :

∀t ∈ [tb , tf ] , vC∈b/0 = vC∈b/0 (5.22)

Vitesse du centre de masse du buste

Pour estimer la vitesse du centre de masse du buste à partir de la vitesse

de la centrale, on fait l’hypothèse ici que le tronc, lors de la transition de
lever de chaise, est en contact avec la chaise par une liaison pivot dont l’axe,
normal au plan sagittal, passe par les centres articulaires des hanches (voir
figure 5.6). Le point milieu entre des deux centres articulaires est noté H et
le centre de masse du buste est noté Gb .
L’étude cinématique de ce modèle permet de déterminer les normes de
vC∈b/0 et vGb ∈b/0 en fonction de
 lavitesse de rotation
 du buste et des com-
xC xGb
posantes des vecteurs uHC = yC   et uHGb = yGb 

zC 0 zGb 0
:
p
vC∈b/0 = ω b/0 . yC 2 + zC 2 (5.23)

81
Chapitre 5. Matériels et méthodes

p
vGb ∈b/0 = ω b/0 . yGb 2 + zGb 2 (5.24)

Le rapport entre ces normes est donc :

p
vGb ∈b/0 yG 2 + zGb 2
= p b (5.25)
vC∈b/0 yC 2 + zC 2

Or, les modèles anthropométriques de Dumas et al. [11] et de Laurin et

al. [107] permettent d’exprimer les composantes de uHC et uHGb en fonction
de la longueur du tronc (de MPSI à C7), notée lt (tableau 5.3).

Genre Homme Femme

xC 0, 7789.lt 0, 7904.lt
zC −0, 0198.lt −0, 0190.lt
xG b 0, 6970.lt 0, 7046.lt
zGb −0, 1446.lt −0, 1350.lt
Tableau 5.3 – Coordonnées des vecteurs uHC et uHGb exprimées dans B0
en fonction de la longueur du tronc lt

vb ∈b/0
D’après ces données anthropométriques, le rapport vGC∈b/0 est de 0, 91
quelque soit le genre. Il est dont possible d’estimer la vitesse du centre de
masse du buste lors de la transition assis / debout par la relation :

vGb ∈b/0 = 0, 91.vC∈b/0 (5.26)

82
 5.4 Estimation des paramètres cinématiques et énergétiques du tronc à
l’aide de la centrale inertielle

𝐶
𝐺𝑏
𝐮𝐻 𝐺 𝑏
𝐮𝐻𝐶

𝛚𝑏/0
𝐻

Figure 5.6 – Modèle cinématique simplifié de la transition assis / debout

pour le calcul de la vitesse du centre de masse du buste

5.4.6 Énergie cinétique du tronc

L’énergie cinétique du tronc se décompose en énergie cinétique de trans-

lation et de rotation. Dans cette étude, on fait l’hypothèse que l’énergie
cinétique de rotation est négligeable devant l’énergie cinétique de transla-
tion. Cette hypothèse sera vérifiée à l’aide des données optoélectroniques.
L’énergie cinétique du buste est alors assimilée à l’énergie de translation :

1
Ec = .mb .vGb ∈b/0 2 (5.27)
2

La norme de la vitesse du centre de masse vGb ∈b/0 a été déterminée

précédemment. La masse du buste mb peut être exprimée en fonction de la
masse totale du corps M d’après le modèle anthropométrique de Dumas et
al. [11] (tableau 5.4).

83
Chapitre 5. Matériels et méthodes

Genre mb
Homme 0, 333.M
Femme 0, 304.M
Tableau 5.4 – Masse du buste en fonction de masse totale du corps d’après
Dumas et al. [11]

5.5 Traitement des données optoélectroniques

Pour le traitement des données optoélectroniques, il est nécessaire de
définir un 4ème repère de travail, noté Rv , associé au repère du système
Vicon. L’origine V , située au niveau du sol, et la base orthonormée directe
Bv sont définies lors de la calibration des caméras en amont de l’étude. Rv
est fixe par rapport à R0 . Le 3ème vecteur de la base est normal au plan du
sol.
Après une étape de labellisation, le système de capture du mouvement
Vicon permet d’obtenir la position des marqueurs placés sur le sujet lors du
protocole dans le repère Rv . Les mouvements de tissus mous sont négligés.
Ainsi, la position de chaque marqueur sera supposée être directement la
position du point anatomique sur lequel il est fixé. Ainsi, il est possible
d’exprimer les composantes du repère Rb associé au buste dans le repère
Rv .
Les données cinématiques et énergétiques calculées à partir des données
Vicon comme détaillé ci-dessous sont considérées pour la suite comme les
valeurs de référence auxquelles seront confrontées les paramètres calculés à
partir des données de la centrale inertielle.

5.5.1 Accélération de la centrale

Pour connaı̂tre la position de la centrale à l’aide des marqueurs, on
assimile la position de C comme étant le point milieu entre les marqueurs
C1 et C3 situés sur la centrale inertielle (figure 5.7) :
(v) (v)
(v) p + pC3
pC = C1 (5.28)
2
(v)
L’accélération de C est alors calculée comme la dérivée seconde de pC .
La dérivée numérique à l’instant t a été faite à l’aide du quotient différentiel
de Newton centré avec un pas de deux fois la période d’échantillonnage ∆T :

84
 5.5 Traitement des données optoélectroniques

(v) (v)
(v) p (t + 2.∆T ) − pC (t − 2.∆T )
vC∈c/0 (t) = C (5.29)
4.∆T
(v) (v)
(v)
vC∈c/0 (t + 2.∆T ) − vC∈c/0 (t − 2.∆T )
aC∈c/0 (t) = (5.30)
4.∆T
La norme euclidienne de l’accélération est ensuite calculée :
(v)
aC∈c/0 = aC∈c/0 (5.31)

La synchronisation avec la centrale inertielle est réalisée automatique-

ment par recalage des pics maximales d’accélération. Cette synchronisation
est conservée pour la comparaison de la vitesse de rotation du buste et
l’angle d’inclinaison.

𝐢𝐜

C1

𝐣𝐜
𝐶
C2 C3

Figure 5.7 – Positionnement et dénomination des marqueurs positionnés

sur la centrale inertielle fixée sur le buste

5.5.2 Détection du début et de la fin de la transition

assis / debout
Le début et la fin du lever de chaise sont détectés entre les instants où
l’accélération de CJC dépasse un seuil de 0,25 m s−2 .

5.5.3 Vitesse angulaire du tronc

Pour déterminer la vitesse de rotation entre Bb et Bv , il est nécessaire de
calculer l’orientation relative. Pour cela, les vecteurs de la base Bb doivent
être exprimés dans Bv .
Tout d’abord, le centre articulaire des lombaires (LJC) est construit
comme le barycentre de MPSIS, RASIS et LASIS (figure 5.2) :

85
Chapitre 5. Matériels et méthodes

(v) (v) (v)

(v) pMPSIS + pRASIS + pLASIS
pLJC = (5.32)
3
(v) (v) (v)
Dans l’équation précédente, pMPSIS , pRASIS et pLASIS représentent les
vecteurs positions dans Rv des points anatomiques MPSIS, RASIS et LASIS
exprimés dans la base Bv , mesurés à l’aide du système optoélectronique
Vicon.
De manière analogue, la position du centre articulaire des cervicales
(CJC) est calculé comme le point milieu de C7 et SUP (figure 5.2) :

(v) (v)
(v) p + pSUP
pCJC = C7 (5.33)
2
Ainsi, il est possible d’obtenir les vecteurs de la base Bb :

(v) (v)
pCJC − pLJC
kb (v) = (5.34)
(v) (v)
pCJC − pLJC
 
(v) (v)
pSUP − pCJC × kb (v)
jb (v) =   (5.35)
(v) (v)
pSUP − pCJC × kb (v)

ib (v) = jb (v) × kb (v) (5.36)

Par la suite, ces vecteurs permettent de construire la matrice de passage

de Bb à Bv :

∀t ∈ [tb , tf ] , Rv/b = ib (v) jb (v) kb (v)

 
(5.37)

La matrice antisymétrique de la vitesse de rotation ω b/v peut alors se

calculer à l’aide de la relation (2.24) :

(v) .
S(ω b/v ) = Rv/b .Rv/b T (5.38)

La dérivée de la matrice d’orientation s’obtient par un calcul du quotient

différentiel de Newton de chaque élément.
(v)
Pour finir, la norme euclidienne de ω b/v est calculée pour obtenir ωb/v .
Les bases Bv à B0 étant fixes l’une par rapport à l’autre, il est possible
d’écrire ωb/0 = ωb/v .

86
 5.5 Traitement des données optoélectroniques

5.5.4 Angle d’inclinaison du tronc

L’angle d’inclinaison du tronc se calcule comme la différence entre l’arc
cosinus du produit scalaire entre k0 = kv et kb et celui du produit entre
kv et kstat
b . Les expressions de ces vecteurs étant connues dans la base Bv ,
il vient immédiatement :

   
∀t ∈ [tb , tf ] , θb = cos−1 kb (v) .kv (v) − cos−1 kb (v),stat .kv (v) (5.39)

5.5.5 Vitesse du centre de masse du buste

La position du centre de masse du buste Gb est :

pGb = uV CJC + uCJCGb (5.40)

La premier vecteur, uV CJC , est connu grâce aux mesures Vicon. Le se-
cond vecteur, uCJCGb , peut s’obtenir dans la base Bb à l’aide du modèle
anthropométrique de Dumas et al. [11] (voir tableau 5.5).

Genre ib jb kb
Homme −0, 002.lb −0, 036.lb −0, 420.lb
Femme −0, 006.lb −0, 016.lb −0, 436.lb
Tableau 5.5 – Données anthropométriques de la position du centre de
masse du buste dans Rb issues de Dumas et al. [11]

Dans le tableau précédent, lb est la longueur du tronc et se calcule comme

la distance de C7 à SUP avant le début du mouvement (t ∈ [t0 , tb ]).

lb = |pSUP − pC7 | (5.41)

La vitesse de Gb est calculée à l’aide du quotient différentiel de Newton
puis la norme euclidienne est considérée. Pour la comparaison, la synchroni-
sation avec la centrale inertielle est réalisée automatiquement par recalage
des pics maximales de vitesse. Cette synchronisation est conservée pour la
comparaison de l’énergie cinétique.

5.5.6 Énergie cinétique du tronc

Les énergies cinétiques de translation et de rotation sont calculées à
l’aide des données optoélectroniques via la relation :

87
Chapitre 5. Matériels et méthodes

1 2 1
Ec = .mb .vG b ∈b/0
+ .ωb/0 (b) .Ib,Gb .ωb/0 (b) (5.42)
2 2
La masse du buste mb est donnée en fonction du genre du sujet via le
tableau 5.4. La matrice d’inertie est obtenue à l’aide du modèle anthropo-
métrique de Dumas et al [11].

(rxx .lb )2 (rxy .lb )2 (rxz .lb )2

 

Ib,Gb = mb . (rxy .lb )2 (ryy .lb )2 (ryz .lb )2  (5.43)

(rxz .lb )2 (ryz .lb )2 (rzz .lb )2
Les valeurs des paramètres anthropométriques permettant de calculer
Ib,Gb sont données dans le tableau 5.6.

Genre rxx rxy rxz ryy ryz rzz

Homme 0,28 0,02 0, 04.i 0,27 0,18 0,25
Femme 0,29 0,05 0, 05.i 0,29 0,22 0,27
Tableau 5.6 – Données anthropométriques de la matrice d’inertie du buste
issues de Dumas et al. [11]

5.6 Analyses statistiques

5.6.1 Détermination des constantes de l’algorithme de
détection de mouvement
Les constantes seuils thq et tha nécessaires à la mise en place de l’algo-
rithme de détection du début et de la fin de la transition ont été déterminées
de sorte à minimiser l’erreur quadratique normalisée entre la vitesse de la
centrale mesurée avec la centrale et avec le système optoélectronique pour
le premier sujet. Cette optimisation a été réalisée empiriquement.
Les constantes sont alors fixées et conservées pour l’ensemble des sujets
restants.

5.6.2 Comparaison des résultats

Afin de comparer les données calculées à l’aide de la centrale inertielle
à ces mêmes données calculées à l’aide du système optoélectronique, une
analyse statistique a été réalisée pour chaque lever de chaise enregistré.

88
 5.6 Analyses statistiques

Comparaison de l’évolution au cours du temps (courbes)

Pour un paramètre donné, son évolution, mesurée au cours du temps par
la centrale (entre tb et tf ), est comparée à l’évolution de référence à l’aide
du coefficient de corrélation de Pearson [108] et de l’erreur quadratique
moyenne normalisée (nRMSE). Le premier outil permet de rendre compte
de la ressemblance d’évolution entre les courbes. Le second permet de rendre
compte de l’éloignement point par point entre les courbes.

Comparaison de la valeur moyenne et de la valeur maximale lors

du mouvement
La valeur moyenne de chaque paramètre entre tb et tf est également
comparée à la référence à l’aide de la méthode de Bland-Altman [109]. Le
biais, la limite d’accord à 95 %, l’erreur quadratique moyenne (RMSE) et le
coefficient de corrélation de Pearson associé à cette méthode ont été calculés.
La méthodologie de Bland-Altman permet de mesurer la performance d’une
méthode de mesure par rapport à une méthode de référence, connue.
La valeur maximale de chaque paramètre entre tb et tf a également été
investiguée à l’aide de la méthode de Bland-Altman.
Dans le prochain chapitre, les résultats de la validation des paramètres
cinématiques et énergétiques du buste lors du lever de chaise calculés à l’aide
d’une centrale inertielle seront présentés et analysés.

89
Chapitre 5. Matériels et méthodes

90
Chapitre 6
Validation de la mesure des données
par centrale inertielle

Sommaire
6.1 Durée du lever de chaise . . . . . . . . . . . . . . 92
6.1.1 Algorithme de détection . . . . . . . . . . . . . . 92
6.1.2 Comparaison avec le système Vicon . . . . . . . 93
6.2 Accélération de la centrale inertielle . . . . . . . 95
6.2.1 Comparaison des courbes . . . . . . . . . . . . . 95
6.2.2 Comparaison des valeurs moyennes et maximales 96
6.3 Vitesse angulaire du buste . . . . . . . . . . . . . 99
6.3.1 Comparaison des courbes . . . . . . . . . . . . . 100
6.3.2 Comparaison des valeurs moyennes et maximales 101
6.4 Angle d’inclinaison du buste . . . . . . . . . . . . 103
6.4.1 Comparaison des courbes . . . . . . . . . . . . . 104
6.4.2 Comparaison des valeurs moyennes et maximales 105
6.5 Vitesse du centre de masse du buste . . . . . . . 107
6.5.1 Comparaison des courbes . . . . . . . . . . . . . 108
6.5.2 Comparaison des valeurs moyennes et maximales 110
6.6 Énergie cinétique du buste . . . . . . . . . . . . . 113
6.6.1 Comparaisons des courbes . . . . . . . . . . . . . 113
6.6.2 Comparaison des valeurs moyennes et maximales 114

L’objectif de ce chapitre est de présenter et analyser les résultats de

la comparaison entre les données cinématiques et énergétiques issues de la

91
Chapitre 6. Validation de la mesure des données par centrale inertielle

centrale inertielle et du système Vicon de référence. Le lever de chaise a été

quantifié par la durée de la transition, l’accélération, la vitesse angulaire du
buste, la vitesse du centre de masse du buste, l’angle d’inclinaison du buste
et l’énergie cinétique du buste.

6.1 Durée du lever de chaise

6.1.1 Algorithme de détection

La durée du lever de chaise est calculée avec la centrale comme le temps

entre le début du mouvement tb et la fin du mouvement tf . Pour rappel,
ces instants ont été déterminés à l’aide d’un algorithme dont les paramètres
seuils ont été ajustés de sorte à minimiser l’erreur quadratique moyenne
normalisée entre la vitesse de la centrale mesurée avec la centrale et avec le
système optoélectronique Vicon pour le premier sujet. Les valeurs des para-
mètres seuils sont données dans le tableau 6.1. Ces valeurs sont conservées
pour l’ensemble des sujets suivants.

Paramètre thq tha (m/s2 )

Valeur 0,03 0,25
Tableau 6.1 – Valeurs des paramètres utilisés dans l’algorithme de détec-
tion du mouvement à l’aide des capteurs de la centrale inertielle

Un exemple d’application de cet algorithme sur un essai d’un sujet est

donné sur la figure 6.1. Pour le début du mouvement tb , l’algorithme s’appuie
essentiellement sur l’accélération verticale lorsque le mouvement est dyna-
mique (rythme demandé normal à élevé) et sur les quanternions d’orienta-
tion lorsque la dynamique est plus faible (rythme lent à normal).

92
 6.1 Durée du lever de chaise

Figure 6.1 – Exemple d’utilisation de l’algorithme de détection de mouve-

ment lors du lever de chaise basé sur les données de la centrale inertielle

6.1.2 Comparaison avec le système Vicon

Les résultats de l’analyse de Bland-Altman sur la mesure de la durée
de la transition assis / debout sont présentés sur la figure 6.2 et dans le
tableau 6.2. Dans le tableau, une « * » indique une corrélation significative
avec une valeur-p inférieure à 10−4 . Tout rythme confondu, la limite d’ac-
ceptation (LOA) est de 0,89 s. Cette limite indique que 95 % des mesures
faites avec la centrale ont un écart au plus de 0,89 s avec celles faites avec
le système Vicon. Elle est à mettre en relation avec les valeurs mesurées
moyennes qui se situent environ entre 1 s et 3,5 s (figure 6.2).
Les résultats montrent que le LOA dépend du rythme demandé au sujet.
Pour les rythmes rapide et normal, le LOA est de 0,78 s et 0,77 s alors qu’elle
augmente à 1,1 s pour le rythme lent. Ce résultat peut s’expliquer par le fait
que lors de mouvements lents, la délimitation entre l’instant où le sujet est
immobile et celui il commence son mouvement est moins détectable du fait
d’accélérations angulaire et linéaire moins importantes en valeur absolue.
De façon similaire, l’erreur quadratique moyenne (RMSE), caractérisant la
précision de la mesure, augmente de 0,40 s à rythme élevé jusqu’à 0,54 s à
rythme lent.
La figure 6.2 montre que l’algorithme de détection mesure la durée avec
un biais négligeable. En effet, d’après le tableau 6.2, celui-ci est compris

93
Chapitre 6. Validation de la mesure des données par centrale inertielle

entre −0,03 s et 0,08 s selon le rythme demandé. Malgré une bonne corréla-
tion avec le système Vicon, le biais augmente avec la durée. Ces résultats
sont en accord avec les conclusions de Janssen et al. [110] qui constatent la
présence d’un biais proportionnel. Cependant, dans cette étude, les auteurs
n’exploitaient que l’accéléromètre pour estimer tb et tf . L’intégration de
l’information d’orientation via les quaternions permet de diminuer le biais
pour des durées élevées.

Figure 6.2 – Bland-Altman comparant les durées du lever de chaise (Tlever )

mesurées à l’aide de la centrale inertielle et du système Vicon de référence

Bien que la mesure de la durée du lever de chaise se fasse avec une in-
certitude assez importante, notamment à rythme lent, la figure 6.2 laisse
supposer une bonne capacité à distinguer les différents rythmes à l’aide de
la centrale inertielle. Pour autant, l’analyse des capacités physiques lors du
lever de chaise par la seule mesure du temps de lever avec une centrale
inertielle ne semble pas suffisamment précise du fait des erreurs de mesure
qui peuvent atteindre environ 50 % de la durée du lever. Ce constat ren-
force l’idée de s’appuyer sur l’association du temps de lever avec d’autres
paramètres pertinents.

94
 6.2 Accélération de la centrale inertielle

Tlever Biais (s) LOA (s) RMSE (s) r

Rythme lent 0,08 -1,02 ; 1,18 0,54 0,46*
Rythme normal -0,03 -0,80 ; 0,74 0,37 0,48*
Rythme élevé 0,04 -0,74 ; 0,82 0,40 0,66*
Global 0,03 -0,86 ; 0,92 0,45 0,79*

Tableau 6.2 – Biais, limites d’acceptation (LOA), erreur quadratique

moyenne (RMSE) et coefficient de corrélation (r) issus de la comparaison
de Bland-Altman entre les durées du lever estimées à l’aide de la centrale
et du système Vicon de référence pour chaque rythme

6.2 Accélération de la centrale inertielle

L’accélération de la centrale est un paramètre souvent étudié car fa-
cilement accessible dans l’analyse du mouvement par centrales inertielles.
Cependant, cette mesure n’est pas validée pour le mouvement spécifique du
lever de chaise.

6.2.1 Comparaison des courbes

Des exemples de la mesure de l’accélération du centre de la centrale sont

proposés pour chaque rythme sur la figure 6.3. Ces courbes sont issues d’un
même sujet.
La courbe se compose de trois pics d’accélération successifs. Le premier
pic correspond à l’accélération progressive lors de l’amorce du mouvement
par flexion du tronc, le second pic à l’accélération verticale et enfin le dernier
à la décélération en fin de verticalisation. Le pic intermédiaire est le plus
important. Cependant, l’amplitude varie grandement en fonction du rythme
demandé. Sur cet exemple, l’amplitude maximale varie du simple au triple.
Une analyse qualitative des courbes permet d’affirmer que la mesure par
centrale inertielle de l’accélération est précise. L’analyse quantitative via
les coefficients de corrélation r et la nRMSE présentés dans le tableau 6.3
permet de le confirmer. En effet, le coefficient de corrélation entre courbes
Vicon et centrale est supérieur à 0,94 quel que soit le rythme, et la nRMSE
est inférieure à 7 %.

95
Chapitre 6. Validation de la mesure des données par centrale inertielle

Rythme lent Rythme normal

Rythme élevé

Figure 6.3 – Résultats représentatifs obtenus pour la mesure de l’accélé-

ration de la centrale inertielle pour un essai à chaque rythme

aC∈c/0
Moyenne (écart-type) r nRMSE (%)
Rythme lent 0,94 (0,06) 6,78 (3,46)
Rythme normal 0,98 (0,03) 4,53 (2,55)
Rythme élevé 0,98 (0,03) 3,47 (1,93)

Tableau 6.3 – Moyenne et écart-type des coefficients de corrélation (r) et

des erreurs quadratiques moyennes normalisées (nRMSE) entre les courbes
de l’accélération mesurée par la centrale et le système Vicon de référence
pour chaque rythme

6.2.2 Comparaison des valeurs moyennes et maximales

Les résultats de l’analyse de Bland-Altman sur la moyenne de l’ac-
célération de la centrale sont présentés sur la figure 6.4 et dans le ta-
bleau 6.4. Ceux-ci montrent une corrélation significative et supérieure à 0,97
quelque soit le rythme demandé. La RMSE est inférieure à 0,07 m/s2 pour
les rythmes lent et normal (pour des valeurs moyennes allant de 0,5 m/s2
à 3 m/s2 environ sur la figure 6.4). La RMSE augmente à 0,17 m/s2 pour
le rythme élevé (valeurs moyennes allant de 2 m/s2 à 4 m/s2 environ). Par
conséquent, le LOA à 95 % augmente également lorsque le rythme demandé

96
 6.2 Accélération de la centrale inertielle

augmente. D’autre part, on observe également que le biais augmente pour

le rythme élevé.

Ainsi, on constate une différence sur la mesure entre la centrale et le

système Vicon lorsque le rythme est élevé. Ce résultat peut provenir du fait
que l’accéléromètre de la centrale tend à surévaluer les pics d’accélération
par rapport au système Vicon. Le même constat peut être fait en observant
l’analyse de Bland-Altman sur le maximum de l’accélération (figure 6.5) qui
révèle une bonne corrélation (r > 0, 91) entre l’accélération maximale mesu-
rée par la centrale et celle mesurée par le Vicon mais un biais proportionnel.
Pour une accélération forte, l’écart de mesure peut s’avérer important sur
l’accélération maximale et impacter également l’écart sur la valeur moyenne
lors du mouvement.

Figure 6.4 – Bland-Altman comparant les moyennes de l’accélération de

la centrale inertielle (āC∈c/0 ) mesurée à l’aide de la centrale inertielle et du
système Vicon de référence

97
Chapitre 6. Validation de la mesure des données par centrale inertielle

āC∈c/0 Biais (m/s2 ) LOA (m/s2 ) RMSE (m/s2 ) r

Rythme lent 0,08 -0,06 ; 0,22 0,07 0,97*
Rythme normal 0,06 -0,07 ; 0,20 0,07 0,98*
Rythme élevé 0,20 -0,17 ; 0,56 0,17 0,98*
Global 0,11 -0,15 ; 0,38 0,12 0,99*

Tableau 6.4 – Biais, limites d’acceptation (LOA), erreur quadratique

moyenne (RMSE) et coefficient de corrélation (r) issus de la comparaison de
Bland-Altman entre les moyennes de l’accélération de la centrale estimée à
l’aide de la centrale et du système Vicon de référence pour chaque rythme

Le biais proportionnel est logiquement plus prononcé sur les valeurs

maximales (figure 6.5). Outre la droite de régression qui s’éloigne progressi-
vement de la droite y = x, le biais passe de 0,31 m/s2 pour les mouvements
lents à 2,0 m/s2 pour les mouvements rapides.

Pour autant, il est difficile de conclure que l’accélération de la centrale

est estimée avec un biais. En effet, les résultats obtenus sont à analyser avec
précautions car le calcul de l’accélération avec les données Vicon se fait à
l’aide d’une double dérivation numérique par quotient de Newton. Or, cette
méthodologie peut avoir pour effet d’écrêter les pics et donc de filtrer la
valeur maximale mesurée par le système par caméras. Ainsi, il est possible
que les accélérations moyennes et maximales mesurées par le système Vicon
soient sous-estimées. Cependant, la mesure de l’accéléromètre peut être per-
turbée par des phénomènes vibratoires parasites, des mouvements de tissus
mous ou de la sangle.

Pour finir, bien que les résultats montrent des écarts entre les systèmes,
la centrale inertielle semble adaptée pour mesurer l’accélération lors de la
transition assis / debout. Par la suite, il pourra être intéressant de distinguer
l’accélération dans le plan horizontal, majoritaire lors de la phase de flexion
et l’accélération verticale, majoritaire lors de la phase de verticalisation.

98
 6.3 Vitesse angulaire du buste

Figure 6.5 – Bland-Altman comparant les maximums de l’accélération de

la centrale inertielle (M (aC∈c/0 )) mesurée à l’aide de la centrale inertielle et
du système Vicon de référence

M(aC∈c/0 ) Biais (m/s2 ) LOA (m/s2 ) RMSE (m/s2 ) r

Rythme lent 0,31 -0,69 ; 1,31 0,51 0,91*
Rythme normal 0,50 -1,20 ; 2,2 0,69 0,95*
Rythme élevé 2,0 -2,6 ; 6,7 1,9 0,95*
Global 0.95 -2,3 ; 4,2 1,3 0,98*

Tableau 6.5 – Biais, limites d’acceptation (LOA), erreur quadratique

moyenne (RMSE) et coefficient de corrélation (r) issus de la comparaison de
Bland-Altman entre les maximums de l’accélération de la centrale estimée
à l’aide de la centrale et du système Vicon de référence pour chaque rythme

6.3 Vitesse angulaire du buste

Le gyromètre de la centrale inertielle mesure la vitesse de rotation du
boitier. Celui-ci étant fixé sur le buste, il a théoriquement la même vitesse
de rotation que le buste, mesurée via les données Vicon directement.

99
Chapitre 6. Validation de la mesure des données par centrale inertielle

6.3.1 Comparaison des courbes

Des exemples de courbes de vitesse angulaire du buste mesurée via la

centrale et le système Vicon sont présentés sur la figure 6.6.
La courbe de vitesse angulaire est composée de deux pics successifs.
Dans un premier temps, on observe un pic dû à la vitesse de flexion lors
de la phase d’amorce de la transition, le sujet est encore en contact avec
l’assise (phases 1 et 2 de la description de Schenkmann et al. [8]). Ensuite, le
second pic correspond à l’extension du tronc lors de la translation verticale
du centre de masse (phases 3 et 4). Le deux pics sont approximativement
d’intensité similaire et varient assez peu suivant le rythme demandé sur
l’exemple proposé.
L’analyse de corrélation et de la nRMSE du tableau 6.6 montre la ca-
pacité du gyromètre à donner l’évolution de la vitesse de flexion du buste
lors du mouvement. En effet, le coefficient de corrélation r est significatif et
est supérieur à 0,88 quel que soit le rythme et l’erreur quadratique moyenne
normalisée nRMSE est inférieure à 10,0 %.

Rythme lent Rythme normal

Rythme élevé

Figure 6.6 – Résultats représentatifs obtenus pour la mesure de la vitesse

de rotation du buste pour un essai à chaque rythme

100
 6.3 Vitesse angulaire du buste

ωb/0
Moyenne (écart-type) r nRMSE (%)
Rythme lent 0,93 (0,09) 9,93 (6,36)
Rythme normal 0,96 (0,07) 8,29 (3,91)
Rythme élevé 0,88 (0,10) 9,64 (3,97)

Tableau 6.6 – Moyenne et écart-type des coefficients de corrélation (r) et

des erreurs quadratiques moyennes normalisées (nRMSE) entre les courbes
de la vitesse de rotation du buste mesurée par la centrale et le système Vicon
de référence pour chaque rythme

6.3.2 Comparaison des valeurs moyennes et maximales

L’analyse de Bland-Altman sur la valeur moyenne est présentée sur la

figure 6.7 et dans le tableau 6.7. On observe l’apparition d’un biais de mesure
sensiblement constant. En effet, le biais est de −0,03 rad/s et −0,05 rad/s
à rythme lent et normal et de 0,02 rad/s pour le rythme élevée. Ce biais
est négligeable devant les valeurs mises en jeu qui s’étendent de 0,4 rad/s à
1,2 rad/s (figure 6.7).
Outre le biais, le LOA augmente fortement pour les mouvements à
rythme élevé. Ce constat s’accompagne également d’une augmentation de la
RMSE pour les rythmes élevés. En effet, cette dernière passe de 0,07 rad/s
pour les rythmes lents (valeurs moyennes allant de 0,4 rad/s à 1,2 rad/s
environ) à 0,11 rad/s pour les rythmes élevés (valeurs moyennes allant de
0,3 rad/s à 1,1 rad/s environ). Ce résultat peut potentiellement s’expliquer
par le fait que la vitesse de rotation du buste avec le système Vicon est ob-
tenue après dérivation de l’orientation. À nouveau, la dérivation numérique
centrée peut avoir pour effet d’écrêter les pics et donc de filtrer la valeur
maximale et, par conséquent, la valeur moyenne.
Pour finir, il semble difficile de distinguer une différence sur la vitesse de
rotation moyenne entre les différents rythmes. Sur la figure 6.7, on observe
un nuage de points relativement homogène entre les différents rythmes. Ce
résultat tendrait à minimiser l’importance de ce paramètre pour différencier
des populations.

101
Chapitre 6. Validation de la mesure des données par centrale inertielle

Figure 6.7 – Bland-Altman comparant les moyennes de la vitesse de rota-

tion du buste (ω̄b/0 ) mesurée à l’aide de la centrale inertielle et du système
Vicon de référence

ω̄b/0 Biais (rad/s) LOA (rad/s) RMSE (rad/s) r

Rythme lent -0,03 -0,17 ; 0,10 0,07 0,93*
Rythme normal -0,05 -0,20 ; 0,09 0,07 0,88*
Rythme élevé 0,02 -0,21 ; 0,24 0,11 0,83*
Global -0,02 -0,21 ; 0,16 0,09 0,86*

Tableau 6.7 – Biais, limites d’acceptation (LOA), erreur quadratique

moyenne (RMSE) et coefficient de corrélation (r) issus de la comparaison de
Bland-Altman entre les moyennes de la vitesse de rotation du buste estimée
à l’aide de la centrale et du système Vicon de référence pour chaque rythme

L’analyse de Bland-Altman sur la valeur maximale est présentée sur la

figure 6.8 et dans le tableau 6.8. Dans ce cas, le biais de mesure, le LOA
et la RMSE augmentent pour les rythmes élevés. On observe également la
présence de plusieurs points avec une forte erreur de mesure.
Les résultats montrent également la difficulté de distinguer les différents
rythmes avec la seule mesure de la vitesse de rotation maximale du buste.

102
 6.4 Angle d’inclinaison du buste

Figure 6.8 – Bland-Altman comparant les maximums de la vitesse de ro-

tation du buste (M (ωb/0 )) mesurée à l’aide de la centrale inertielle et du
système Vicon de référence

M(ωb/0 ) Biais (rad/s) LOA (rad/s) RMSE (rad/s) r

Rythme lent 0,03 -1,27 ; 1,33 0,43 0,60*
Rythme normal 0,00 -1,00 ; 1,00 0,50 0,67*
Rythme élevé 0,62 -1,78 ; 3,02 1,20 0,60*
Global 0.22 -1,58 ; 2,02 0,90 0,52*

Tableau 6.8 – Biais, limites d’acceptation (LOA), erreur quadratique

moyenne (RMSE) et coefficient de corrélation (r) issus de la comparaison
de Bland-Altman entre les maximums de la vitesse de rotation du buste
estimée à l’aide de la centrale et du système Vicon de référence pour chaque
rythme

6.4 Angle d’inclinaison du buste

L’angle d’inclinaison du buste est calculé comme l’angle entre l’axe du
buste lors du mouvement et l’axe du buste avant le mouvement dans le plan
sagittal.

103
Chapitre 6. Validation de la mesure des données par centrale inertielle

6.4.1 Comparaison des courbes

L’angle augmente pour atteindre un pic lors de l’étape d’amorce quand

le sujet est toujours en contact avec l’assise. Ensuite, l’angle diminue lorsque
le sujet se redresse pour atteindre une position verticale. Les exemples de
courbes de la figure 6.9 et les analyses de Bland-Altman des figures 6.10 et
6.11 montrent que l’inclinaison du sujet est d’autant moins importante que
le rythme demandé est élevé. En effet, on peut expliquer cela par le fait que
le sujet à tendance à se lever d’un « bond » lorsque le rythme demandé est
élevé en réduisant la première phase de sorte à gagner du temps. Ce geste
nécessite plus de force dans les membres inférieurs car il n’est pas possible
de récupérer l’énergie de balancement du corps pour la translation verticale
du centre de masse.
L’estimation de la courbe d’inclinaison via la centrale se fait à l’aide des
quaternions d’orientation issue de la fusion des données de l’accéléromètre,
du gyromètre et du magnétomètre. Les courbes obtenues ici sont significati-
vement corrélées à celles obtenues avec le système Vicon (r > 0.96 quelque
soit le rythme) et l’erreur quadratique moyenne normalisée est inférieure à
19 %. Cette erreur reste relativement élevée.

Rythme lent Rythme normal

Rythme élevé

Figure 6.9 – Résultats représentatifs obtenus pour la mesure de l’inclinai-

son du buste pour un essai à chaque rythme

104
 6.4 Angle d’inclinaison du buste

θb
Moyenne (écart-type) r nRMSE (%)
Rythme lent 0,98 (0,04) 12,22 (9,42)
Rythme normal 0,98 (0,02) 13,58 (8,89)
Rythme élevé 0,96 (0,04) 18,50 (9,75)

Tableau 6.9 – Moyenne et écart-type des coefficients de corrélation (r) et

des erreurs quadratiques moyennes normalisées (nRMSE) entre les courbes
de l’inclinaison du buste mesurée par la centrale et le système Vicon de
référence pour chaque rythme

6.4.2 Comparaison des valeurs moyennes et maximales

L’analyse de Bland-Altman pour la valeur moyenne de l’angle d’incli-
naison (figure 6.10 et tableau 6.10) montre que la mesure avec la centrale
comporte un biais constant. En effet, la droite de régression est parallèle
à la droite d’équation y = x. Ce biais est d’environ −3˚ à −4˚. Plusieurs
hypothèses peuvent être avancées pour expliquer ce biais. Premièrement, il
est possible que le mouvement ne soit pas complètement dans le plan sagit-
tal. De plus, la calibration technique permet de faire l’hypothèse que l’axe
kc se situe dans le plan sagittal. Or, il est possible que cette hypothèse ne
soit pas totalement vérifiée en pratique. Pour finir, le buste est supposé être
un solide indéformable s’articulant, lors de ce mouvement, autour du centre
articulaire des lombaires. En pratique, il est possible que le sujet sollicite
en partie un enroulement de sa colonne vertébrale. Toutefois, le biais est
constant pour chaque rythme demandé.
D’autre part, le LOA à 90 % est inférieur à 7˚pour des valeurs moyennes
allant de 0˚ à 30˚. De même, la RMSE est inférieure à 3˚. Ainsi la mesure
de l’inclinaison moyenne est fidèle mais comporte un biais constant.
Cependant, pour l’analyse de la cinématique du mouvement, la valeur
moyenne de l’angle d’inclinaison n’apparait pas pertinente. En effet, les
études cinématiques de la transition assis / debout mettent surtout en avant
la valeur maximale de l’inclinaison qui s’élève chez des sujets qui maitrisent
mal leur équilibre. Par conséquent, la présence de l’analyse de Bland-Altman
sur la valeur moyenne dans cette étude a seulement pour but de confirmer
que la mesure par centrale est comparable à la mesure déduite du système
Vicon pour une analyse ambulatoire de l’angle d’inclinaison lors du mouve-
ment de lever de chaise.

105
Chapitre 6. Validation de la mesure des données par centrale inertielle

Figure 6.10 – Bland-Altman comparant les moyennes de l’inclinaison du

buste (θ̄b ) mesurée à l’aide de la centrale inertielle et du système Vicon de
référence

θ̄b Biais (˚) LOA (˚) RMSE (˚) r

Rythme lent -3,7 -10,7 ; 3,3 3,6 0,86*
Rythme normal -3,5 -8,4 ; 1,4 2,5 0,88*
Rythme élevé -2,9 -8,4 ; 2,6 2,8 0,86*
Global -3,3 -9,2 ; 2,6 3,0 0,93*

Tableau 6.10 – Biais, limites d’acceptation (LOA), erreur quadratique

moyenne (RMSE) et coefficient de corrélation (r) issus de la comparaison de
Bland-Altman entre les moyennes de l’inclinaison du buste estimée à l’aide
de la centrale et du système Vicon de référence pour chaque rythme

L’analyse de Bland-Altman de la valeur maximale de l’angle d’inclinaison

est présentée sur la figure 6.11 et dans le tableau 6.11. On retrouve là aussi
le biais constant de mesure (environ −4˚ à −6˚). La valeur du biais est
proche de celle obtenue pour la valeur moyenne.
Le LOA reste aussi très restreint pour la valeur maximale. En effet, il
reste approximativement constant sous les 17˚quel que soit le rythme pour
des valeurs allant de 20˚à 70˚environ. De même, la RMSE est inférieure à
5,5˚. Ainsi, la mesure de la valeur maximale de l’angle d’inclinaison (souvent
appelée amplitude d’inclinaison dans les études) est fidèlement retranscrite
par la centrale mais avec un biais constant. Ce dernier ne constitue pas un

106
 6.5 Vitesse du centre de masse du buste

défaut méthodologique si l’objectif est de pouvoir distinguer des populations

sur ce critère. À ce sujet, la répartition des points des différents rythmes
sur la figure 6.11 laisse envisager la possibilité que ce paramètre évolue en
fonction de la population considérée.

Figure 6.11 – Bland-Altman comparant les maximums de l’inclinaison du

buste (M (θb )) mesurée à l’aide de la centrale inertielle et du système Vicon
de référence

M(θb ) Biais (˚) LOA (˚) RMSE (˚) r

Rythme lent -5,9 -16,9 ; 5,1 5,4 0,91*
Rythme normal -5,7 -13,4 ; 2,0 4,0 0,91*
Rythme élevé -4,1 -11,1 ; 2,9 3,6 0,91*
Global -5.2 -14,0 ; 3,6 4,5 0,95*

Tableau 6.11 – Biais, limites d’acceptation (LOA), erreur quadratique

moyenne (RMSE) et coefficient de corrélation (r) issus de la comparaison de
Bland-Altman entre le maximums de l’inclinaison du buste estimée à l’aide
de la centrale et du système Vicon de référence pour chaque rythme

6.5 Vitesse du centre de masse du buste

Le modèle de calcul de la vitesse à l’aide de la centrale nécessite l’inté-
gration de l’accélération. La précision est améliorée à l’aide d’une correction

107
Chapitre 6. Validation de la mesure des données par centrale inertielle

linéaire de la dérive. Autrement, l’intégration numérique mène à un signal

intégré inexploitable après quelques secondes seulement [71]. De plus l’inté-
gration se fait entre tb et tf , instants de début et de fin du mouvement afin
de limiter le temps d’intégration et donc l’erreur de dérive.

6.5.1 Comparaison des courbes

Des exemples de courbes de la vitesse du centre de masse sont donnés

sur la figure 6.12. Ceux-ci montrent la capacité de la centrale inertielle à
accéder à l’information de vitesse après intégration pour des mouvements
de très courte durée.

Le tableau 6.12 montre une corrélation supérieure à 0,98. Cependant, on

observe que la nRMSE est doublée à rythme lent par rapport aux autres
rythmes. Ce résultat s’explique par le fait que le temps d’intégration est
plus long et donc les erreurs d’intégration de l’accélération déduit de l’ac-
céléromètre augmentent.

Au niveau de la forme, les courbes sont composées de deux pics successifs.

Le premier pic de vitesse est principalement dû à la vitesse horizontale
lorsque le sujet se penche en avant pour amorcer la transition (phases 1 et
2 du processus). Le second pic correspond cette fois à une vitesse verticale
(phases 3 et 4). On observe tout de même une quasi-disparition du premier
pic pour les mouvements à rythme élevé. En effet, dans ce cas, les sujets
ont une forte tendance à raccourcir le plus possible l’étape de flexion avant
au profit de la verticalisation et ainsi diminuer le temps de lever. Le pic est
plus visible dans ce cas avec la mesure par centrale. Il est possible que le
pic de la mesure déduite de Vicon ait été écrêté lors de la dérivation.

108
 6.5 Vitesse du centre de masse du buste

Rythme lent Rythme normal

Rythme élevé

Figure 6.12 – Résultats représentatifs obtenus pour la mesure de la vitesse

du centre de masse du buste pour un essai à chaque rythme

vGb ∈b/0
Moyenne (écart-type) r nRMSE (%)
Rythme lent 0,98 (0,03) 7,94 (4,15)
Rythme normal 0,99 (0,02) 4,97 (2,25)
Rythme élevé 0,99 (0,01) 3,75 (1,46)

Tableau 6.12 – Moyenne et écart-type des coefficients de corrélation (r) et

des erreurs quadratiques moyennes normalisées (nRMSE) entre les courbes
de la vitesse du CoM du buste mesurée par la centrale et le système Vicon
de référence pour chaque rythme

La correction de la dérive de la vitesse due à l’intégration permet une

amélioration sensible des résultats. En effet, sans cette correction, on observe
une dérive très rapide de la vitesse (courbe verte sur la figure 6.13). La
détection de tb et tf permet ainsi de réduire la durée d’intégration mais
également de corriger la dérive en s’appuyant sur l’hypothèse d’une vitesse
nulle après tf .

109
Chapitre 6. Validation de la mesure des données par centrale inertielle

Figure 6.13 – Résultats typiques obtenus pour la mesure de la vitesse du

centre de masse du buste pour un essai à rythme normal. La courbe bleue
correspond au résultat obtenu avec la méthode décrite dans l’étude alors
que la courbe verte correspond à une intégration de l’accélération sur la
fenêtre d’enregistrement sans correction.

6.5.2 Comparaison des valeurs moyennes et maximales

L’analyse de Bland-Altman sur la valeur moyenne de la vitesse est pré-
sentée sur la figure 6.14 et dans le tableau 6.13. Les résultats montrent un
biais de mesure négligeable pour les rythmes normal et élevé (0,01 m/s) mais
qui augmente à 0,04 m/s pour le rythme lent. Ce résultat tend à montrer
que l’intégration de l’accélération de la centrale pour obtenir la vitesse n’est
possible que pour des mouvements de courte durée.
D’autre part, la limite d’acceptation sur l’ensemble des essais est de
0,09 m/s pour des valeurs allant au plus jusqu’à 0,70 m/s. Ce résultat est
satisfaisant. Cependant, le LOA pour les mouvements à rythme lent aug-
mente à 0,10 m/s. La RMSE reste sous 0,05 m/s quelque soit le rythme.
Les corrélations diminuent à mesure que la durée du lever est importante
(lorsque le rythme diminue). Ces résultats confirment la difficulté d’obtenir
une intégration de l’accélération exploitable sur plus de quelques secondes.
En effet, la corrélation à rythme lent est médiocre (0,74) mais augmente à
0,83 à rythme normal et à 0,95 à rythme élevé.

110
 6.5 Vitesse du centre de masse du buste

Figure 6.14 – Bland-Altman comparant les moyennes de la vitesse du CoM

du buste (v̄Gb ∈b/0 ) mesurée à l’aide de la centrale inertielle et du système
Vicon de référence

v̄Gb ∈b/0 Biais (m/s) LOA (m/s) RMSE (m/s) r

Rythme lent 0,04 -0.07 ; 0,14 0,05 0,74*
Rythme normal 0,01 -0,07 ; 0,10 0,04 0,83*
Rythme élevé -0,01 -0,08 ; 0,06 0,03 0,95*
Global 0,01 -0,08 ; 0,11 0,04 0,90*

Tableau 6.13 – Biais, limites d’acceptation (LOA), erreur quadratique

moyenne (RMSE) et coefficient de corrélation (r) issus de la comparaison de
Bland-Altman entre les moyennes de la vitesse du CoM du buste estimée à
l’aide de la centrale et du système Vicon de référence pour chaque rythme

Les résultats de l’analyse Bland-Altman sur la valeur maximale sont

présentés sur la figure 6.15 et le tableau 6.14. Là encore, le biais de mesure
est négligeable devant les valeurs mises en jeu (inférieur à 0,07 m/s).
Le LOA varie peu en fonction du rythme et reste inférieur à 0,15 m/s
pour des valeurs allants jusqu’à 2,5 m/s. La corrélation est significative et
haute (supérieure à 0,94) quel que soit le rythme considéré.

111
Chapitre 6. Validation de la mesure des données par centrale inertielle

Figure 6.15 – Bland-Altman comparant les maximums de la vitesse du

CoM du buste (M (vGb ∈b/0 )) mesurée à l’aide de la centrale inertielle et du
système Vicon de référence

M(vGb ∈b/0 ) Biais (m/s) LOA (m/s) RMSE (m/s) r

Rythme lent 0,07 -0,06 ; 0,20 0,07 0,94*
Rythme normal 0,03 -0,09 ; 0,15 0,06 0,95*
Rythme élevé -0,05 -0,15 ; 0,06 0,05 0,99*
Global 0,02 -0,13 ; 0,17 0,07 0,98*

Tableau 6.14 – Biais, limites d’acceptation (LOA), erreur quadratique

moyenne (RMSE) et coefficient de corrélation (r) issus de la comparaison de
Bland-Altman entre les maximums de la vitesse du CoM du buste estimée
à l’aide de la centrale et du système Vicon de référence pour chaque rythme

La vitesse de translation est une donnée connue pour être difficilement

accessible à l’aide d’une centrale inertielle seule. Cependant, les résultats de
cette étude montrent que pour des mouvements de courte durée, la précision
est appropriée pour une exploitation de la méthode dans le cadre de mesures
ambulatoires. De plus, la distribution des points des différents rythmes sur
les figures 6.14 et 6.15 laisse envisager la possibilité d’utiliser ce paramètre
pour différencier des populations.

112
 6.6 Énergie cinétique du buste

6.6 Énergie cinétique du buste

L’énergie cinétique du buste est estimée à travers seulement sa compo-
sante translationnelle via la centrale inertielle. Avec les données Vicon, les
composantes translationnelle et rotationnelle sont mesurées.

6.6.1 Comparaisons des courbes

Des exemples de courbes d’énergie sont donnés pour chaque rythme sur
la figure 6.16. Ces courbes sont fortement similaires aux courbes de la vi-
tesse du centre de masse. On retrouve le premier pic lié à l’énergie cinétique
dans le plan horizontal lors de la flexion du buste puis un second lié à la
verticalisation. L’énergie cinétique emmagasinée lors de l’étape de flexion
est partiellement réutilisée et transformée en énergie potentielle de pesan-
teur lors de l’étape de verticalisation. De manière analogue aux courbes de
vitesse, le premier pic à rythme élevé tend à disparaitre pour les mesures
Vicon. L’hypothèse de l’écrêtage lors de la dérivation numérique peut, là
aussi, être avancé.

Rythme lent Rythme normal

Rythme élevé

Figure 6.16 – Résultats représentatifs obtenus pour la mesure de l’énergie

cinétique du buste pour un essai à chaque rythme

Les résultats pour la comparaison des courbes de l’énergie cinétique sont

présentés dans le tableau 6.15. Les coefficients de corrélation r et les er-
reurs quadratiques moyennes normalisées nRMSE indiquent que les courbes

113
Chapitre 6. Validation de la mesure des données par centrale inertielle

d’énergie du torse peuvent être estimées avec une centrale inertielle. Les
corrélations sont supérieures à 0,97 et les nRMSE inférieures à 9 % quel que
soit le rythme demandé.
D’autre part, la composante rotationnelle de l’énergie cinétique lors du
lever de chaise peut être raisonnablement négligée. En effet, pour l’ensemble
des sujets à rythme lent, l’énergie cinétique de translation du buste repré-
sente 92, 1 ± 2, 1 % de l’énergie cinétique totale du buste. Ce ratio monte à
94, 4 ± 1, 6 % à rythme normal et à 96, 7 ± 1, 7 % à rythme élevé.

Ec
Moyenne (écart-type) r nRMSE (%)
Rythme lent 0,97 (0,04) 8,45 (5,36)
Rythme normal 0,98 (0,03) 4,94 (2,71)
Rythme élevé 0,99 (0,01) 3,78 (1,79)

Tableau 6.15 – Moyenne et écart-type des coefficients de corrélation (r) et

des erreurs quadratiques moyennes normalisées (nRMSE) entre les courbes
de l’énergie cinétique du buste mesurée par la centrale et le système Vicon
de référence pour chaque rythme

6.6.2 Comparaison des valeurs moyennes et maximales

Les résultats de l’estimation de l’erreur sur la valeur moyenne à l’aide

d’une étude Bland-Altman sont présentés sur la figure 6.17 et dans le ta-
bleau 6.16. De même, les résultats comparant la valeur maximale sont don-
nés sur la figure 6.18 et dans le tableau 6.17.
En ce qui concerne la moyenne de l’énergie cinétique entre tb et tf , les
corrélations sont significatives avec des valeurs entre 0,96 et 0,99 et des
RMSE entre 0,30 J et 0,37 J (pour des valeurs moyennes allant de 0,5 J à
10 J environ). L’analyse de Bland-Altman donne une estimation dans 95 %
des mesures entre 0,62 J et 0,75 J (dépendant du rythme), à comparer avec
une énergie cinétique moyenne allant de 1 J à 4 J selon les rythmes. Ces
résultats suggèrent que la méthode proposée pourrait être appropriée pour
évaluer l’énergie cinétique moyenne durant le lever de chaise.

114
 6.6 Énergie cinétique du buste

Figure 6.17 – Bland-Altman comparant les moyennes de l’énergie cinétique

du buste (Ēc ) mesurée à l’aide de la centrale inertielle et du système Vicon
de référence

Ēc Biais (J) LOA (J) RMSE (J) r

Rythme lent 0,25 -0,43 ; 0,94 0,30 0,96*
Rythme normal 0,09 -0,53 ; 0,70 0,30 0,98*
Rythme élevé -0,21 -0,85 ; 0,43 0,33 0,99*
Global 0,04 -0,70 ; 0,79 0,37 0,98*

Tableau 6.16 – Biais, limites d’acceptation (LOA), erreur quadratique

moyenne (RMSE) et coefficient de corrélation (r) issus de la comparaison de
Bland-Altman entre les moyennes de l’énergie cinétique du buste estimée à
l’aide de la centrale et du système Vicon de référence pour chaque rythme

On observe le même type de résultats pour la valeur maximale de l’éner-

gie cinétique. Cependant, le LOA augmente pour les levers à rythme élevé
(3,1 J contre environ 2 J pour les autres rythmes). Ces LOA restent deux à
trois fois inférieurs aux valeurs mises en jeu. De même, le biais de mesure
est faible (inférieur à 1,5 J quel que soit le rythme). Malgré cela, la droite
de régression tend à s’écarter de la droite y = x du fait d’une moins bonne
estimation pour les données à rythme élevé. La corrélation avec les résultats
Vicon est significative quel que soit le rythme considéré.

115
Chapitre 6. Validation de la mesure des données par centrale inertielle

Figure 6.18 – Bland-Altman comparant les maximums de l’énergie ciné-

tique du buste (M(Ec )) mesurée à l’aide de la centrale inertielle et du sys-
tème Vicon de référence

M(Ec ) Biais (J) LOA (J) RMSE (J) r

Rythme lent 0,83 -1,1 ; 2,8 0,84 0,98*
Rythme normal 0,45 -1,6 ; 2,5 1,0 0,98*
Rythme élevé -1,4 -4,5 ; 1,7 1.6 0,99*
Global -0,04 -3,1 ; 3,0 1,5 0,99*

Tableau 6.17 – Biais, limites d’acceptation (LOA), erreur quadratique

moyenne (RMSE) et coefficient de corrélation (r) issus de la comparaison de
Bland-Altman entre les maximums de l’énergie cinétique du buste estimée
à l’aide de la centrale et du système Vicon de référence pour chaque rythme

Dans cette section, il a été montré que l’énergie cinétique de translation

du buste représente plus de 90 % de l’énergie cinétique totale du buste lors du
lever de chaise. Ainsi, bien qu’elle ait été prise en compte dans le calcul avec
les données Vicon, l’énergie de rotation du buste peut être négligée durant
le lever de chaise. En ce qui concerne l’objectif visant à étudier la possibilité
de substituer le système optoélectronique par une centrale inertielle pour
estimer l’énergie cinétique de translation du buste durant le lever de chaise,
les résultats sont aussi encourageants.
La méthode proposée est améliorée par rapport à celle mise en place par
Cameron et al. [111] car elle tiens compte de la vitesse antero-postérieure

116
 6.6 Énergie cinétique du buste

pour le calcul de l’énergie. En effet, les résultats de capture du mouvement

Vicon ont montré que la vitesse antero-postérieure représente 47 % à 69 % de
la vitesse de translation totale, ce qui impact directement l’énergie cinétique.
De plus, la méthode proposée permet d’obtenir l’évolution au cours du lever
ou encore la valeur maximale et pas seulement la valeur moyenne comme le
propose Cameron et al. [111].

117
Chapitre 6. Validation de la mesure des données par centrale inertielle

118
Bilan

Dans cette partie, l’objectif était de proposer et de valider une méthodo-

logie capable de quantifier la transition assis / debout à l’aide d’une centrale
inertielle sur un panel de sujets sains. La durée du mouvement, l’accéléra-
tion, la vitesse angulaire, la vitesse linéaire et l’énergie cinétique, paramètres
clefs pour investiguer les capacités motrices ont été étudiés entre le début
et la fin du mouvement. Ces instants caractéristiques ont été déterminés
à l’aide d’un algorithme original s’appuyant sur les données d’orientation
et d’accélération de la centrale. Les sujets ont réalisé des mouvements à
différents rythmes.
Les résultats confirment tout d’abord qu’il n’est pas envisageable d’ob-
tenir des informations sur le mouvement aussi précises qu’avec un système
de capture par caméras. Par exemple, la durée du mouvement est mesurée
avec une limite d’acceptation de 0,89 s. De ce fait, il parait peu envisageable
de quantifier le lever de chaise à l’aide d’un seul paramètre comme la durée
de la transition. De plus, la mesure de la position via la centrale par double
intégration de l’accélération reste peu envisageable car mène rapidement à
des erreurs de plusieurs dizaines de centimètres pour des déplacements de
un ou deux mètres [112].
Cependant, l’ensemble des paramètres proposés peuvent être calculés
avec une bonne fidélité malgré un biais parfois constant ou proportionnel.
La bonne corrélation des paramètres mesurés avec la centrale et les vraies
valeurs permet de conclure à la pertinence de l’utilisation d’une centrale
pour rendre compte des capacités physiques. De plus, la répartition des
points pour les différents rythmes laisse supposer l’intérêt de ces paramètres
pour différencier des populations, excepté pour la vitesse de rotation du
buste.
À présent que les données du mouvement issues de la centrale inertielle

119
lors du lever de chaise ont été validées par comparaison avec une techno-
logie de capture du mouvement de référence, il convient d’analyser leurs
évolutions avec l’âge et la diminution des capacités physiques. Pour cela,
dans la prochaine partie, plusieurs populations seront étudiées du point de
vue de leur capacités motrices lors du lever de chaise par quantification des
paramètres cinématiques et énergétiques extraits de la centrale.

120
 Quatrième partie

Score optimisé pour quantifier

les performances fonctionnelles
lors de la transition assis /
debout : application à la
comparaison de populations
jeune, âgée et fragile

121
Chapitre 7
Comparaison des paramètres
cinématiques et énergétiques mesurés
lors du lever de chaise pour des
populations jeunes, âgés et fragiles

Sommaire
7.1 Contexte . . . . . . . . . . . . . . . . . . . . . . . . 124
7.2 Matériels et méthodes . . . . . . . . . . . . . . . 125
7.2.1 Participants à l’étude . . . . . . . . . . . . . . . 125
7.2.2 Protocole expérimental . . . . . . . . . . . . . . . 126
7.2.3 Traitement des données : paramètres considérés
et analyses statistiques . . . . . . . . . . . . . . . 127
7.3 Résultats et discussion . . . . . . . . . . . . . . . 130
7.3.1 Durée de la transition assis / debout . . . . . . . 132
7.3.2 Angle d’inclinaison du buste . . . . . . . . . . . . 134
7.3.3 Accélérations . . . . . . . . . . . . . . . . . . . . 134
7.3.4 Vitesse de rotation du buste . . . . . . . . . . . . 135
7.3.5 Vitesse de translation du centre de masse du buste136
7.3.6 Énergie cinétique . . . . . . . . . . . . . . . . . . 136
7.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . 137

123
Chapitre 7. Comparaison des paramètres cinématiques et énergétiques
mesurés lors du lever de chaise pour des populations jeunes, âgés et fragiles

7.1 Contexte

La transition assis / debout est l’une des tâches courantes les plus fré-
quament réalisées [113]. Le passage d’une posture assise à une posture droite
requiert une coordination optimale, un bon équilibre et suffisamment de
force et de puissance musculaire [26]. Ces capacités physiques diminuent
avec l’âge [114]. En effet, la mobilité se réduit à cause d’affections, de trau-
matismes ou de déconditionnements progressifs (sarcopénie, ostéoporose no-
tamment). La transition assis / debout est souvent utilisée pour suivre les
séniors et évaluer leurs performances physiques [115]. En pratique, l’évalua-
tion clinique du lever de chaise se base sur la description qualitative des
modifications de la stratégie motrice [116]. La durée de la tâche est égale-
ment utilisée comme descripteur de la performance [22][26].
Le développement récent des capteurs magnéto-inertiels a permis de
nouvelles opportunités pour la mesure clinique des performances de lever
de chaise [117][118][26][119]. Par exemple, des quantifications du lever de
chaise issues de données de centrales inertielles ont déjà été investiguées
pour diagnostiquer la fragilité [120] ou les risques de chutes [117][119]. Ce-
pendant, ces études se focalisent sur des populations dont les pathologies
sont déjà diagnostiquées. D’autre part, dans le cadre de populations vieillis-
santes, les effets de la perte de tonus musculaire ou encore de la sédentarité
doivent être monitorés pour identifier les premiers signes afin de prévenir la
pathologie. Ces spécifications nécessitent un outil et un protocole simple et
précis.
L’utilisation de centrales inertielles durant le lever de chaise a été démon-
trée comme étant pertinente [26]. Les résultats montrent une augmentation
de la durée de la transition et une diminution de la vitesse de flexion du
buste et du coefficient de variation [121]. Cependant, peu de paramètres
rendent compte de la morphologie du sujet dans la performance [122][123].
Le but de ce chapitre est d’analyser la cinématique et l’énergétique à travers
un maximum de paramètres extraits d’une centrale inertielle positionnée sur
le buste et ainsi déterminer les paramètres influencés par l’âge et la fragilité.

124
 7.2 Matériels et méthodes

7.2 Matériels et méthodes

7.2.1 Participants à l’étude

Soixante-quatorze volontaires ont participé à cette étude. Ils ont été divi-
sés en trois groupes : jeunes sains (JS), âgés sains (AS) et âgés fragiles (AF).
Pour être éligible, les sujets jeunes sains devaient avoir moins de trente ans et
déclarer ne pas avoir de pathologies qui pourraient affecter les performances
fonctionnelles. Les sujets âgés sains devaient avoir plus de soixante-cinq ans
et être déclarés asymptomatiques après examen par un médecin. Cette étude
inclue également onze sujets âgés fragiles de l’hôpital gériatrique de Charles
Foix localisé à Ivry-sur-Seine. La fragilité est un syndrome physiologique
caractérisé par une réduction des réserves et de la résistance aux facteurs
stressants, qui résulte d’un déclin cumulatif de multiples systèmes physio-
logiques et qui cause une vulnérabilité aux effets nocifs [19]. À ce titre, la
fragilité permet de définir une population à haut risque de chute, de déclin
fonctionnel, d’entrée en institution spécialisée et de décès [19]. Les sujets
fragiles devaient être âgés de plus de soixante-cinq ans et avoir un degré de
fragilité supérieur à cinq d’après l’index Rockwood [12]. L’échelle de fragi-
lité de Rockwood est donnée dans le tableau 7.2. L’âge, la taille, le poids et
l’indice de masse corporelle (IMC) moyens pour les différents groupes sont
présentés dans le tableau 7.1.

Moy. Âge Taille Masse IMC

(écart-type) n(F) (années) (cm) (kg) (kg/m2 )
Jeunes sains 24 (4) 25 (3) 178 (9,5) 72,1 (11,7) 22,8 (3,1)
Âgés sains 39 (5) 70 (4) 174 (8,3) 79,4 (14,2) 26,1 (4,1)
Âgés fragiles 11 (6) 87 (6) 161 (6,0) 61,0 (11,2) 23,6 (4,9)
Tableau 7.1 – Caractéristiques des sujets participants à l’étude

125
Chapitre 7. Comparaison des paramètres cinématiques et énergétiques
mesurés lors du lever de chaise pour des populations jeunes, âgés et fragiles
Niveau État de santé
1 En forme : actif, énergique, motivé. Ces personnes ont une acti-
vité régulière et sont en meilleur forme que les autres individus
de leur âge
2 En santé : sans maladie active mais en moins bonne forme que
la catégorie 1
3 Traité pour une maladie chronique. Les symptômes sont bien
contrôlés
4 En apparence vulnérable : indépendant mais ces personnes ont
les symptômes d’une maladie active
5 Légèrement fragile : avec une dépendance limitée pour les ac-
tivités instrumentales
6 Modérément fragile : ces personnes ont besoin d’aide à la fois
pour les activités instrumentales et pour les gestes de la vie
quotidienne
7 Sévèrement fragile : complètement dépendant pour les activités
de vie quotidienne ou en fin de vie

Tableau 7.2 – Échelle de fragilité clinique de Rockwood [12]

Tous les volontaires ont donné leur consentement avisé et éclairé pour
les expérimentations. Le protocole a été approuvé par le comité éthique de
protection des personnes de Nord-Ouest II (numéro 2016-A00534-47) et par
le comité éthique d’ı̂le de France VI en 2016.

7.2.2 Protocole expérimental

Les participants sont équipés d’une centrale inertielle (APDM, Opal,
Portland, États-Unis) fixée sur le buste approximativement à deux-tiers de
la hauteur du sternum à l’aide d’une sangle élastique fournie par le fabri-
quant de la centrale (figure 5.2). L’opérateur réalise une calibration tech-
nique de sorte à faire correspondre un axe de la centrale avec la direction
médio-latérale. La hauteur de la chaise utilisée pour cette étude est standard
(45 cm). Les signaux des données brutes sont échantillonnés à 128 Hz.
Après une phase de pause assis, il est demandé aux sujets de se lever
à leur rythme habituel sans assistance et sans utiliser leurs mains. Chaque
participant réalise trois à cinq transitions assis / debout enregistrées séparé-
ment. Une pause est respectée entre chaque essai. Après la session, la taille
et la masse du sujet sont mesurées à l’aide d’une toise et d’un pèse-personne.

126
 7.2 Matériels et méthodes

7.2.3 Traitement des données : paramètres considérés

et analyses statistiques
Pour l’analyse des données, les repères de travail sont identiques à ceux
proposés dans la partie précédente (figure 7.1). Pour rappel, trois repères
différents ont été définis :
– R0 est le repère global d’origine O située au niveau du sol et de base
Nord-Ouest-Haut notée B0 = (i0 , j0 , k0 ) ;
– Rc est le repère associé à la centrale, d’origine C située au centre du
boitier et de base Bc = (ic , jc , kc ) ;
– Rb est le repère associé au buste du sujet, d’origine le centre articulaire
des cervicales CJC et de base Bb = (ib , jb , kb ) (définie par Dumas et
al. [11]).

𝐤𝐛

𝐢𝐜
ℛb
CJC
𝐢𝐛 ℛc
𝐣𝐛
𝐶
𝐣𝐜
𝐤𝐜

𝐤𝟎

𝐠
ℛ0
𝑂 𝐣𝟎
𝐢𝟎

Figure 7.1 – Rappel du repérage utilisé pour l’analyse du mouvement de

la transition assis / debout

Dans la partie précédente, il a été démontré la possibilité de mesurer

différents paramètres cinématiques et énergétiques lors de la transition assis
/ debout en exploitant les données de la centrale et l’orientation calculée
par fusion de données. Ainsi, à l’aide de la centrale, il est possible d’obtenir,

127
Chapitre 7. Comparaison des paramètres cinématiques et énergétiques
mesurés lors du lever de chaise pour des populations jeunes, âgés et fragiles
à chaque instant t, les informations suivantes :
– tb et tf : instants de début et de fin de la transition assis / debout,
respectivement ;
– θb : angle d’inclinaison du buste ;
(0)
– aC∈c/0 : vecteur de l’accélération du centre de la centrale appartenant
à la centrale par rapport à R0 , exprimé dans B0 ;
– aC∈c/0 : norme de l’accélération du centre de la centrale appartenant
à la centrale par rapport à R0 ;
(0)
– ω b/0 : vecteur de la vitesse angulaire du buste par rapport à R0 , ex-
primé dans B0 ;
– ωb/0 : norme de la vitesse angulaire du buste par rapport à R0 ;
– vGb ∈b/0 : norme de la vitesse de translation du centre de masse du
buste par rapport à R0 ;
– Ec : énergie cinétique du buste assimilée à sa partie translationnelle.
À partir de ces données, il est possible d’extraire des paramètres repré-
sentatifs de la cinématique et de l’énergétique de la personne. Ainsi, pour
chaque sujet, quinze paramètres ont été calculés. Ces paramètres sont :
– T : durée de la transition assis / debout définie par :

T = tf − tb (7.1)

– Incl : Inclinaison maximale du buste θb définie par :

Incl = max (θb ) (7.2)

tb ≤t≤tf

– mAcc et maxAcc : valeurs moyenne et maximale de aC∈c/0 définies

par :


mAcc = moy aC∈c/0 (7.3)
tb ≤t≤tf


maxAcc = max aC∈c/0 (7.4)
tb ≤t≤tf

– mAz et maxAz : valeurs moyenne et maximale de l’accélération ver-

ticale définies par :
 
(0)
mAz = moy |aC∈c/0 .k0 | (7.5)
tb ≤t≤tf

 
(0)
maxAz = max |aC∈c/0 .k0 | (7.6)
tb ≤t≤tf

128
 7.2 Matériels et méthodes

– mAxy et maxAxy : valeurs moyenne et maximale de la norme de

l’accélération dans le plan horizontal (ou transversal) définies par :
r !
  2 2
(0) (0)
mAxy = moy aC∈c/0 .i0 + aC∈c/0 .j0 (7.7)
tb ≤t≤tf

r !
2  2
(0) (0)
maxAxy = max aC∈c/0 .i0 + aC∈c/0 .j0 (7.8)
tb ≤t≤tf

– AU Cml [124] : aire sous la courbe calculée à l’aide de la méthode des

trapèzes de l’accélération medio-latérale définie par :
Z tf  
T (0)
AU Cml = R0/c .aC∈c/0 .ib .dt (7.9)
tb

– mOmega et maxOmega : valeurs moyenne et maximale de la norme

de la vitesse angulaire définies par :


mOmega = moy ωb/0 (7.10)
tb ≤t≤tf


maxOmega = max ωb/0 (7.11)
tb ≤t≤tf

– mV G et maxV G : valeurs moyenne et maximale de la vitesse de trans-

lation du centre de masse du buste définies par :


mV G = moy vGb ∈b/0 (7.12)
tb ≤t≤tf


maxV G = max vGb ∈b/0 (7.13)
tb ≤t≤tf

– mEc et maxEc : valeurs moyenne et maximale de l’énergie cinétique

du buste définies par :
mEc = moy (Ec ) (7.14)
tb ≤t≤tf

maxEc = max (Ec ) (7.15)

tb ≤t≤tf

Pour un sujet, la valeur d’un paramètre est obtenue en réalisant la

moyenne sur les différents essais de lever de chaise réalisés.
Pour analyser l’effet de l’âge sur chaque paramètre, un test non para-
métrique de Mann-Whitney a été réalisé entre les groupes de jeunes et âgés
sains [125]. De même, l’influence de la fragilité a été analysée à l’aide d’un
test de Mann-Whitney réalisé entre les groupes d’âgés sains et fragiles. Le
niveau de significativité est fixé à 0,01 pour les deux comparaisons.

129
Chapitre 7. Comparaison des paramètres cinématiques et énergétiques
mesurés lors du lever de chaise pour des populations jeunes, âgés et fragiles
7.3 Résultats et discussion
Les résultats pour chaque paramètre sont représentés dans les diagrammes
boites de la figure 7.2. Sur chaque diagramme, une « * » représente une dif-
férence significative entre deux populations alors que « NS » signifie que
l’évolution est non significative.
Les moyennes et les écart-types (entre parenthèses) des résultats pour
les 15 paramètres pour chaque groupe sont détaillés dans le tableau 7.3. Les
valeurs p des tests de Mann-Whitney sont également données.

130
 7.3 Résultats et discussion

131
Chapitre 7. Comparaison des paramètres cinématiques et énergétiques
mesurés lors du lever de chaise pour des populations jeunes, âgés et fragiles

Figure 7.2 – Résultats des comparaisons de paramètres entre les groupes

jeunes, âgés et fragiles

Les résultats de la figure 7.2 et du tableau 7.3 montrent que maxV G,

maxOmega, maxAcc, maxAz et maxAxy diminuent significativement entre
les groupes de jeunes et d’âgés sains.
De manière analogue, mV G, maxV G, mOmega, T , Incl, mAcc, mAz,
mAxy, AU Cml, mEc et maxEc sont significativement différents entre les
groupes âgés sains et fragiles. T , Incl et AU Cml augmentent pour les sujets
fragiles alors que les autres diminuent.

7.3.1 Durée de la transition assis / debout

D’après les résultats obtenus dans l’étude, le temps mis par les sujets
fragiles pour réaliser le lever de chaise et significativement plus important
que pour les sujets âgés sains. D’autre part, il n’y a pas de différence signi-
ficative entre les sujets jeunes et âgés sains. Il apparait également une plus
grande disparité des valeurs chez les sujets fragiles (figure 7.2).
Couramment, la durée de la transition (T ) est le seul paramètre analysé
lors du lever de chaise. Les valeurs moyennes pour les sujets sains sont entre
1,57 s et 2,42 s [126] [127] [128] [129] [121]. Plusieurs études ont montré
que T augmente avec la fragilité [122] [130] [121]. Cependant, il n’y a pas
consensus sur l’influence de l’âge. Les études montrent que l’âge du sujet
pourrait influencer [121] ou pas [29] ce paramètre durant la transition assis
/ debout. Le calcul de la durée de la transition dépend grandement de la
méthodologie de détection des instants de début et de fin du mouvement.
Il est cependant raisonnable de penser que l’âge n’a pas d’influence sur la
durée du lever. En effet, bien que les techniques basées sur la capture par
caméras soient connues pour être dépendantes de l’opérateur, l’étude de
Hurley [29], réalisée avec cette technologie dont la précision est supérieure
à la capture magnéto-inertielle utilisée par Van Lummel et al. [121], avance
des résultats similaires à ceux présentés ici.

132
 7.3 Résultats et discussion

Paramètres Jeunes sains Âgés sains Âgés fragiles valeur p valeur p

(JS) (AS) (AF) (JS,AS) (AS,AF)
T 1,98 (0,41) 1,92 (0,38) 4,22 (2,02) 0,392 < 0, 01
(s)
Incl 32,40 (9,10) 32,80 (9,87) 46,70 (18,50) 0,815 < 0, 01
(deg)
mAcc 1,93 (0,43) 1,69 (0,41) 0,91 (0,39) 0,048 < 0, 01
2
(m/s )
maxAcc 6,69 (2,40) 4,73 (1,69) 3,48 (1,90) < 0, 01 0,058
2
(m/s )
mAz 1,36 (0,34) 1,16 (0,33) 0,54 (0,27) 0,036 < 0, 01
(m/s2 )
maxAz 5,12 (1,44) 3,85 (1,10) 2,69 (1,43) < 0, 01 0,011
(m/s2 )
mAxy 1,11 (0,24) 1,03 (0,23) 0,63 (0,23) 0,221 < 0, 01
2
(m/s )
maxAxy 4,84 (2,47) 3,29 (1,51) 2,76 (1,49) < 0, 01 0,337
2
(m/s )
AUCml 1,20 (0,54) 1,30 (0,70) 4,14 (2,63) 0,882 < 0, 01
2
(m/s )
mOmega 0,670 (0,162) 0,637 (0,165) 0,433 (0,152) 0,666 < 0, 01
(rad/s)
maxOmega 1,70 (0,57) 1,36 (0,49) 1,41 (0,43) < 0, 01 0,590
(rad/s)
mVG 0,405 (0,065) 0,390 (0,065) 0,242 (0,049) 0,457 < 0, 01
(m/s)
maxVG 0,905 (0,147) 0,784 (0,137) 0,562 (0,167) < 0, 01 < 0, 01
(m/s)
mEc 3,08 (1,22) 2,97 (1,24) 0,90 (0,51) 0,656 < 0, 01
(J)
maxEc 10,00 (3,77) 8,42 (3,71) 3,35 (2,13) 0,086 < 0, 01
(J)
Tableau 7.3 – Pour chaque groupe, moyennes et écart-types des paramètres
évalués lors de la transition assis / debout. Les valeurs p des tests de Mann-
Whitney sont également données entre sujets jeunes et âgés sains et entre
sujets âgés sains et fragiles.

133
Chapitre 7. Comparaison des paramètres cinématiques et énergétiques
mesurés lors du lever de chaise pour des populations jeunes, âgés et fragiles
7.3.2 Angle d’inclinaison du buste
Les résultats montrent que l’angle d’inclinaison (Incl) n’évolue pas si-
gnificativement avec l’âge mais augmente significativement avec la fragilité.
Cependant, la gamme de valeurs est large chez les sujets fragiles (écart-type
de 20, 70˚).
L’étude par caméras optoélectroniques de Hurley montre également que
l’âge n’influence pas l’angle d’inclinaison [29]. Cependant, elle met en avant
la forte influence de la hauteur d’assise. De ce fait, il ressort l’importance
de choisir une hauteur de chaise fixe pour l’ensemble des sujets participants
(dans le cas de cette étude, la hauteur est de 45 cm).
Pour les sujets fragiles, la stratégie de lever implique d’amener le centre
de gravité au dessus du futur polygone de sustentation avant le décolle-
ment des fesses. Cela entraine ainsi une flexion importante du tronc [10]. Ce
raisonnement est en accord avec les résultats obtenus. Cependant, les patho-
logies gériatriques pouvant s’ajouter à la fragilité peuvent avoir un impact
sur l’angle de flexion. Par exemple, un sujet parkinsonien aurait un angle
de flexion probablement plus faible car un des symptômes de la maladie
est un raidissement des membres qui diminue les amplitudes de mouvement
réalisables.

7.3.3 Accélérations
L’accélération a été analysée dans cette étude suivant quatre compo-
santes : l’accélération globale, l’accélération verticale, l’accélération dans le
plan horizontal et l’aire sous l’accélération médio-latérale. Bien que ces der-
nières soient fortement liées entre elles, elles offrent la possibilité de distin-
guer les performances en terme d’accélération suivant les différentes phases
du mouvement. En effet, l’accélération globale tient compte de tout le mou-
vement mais l’accélération dans le plan horizontal rendra compte principa-
lement de la phase de flexion (étapes 1 et 2 du processus de Schenkmann et
al. [8]) alors que l’accélération verticale rendra compte essentiellement de la
phase de verticalisation (étapes 3 et 4). L’aire sous la courbe de l’accélération
médio-latérale donne une information sur la quantité de mouvement hors
plan dans la direction médio-latérale et donc quantifie la stabilité spatiale
lors du mouvement.
Les résultats montrent que la moyenne de la norme de l’accélération di-
minue significativement chez les sujets fragiles par rapport aux sujets âgés
sains. Cependant, cette moyenne diminue mais de manière non-significative
pour les sujets âgés sains par rapport aux sujets jeunes sains. (valeur-p =

134
 7.3 Résultats et discussion

0, 048). À contrario, la valeur maximale de la norme de l’accélération dimi-

nue significativement pour les sujets âgés sains par rapport aux sujets jeunes
mais de manière non significative pour les sujets fragiles (valeur-p = 0, 058).
Les variabilités sont similaires suivant les trois groupes. Ces résultats sont en
accord avec Galán-Mercant et al. qui ont montré que l’accélération moyenne
diminue significativement entre âgés sains et fragiles et que que l’accéléra-
tion maximale ne varie pas significativement [131]. En outre, les résultats
de l’étude de Regterschot et al. laissent penser que l’accélération maximale
puisse augmenter significativement pour des sujets âgés ayant suivi un pro-
gramme d’exercices physiques [132]. D’autre part, les résultats sur l’accélé-
ration maximale qui diminue chez les sujets âgés montrent que la durée du
lever seule ne constitue pas un descripteur complet de la transition assis /
debout car aucune variation significative n’avait été observée entre jeunes
et âgés sains.
En ce qui concerne l’accélération verticale et l’accélération dans le plan
horizontal, les résultats sont similaires. En effet, la valeur moyenne diminue
significativement seulement entre âgés sains et âgés fragiles alors que la
valeur maximale diminue significativement entre jeunes sains et âgés sains.
Les variabilités des valeurs sont similaires suivant les groupes. Les résultats
sur l’accélération verticale semblent en accord avec ceux de Millor et al.
[130]. Cependant, cette étude a été réalisée sur le test de levers de chaise
répétés de 30 secondes.
L’aire sous la courbe de l’accélération médio-latérale est un paramètre
lié à la fois à l’accélération et la durée de la transition posturale. Ce para-
mètre a pour but de quantifier le balancement médio-latéral qui est supposé
être plus important chez des personnes dont la stabilité diminue. Les ré-
sultats montrent une augmentation significative entre âgés sains et âgés
fragiles mais non significative entre jeunes sains et âgés sains. La figure 7.2
montre tout de même une plus grande variabilité chez les sujets fragiles.
Peu d’études se sont focalisées sur le balancement latéral [26]. Cependant,
les résultats de Janssen et al. montrent une diminution de AU Cml chez des
sujets en rééducation après un accident vasculaire cérébral (AVC) [124].

7.3.4 Vitesse de rotation du buste

La vitesse de rotation du buste est un paramètre qui permet de tenir
compte notamment de la vitesse avec laquelle le sujet se penche en avant
pour amorcer sa transition. Par hypothèse, il est supposé que celle-ci diminue
lorsque les capacités physiques sont moindres.

135
Chapitre 7. Comparaison des paramètres cinématiques et énergétiques
mesurés lors du lever de chaise pour des populations jeunes, âgés et fragiles
Les résultats montrent que la valeur moyenne diminue significativement
entre âgés sains et âgés fragiles alors que la valeur maximale diminue signi-
ficativement entre jeunes sains et âgés fragiles. Les résultats sur la vitesse
angulaire maximale sont tout de même à tempérer car le test ne montre
pas d’évolution significative entre les groupes jeunes sains et âgé sains. Ces
résultats sont en accord avec l’étude de Van Lummel et al. qui ont montré
une diminution de la vitesse angulaire de flexion lors du test de levers de
chaise répétés cinq fois chez les sujets âgés [121].

7.3.5 Vitesse de translation du centre de masse du

buste
La vitesse du centre de masse buste est un paramètre qui n’est pas me-
suré en règle générale dans les études se basant sur des mesures inertielles
car sa détermination nécessite un traitement des données complexe [26]. Ce-
pendant, la vitesse semble intrinsèquement liée à la bonne capacité physique
de l’individu car le but premier de la transition assis / debout est de trans-
férer verticalement la position du centre de masse. Une vitesse de transfert
élevée semble liée à un geste optimisé.
Les résultats montrent une diminution significative de la vitesse moyenne
chez les sujets fragiles par rapport aux sujets âgés sains. La vitesse maximale
diminue significativement d’abord entre jeunes sains et âgés sains puis entre
âgés sains et âgés fragiles.

7.3.6 Énergie cinétique

L’énergie cinétique est un paramètre qui tient compte à la fois de la
cinématique et de la morphologie de la personne. Par exemple, il prend en
compte la masse de l’individu en cas d’obésité. Il semble pertinent dans le
sens où il rend compte de la capacité du corps à réaliser un travail mécanique.
Pour les mêmes raisons que précédemment, ce paramètre n’est pas mesuré
dans les études utilisant des centrales inertielles pour la quantification du
lever de chaise.
Les résultats montrent que la moyenne et la valeur maximale de l’énergie
cinétique diminuent significativement entre les groupes âgés sains et âgés fra-
giles mais non significativement entre les groupes jeunes sains et âgés sains.
La figure 7.2 montre que l’énergie cinétique développée est très diminuée
pour les sujets fragiles avec une dispersion des valeurs faible. Peu d’études se
sont focalisées sur l’influence de l’âge ou de la fragilité sur l’énergie cinétique.

136
 7.4 Conclusion

Cependant, Cameron et al. ont montré que l’énergie cinétique moyenne di-
minue significativement chez les sujets atteints d’un AVC et ayant eu une
hémiparésie [111].

7.4 Conclusion
Dans cette étude, on remarque que les paramètres utilisés pour quantifier
la transition assis / debout d’un point de vue cinématique et énergétique
montrent des hétérogénéités concernant l’influence de l’âge et de la fragilité.
Par exemple, la valeur maximale de la vitesse du centre de masse du buste
(maxV G) est le seul paramètre qui est significativement influencé par l’âge
et la fragilité. Cependant, les paramètres basés sur des valeurs maximales
ont une forte tendance à diminuer pour les sujets âgés (influence de l’âge)
alors que les paramètres basés sur des valeurs moyennes lors du mouvement
ont une forte tendance à diminuer pour les sujets fragiles (influence de la
fragilité).
Cette étude a aussi des limitations. Le calcul des paramètres requière
la détermination de tb et tf . Dans la littérature, de nombreuses méthodes
sont proposées pour détecter le mouvement avec une centrale inertielle sans
consensus [126] [130]. Dans cette étude, l’algorithme de détection se base
sur un seuillage des quaternions d’orientation et de l’accélération verticale.
De plus, les paramètres basés sur des valeurs maximales sont souvent plus
dispersés (écart-type important) que ceux basés sur des valeurs moyennes.
En effet, ceux-ci sont focalisés sur un instant spécifique et par conséquent,
ils sont plus sujets aux erreurs des capteurs. Pour finir, la force musculaire
et l’activation ne sont pas évaluées. Or, elles pourraient constituer des in-
formations utiles dans un objectif de quantification des capacités motrices.
Finalement, l’influence de l’âge et de la fragilité sur le mouvement à
travers différents paramètres cinématiques et cinétiques a été démontrée.
Malheureusement, l’analyse de chaque paramètre pris individuellement ne
semble pas rendre compte à lui seul de la bonne capacité physique de l’in-
dividu (voir figure 7.2). De plus, une interprétation multi-factorielle peut
s’avérer longue et complexe. Par conséquent, il semble pertinent de propo-
ser la mise en place d’un paramètre composite (sous la forme d’un score)
capable de rendre compte de la capacité physique de la personne.

137
Chapitre 7. Comparaison des paramètres cinématiques et énergétiques
mesurés lors du lever de chaise pour des populations jeunes, âgés et fragiles

138
Chapitre 8
Développement d’un score optimisé
pour quantifier les capacités physiques
lors du lever de chaise

Sommaire
8.1 Contexte . . . . . . . . . . . . . . . . . . . . . . . . 139
8.2 Méthode de calcul des scores et optimisation . . 140
8.2.1 Score de vieillissement : AgingScore . . . . . . . 140
8.2.2 Score de fragilité : F railtyScore . . . . . . . . . 146
8.3 Stratégie du lever de chaise . . . . . . . . . . . . 146
8.4 Résultats et discussion . . . . . . . . . . . . . . . 147
8.4.1 Performances de classification des paramètres . . 147
8.4.2 Sélection des paramètres optimisant les perfor-
mances des scores . . . . . . . . . . . . . . . . . 148
8.4.3 Calculs pratiques des scores . . . . . . . . . . . . 151
8.4.4 Analyse de la stratégie de lever . . . . . . . . . . 153
8.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . 155

8.1 Contexte
Dans le chapitre précédent, il a été montré que la cinématique et l’éner-
gétique évoluent en fonction de l’âge et de la fragilité lors du lever de chaise.
Les mesures, réalisées à l’aide d’une centrale inertielle fixée sur le buste ont
également montré les limites d’un analyse mono-paramètre et la complexité

139
Chapitre 8. Développement d’un score optimisé pour quantifier les
capacités physiques lors du lever de chaise
d’une lecture multi-paramètrique. C’est pourquoi la mise en place d’un score
composite basé sur les paramètres cinématiques et énergétiques les plus per-
formants semble justifiée.
Dans ce chapitre, l’objectif est de mettre en place deux scores optimisés
capable de décrire l’influence de l’âge et de la fragilité sur les capacités
physiques. Par la suite, l’ensemble des paramètres utiles aux calculs des
scores seront retenus de sorte à mettre en place un outil de visualisation
simple et rapide de la stratégie motrice de l’individu lors de la transition
assis / debout.

8.2 Méthode de calcul des scores et optimi-

sation
En reprenant les valeurs des paramètres déterminées lors du lever de
chaise au chapitre chapitre 7, il est possible d’associer à chaque sujet un
vecteur de dimension 15. Ainsi, nous faisons l’hypothèse ici que le mouve-
ment lors du lever de chaise peut être représenté par un espace vectoriel de
dimension P = 15.

8.2.1 Score de vieillissement : AgingScore

Afin de déterminer la performance de discrimination des P paramètres

entre sujets jeunes et âgés sains, l’aire sous la courbe (AUC) ROC (Recei-
ver Operatic Characteristic) est calculée [133]. Pour un paramètre donné,
la courbe ROC se représente comme le taux de vrais positifs (appelé « sen-
sibilité ») en fonction du taux de faux positifs (appelé « antispécificité » ou
« 1-spécificité »). Un paramètre dont la courbe ROC correspond à la droite
d’équation y = x est un classificateur aléatoire (il ne donne aucune infor-
mation et son AUC est de 0,5, figure 8.1). Un paramètre dont la courbe
ROC est composée d’un segment allant du point (0,0) à (1,0) puis d’un
autre allant de (1,0) à (1,1) est un classificateur parfait (son AUC est de 1,
figure 8.1). Par conséquent, le AUC de la courbe ROC est un nombre com-
pris entre 0,5 et 1 qui indique la performance du paramètre pour discriminer
deux populations.

140
 8.2 Méthode de calcul des scores et optimisation

AUC = 0,5 AUC = 1

Sensitivité

Sensitivité
1-spécificité 1-spécificité

Figure 8.1 – Exemple de courbes ROC d’un classificateur aléatoire à gauche

et d’un classificateur parfait à droite

Après avoir calculé le AUC de chaque paramètre, le vecteur de dimension

P = 15 est réorganisé par ordre décroissant de puissance discriminante.
Ainsi, à ce stade, chaque sujet quelconque s parmi les N = 63 sujets (1 ≤
s ≤ 24 si sujet jeune sain et 25 ≤ s ≤ N si sujet âgé sain) est caractérisé
par un vecteur xs composé des P valeurs de paramètres organisés :
 
x1,s
 x2,s 
 
 .. 
xs =  .  (8.1)
 
xP −1,s 
xP,s
x1,s est la valeur associée au paramètre le plus performant en terme de
classification entre les groupes de jeunes et d’âgés sains alors que xP,s est
associé au paramètre le moins performant.
Les paramètres définissent la base d’un espace vectoriel de dimension P .
Le AgingScore a pour but de réduire le vecteur de dimension P pour chaque
sujet à un scalaire à l’aide d’une analyse en composantes principales (ACP)
itérative dont les étapes sont présentées ci-dessous. L’algorithme décrit par
la suite est synthétisé sur la figure 8.2.
La première étape consiste à extraire un sous-vecteur du vecteur de
longueur P en sélectionnant les a paramètres les plus discriminants (1 ≤ a ≤
P ). Chaque sujet est alors caractérisé par un sous-vecteur x0s de longueur
a:

141
Chapitre 8. Développement d’un score optimisé pour quantifier les
capacités physiques lors du lever de chaise

 
x1,s

 x2,s


x0s = 
 ..

(8.2)


.
xa−1,s 
xa,s

Ensuite, les sujets âgés et jeunes sains (JS et AS) sont répartis aléatoire-
ment en sous-groupes d’entrainement (e) et de test (t) de taille égale : JSe ,
ASe , JSt , ASt . Les matrices regroupant l’ensemble des résultats des sujets
d’entrainements et de tests sont notées Me et Mt , respectivement. Me est
composée de a lignes et b N2 c colonnes et Mt est composée de a lignes et
b N2−1 c + 1 colonnes. b·c représente la fonction partie entière. Les matrices
de données Me et Mt sont ensuite normalisées :
 m1,b N c −m̄b N c 
m1,1 −m̄1
σ(m1 )
··· 2 2
 σ mb N c 
 2 
Me =  ...
st ... .. (8.3)
 
. 

 ma,1 −m̄1 ma,b N c −m̄b N c 
··· 2 2

σ(m1 )
σ mb N c
2

−n̄
 n

−1 c+1
1,b N 2 −1 c+1
b N2
n1,1 −n̄1
 σ(n1 ) ···  
σ n −1 c+1

 b N2 
 . .. .. 
Mst
t =  ..
 . . 
 (8.4)
 na,1 −n̄1 n N −1 −n̄ N −1 
a,b 2 c+1 b 2 c+1

σ(n1 )
···   
σ n −1 c+1
b N2

Dans les relations (8.3) et (8.4) :

– σ(·) représente la fonction écart-type ;
– mi,j la composante de ligne i et de colonne j de Me ;
– mi la ième colonne de Me et m̄i sa valeur moyenne ;
– ni,j la composante de ligne i et de colonne j de Mt ;
– ni la ième colonne de Mt et n̄i sa valeur moyenne ;
Une analyse en composantes principales (ACP) est réalisée sur la ma-
trice Mst
e (données d’entrainement) [134]. L’ACP a pour objectif de réduire
l’espace des données en conservant les informations pertinentes des données
initiales. Elle permet ainsi de créer une combinaison linéaire des variables
d’origine.

142
 8.2 Méthode de calcul des scores et optimisation

L’algorithme d’ACP peut être vu comme un changement de base. La

matrice de passage de la base initiale à la nouvelle base permet de maxi-
miser la variance des composantes suivant les premières directions. La 1ère
composante principale (notée PC1) possède ainsi le meilleur potentiel en
terme de classification [135]. En notant We la matrice de passage calculée
par l’ACP sur les données d’entrainement et M̃e la matrice des données
exprimée dans la nouvelle base, on a la relation :

M̃e = Mst
e .We (8.5)
We est une matrice carrée de dimension a dont le coefficient de la ligne
i et de la colonne j est noté wi,j .
La première colonne de M̃e , notée m̃1 , est la première composante prin-
cipale :
 
m̃1,1
 m̃2,1 
..
 
m̃1 =  . (8.6)
 

m̃b N2 c−1,1 
 
m̃b N c,1
2

La composante principale associée à un sujet quelconque k du groupe

d’entrainement (1 ≤ k ≤ b N2 c) peut se calculer par la relation suivante :

m̃k,1 = mst st
k,1 .w1,1 + · · · + mk,a .wa,1 (8.7)
Xa
= mst k,i .wi,1 (8.8)
i=1

où mst
i,j représente la composante de ligne i et de colonne j de la matrice
normalisée des données d’entrainement Mst e .
Les coefficients (w1,1 , w2,1 , · · · , wa−1,1 , wa,1 ) peuvent être vus comme les
poids qui vont permettre de pondérer chaque paramètre pour le calcul du
score chez les sujets du groupe de test. Ainsi, il est possible de calculer un
score temporaire pour un sujet quelconque l du groupe de test (1 ≤ l ≤
b N2−1 + 1c). Ce score temporaire est noté AgingScoret,a,l et se calcule par :
a
X
AgingScoret,a,l = nst
l,i .wi,1 (8.9)
i=1

143
Chapitre 8. Développement d’un score optimisé pour quantifier les
capacités physiques lors du lever de chaise
où nst
i,j représente la composante de ligne i et de colonne j de la matrice
normalisée des données de test Mst
t .

Le vecteur des scores de vieillissement temporaires obtenus pour les su-

jets du groupe de test est noté AgingScoret,a :

 
AgingScoret,a = AgingScoret,a,1 , · · · , AgingScoret,a,b N −1 +1c (8.10)
2

AgingScoret,a est utilisé pour classifier les sujets jeunes des sujets âgés
sains du groupe test. La performance de cette classification est mesurée à
l’aide de l’aire sous la courbe ROC, notée AU Ct,a .
Le processus de randomisation aléatoire en sous-groupes de test et d’en-
trainement est réalisé 1000 fois (t ∈ [1; 1000]). Pour chaque itération, une
nouvelle analyse en composante principale est calculée et par conséquent,
un nouveau vecteur de scores de vieillissement temporaires est calculé dont
la performance en terme de classification jeunes / âgés sains est AU Ct,a . La
valeur moyenne des performances AU Ct,a est prise en compte et est notée
AU Ca :

AU Ca = moy (AU Ct,a ) (8.11)

1≤t≤1000

Le nombre A de paramètres à retenir pour le calcul du score est celui

qui permet de maximiser AU Ca :

A = argmax (AU Ca ) (8.12)

1≤a≤P

Le vecteur des A paramètres les plus performants permet de calculer le

score de vieillissement AgingScore. De plus, ces paramètres sont identifiés
comme décrivant l’effet de l’âge.

144
 8.2 Méthode de calcul des scores et optimisation

Sélection des a paramètres les

plus performants
Pour a=1:P

Randomisation en groupes
d entrainement et de test
Pour t=1:1000

Analyse en composante
principale

AgingScoret,a

AUCt,a

AUCa=moy(AUCt,a)
t

A=argmax(AUCa)
a

Figure 8.2 – Algorithme permettant d’extraire par optimisation de la dis-

crimination les paramètres décrivant l’effet de l’âge et permettant de calculer
le AgingScore

145
Chapitre 8. Développement d’un score optimisé pour quantifier les
capacités physiques lors du lever de chaise
8.2.2 Score de fragilité : F railtyScore

La même procédure est implémentée pour déterminer un score de fra-

gilité noté F railtyScore basé sur les sous-vecteurs de longueurs F (avec
1 ≤ F ≤ P ) à partir des données des sujets âgés sains et fragiles (AS
et AF). Les F paramètres associés au F railtyScore sont identifiés comme
décrivant l’effet de la fragilité.

8.3 Stratégie du lever de chaise

La stratégie de la transition assis / debout a également été analysée en
se basant sur les paramètres retenus comme décrivant les effets de l’âge et de
la fragilité permettant de déduire les scores de vieillissement et de fragilité.
Les A paramètres du AgingScore et les F paramètres du F railtyScore sont
conservés. Le nombre de paramètres utilisés pour l’analyse de la stratégie
est noté S avec :

max (A, F ) ≤ S ≤ A + F (8.13)

Les données de ces S paramètres sont normalisées par la médiane des

données des sujets jeunes sains. Pour chaque groupe, la médiane et l’écart
type des S paramètres normalisés sont représentés dans une figure radar.
Pour chaque sujet, la stratégie de transition assis / debout est quantifiée en
calculant le ratio de circularité du polygone formé dans la figure radar. Ce
rapport, noté r se calcule par :

P2
r= (8.14)
4.π.A

avec :
– P : périmètre du polygone formé par la figure radar associée au sujet ;
– A : aire du polygone formé par la figure radar associée au sujet.
La significativité de l’évolution du rapport de circularité entre groupes
a été quantifiée avec un test de Mann-Whitney. Le niveau de significativité
est fixé à 0,01.

146
 8.4 Résultats et discussion

8.4 Résultats et discussion

8.4.1 Performances de classification des paramètres
Les aires sous les courbes ROC démontrent que maxAcc est le paramètre
le plus discriminant entre jeunes sains (JS) et âgés sains (AS) (AUC =
0, 763) et mV G le plus discriminant entre âgés sains (AS) et âgés fragiles
(AF) (AUC = 0, 972). L’ensemble des résultats pour chaque paramètre pris
indépendamment est présenté dans les tableaux 8.1 et 8.2.

Paramètres AUC Paramètres AUC

(JS,AS) (AS,AF)
maxAcc 0,763 mVG 0,972
maxAz 0,757 mEc 0,965
maxAxy 0,745 mAz 0,935
maxVG 0,735 T 0,923
maxOmega 0,706 maxEc 0,921
mAz 0,659 mAcc 0,911
mAcc 0,650 AUCml 0,895
maxEc 0,630 mAxy 0,886
mAxy 0,593 maxVG 0,844
T 0,565 mOmega 0,825
mVG 0,557 Incl 0,781
mEc 0,534 maxAz 0,755
mOmega 0,533 maxAcc 0,690
Incl 0,518 maxAxy 0,597
AUCml 0,512 maxOmega 0,555
Tableau 8.1 – Performance de Tableau 8.2 – Performance de
chaque paramètre d’après l’aire chaque paramètre d’après l’aire
sous la courbe ROC (AUC) sous la courbe ROC (AUC)
pour classifier jeunes sains / pour classifier âgés sains / âgés
âgés sains (triés par ordre dé- fragiles (triés par ordre décrois-
croissant) sant)

Ces résultats sont en accord avec les analyses du chapitre 7 : les para-
mètres basés sur des valeurs maximales sont plus performants que les autres
pour différencier les personnes jeunes des personnes âgés saines. À contrario,
les paramètres basés sur des valeurs moyennes sont plus performants (avec
la durée du lever T ) pour classifier les individus fragiles des individus âgés

147
Chapitre 8. Développement d’un score optimisé pour quantifier les
capacités physiques lors du lever de chaise
sains. Ce résultat peut s’expliquer par une réduction des capacités muscu-
laires et tendineuses des membres inférieurs. En effet, le lien entre la force
musculaire et la performance lors du lever de chaise est déjà démontré [136].
Le déficit de force musculaire chez les sujets âgés sains peut entrainer une
sollicitation musculaire plus importante [137].

En outre, la classification de la fragilité est plus facilement diagnos-

ticable : six paramètres ont une AUC supérieure à 0,900 alors que pour
l’influence de l’âge, le paramètre plus performant a une AUC inférieure à
0,800. L’objectif du score composite proposé est de prendre en compte les
paramètres les plus performants dans chaque cas pour améliorer la capacité
de classification.

8.4.2 Sélection des paramètres optimisant les perfor-

mances des scores

Les performances des deux scores en fonction du nombre de paramètres

considérés dans l’analyse en composantes principales sont présentées sur
les figures 8.3 et 8.4. Les A paramètres qui permettent de maximiser la
performance du AgingScore sont maxAcc, maxAz, maxAxy, maxV G et
maxOmega (A = 5). Pour le F railtyScore, les F paramètres qui permettent
de maximiser la performance sont mV G, mEk, T , mAz, maxEk, mAcc et
AU Cml (F = 7).

La variance totale expliquée par la 1ère composante principale est de

77, 48 ± 2, 80% pour l’ACP entre les groupes jeunes sains et âgés sains et de
74, 94 ± 2, 24% pour l’ACP entre les groupes âgés sains et âgés fragiles. Cela
signifie que plus de 74 % de l’information inclue dans les A et F paramètres
les plus performants est retranscrite dans la première composante principale
dans chaque cas.

148
 8.4 Résultats et discussion

AgingScore
0.85

0.8
AUCa
0.75

0.7

0.65

0.6
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Figure 8.3 – Performance du score de vieillissement en fonction du nombre

a de paramètres considérés dans l’algorithme

FrailtyScore
1

0.95

0.9
AUCaf

0.85

0.8

0.75
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

af

Figure 8.4 – Performance du score de fragilité en fonction du nombre f de

paramètres considérés dans l’algorithme

Pour le nombre de paramètres retenus, les courbes ROC moyennes sont

présentées sur les figures 8.5 et 8.6. Pour la classification jeunes sains / âgés

149
Chapitre 8. Développement d’un score optimisé pour quantifier les
capacités physiques lors du lever de chaise
sains, la valeur moyenne de l’aire sous la courbe est de 0,776 avec un écart-
type de 0,0639. En ce qui concerne la classification des sujets fragiles par
rapport aux sujets âgés sains, l’air sous la courbe moyenne est de 0,973 avec
un écart-type de 0,0259.
Le score composite proposé pour catégoriser le vieillissement est plus
performant que le meilleur paramètre pris individuellement. Cette amélio-
ration est significative d’après un test de Mann-Whitney non paramétrique
(valeur-p ≤ 10−5 ). De manière analogue, le score proposé pour catégori-
ser les sujets fragiles est significativement plus performant que le meilleur
paramètre pris seul (valeur-p ≤ 10−5 ).
Van Lummel propose également un score pour quantifier le lever de
chaise répété cinq fois [138]. Sa méthode est basée sur une analyse factorielle
exploratoire de 24 paramètres de trois types différents : durées, cinématiques
et coefficients de variation. Cependant, la puissance de discrimination entre
jeunes et âgés sains n’a pas été analysée. L’étude proposée ici confirme
et démontre la pertinence de cette approche. En effet, l’âge influence la
performance de la transition assis / debout.

AgingScore

Figure 8.5 – Courbe ROC moyenne (ligne foncée) et limites d’écart-type

(zone ombrée) quantifiant la performance du score de vieillissement pour les
1000 randomisation avec A = 5

150
 8.4 Résultats et discussion

FrailtyScore

Figure 8.6 – Courbe ROC moyenne (ligne foncée) et limites d’écart-type

(zone ombrée) quantifiant la performance du score de fragilité pour les 1000
randomisation avec F = 7

8.4.3 Calculs pratiques des scores

Les scores se calculent à partir d’une base de données de sujets existants.

En intégrant l’ensemble des sujets dans l’analyse en composante princi-
pale, il est possible d’obtenir les poids pondérant chaque paramètre pour
le calcul des scores d’un nouveau sujet. Les poids wi,1 (pour i ∈ J1; AK
pour AgingScore et i ∈ J1; F K pour F railtyScore) nécessaires aux calculs
des scores pour un nouveau sujet passant le test sont donnés dans les ta-
bleaux 8.3 et 8.4.

151
Chapitre 8. Développement d’un score optimisé pour quantifier les
capacités physiques lors du lever de chaise
F railtyScore
Paramètres
AgingScore
(F = 7) Poids
Paramètres
mVG 0,414
(A = 5) Poids
mEc 0,403
maxAcc 0,487
mAz 0,416
maxAz 0,471
T -0,316
maxAxy 0,424
maxEc 0,385
maxVG 0,442
mAcc 0,412
maxOmega 0,408
AUCml -0,275
Tableau 8.3 – Poids de chaque
Tableau 8.4 – Poids de chaque
paramètre pour le calcul du
paramètre pour le calcul du
AgingScore d’un nouveau sujet
F railtyScore d’un nouveau su-
jet

Dans les tableaux précédents, lorsqu’un poids est positif, cela signifie
que le paramètre impact positivement le score et inversement pour un poids
négatif. Ainsi, le AgingScore est impacté positivement lorsque n’importe
lequel des paramètres augmente. Ce résultat est cohérent car plus l’individu
à une dynamique de mouvement élevé, plus les accélérations mesurées se-
ront importantes. Pour la fragilité, les paramètres T et AU Cml impactent
négativement le F railtyScore. La durée de lever T est logiquement plus
grande pour des sujets dont la santé se dégrade. AU Cml est lié à la quan-
tité de mouvement dans la direction médiolatérale. Là aussi, ce paramètre
augmente pour des sujets dont les capacités de stabilité diminuent. D’autre
part, plus la valeur absolue du poids est importante, plus le paramètre im-
pacte le score correspondant.

Après un calcul par somme pondérée des paramètres, les scores sont
normalisés entre 0 et 100 par rapport à la base de données existante. Un
nouveau sujet aura potentiellement un score en dehors de cette échelle.
Cependant, l’idée est de pouvoir enrichir la base de données et donc le
calcul du score grâce à chaque nouveau sujet.

Les sujets inclus dans cette étude peuvent être classés sur une échelle en
fonction de leurs scores (figures 8.7 et 8.8).

152
 8.4 Résultats et discussion

Figure 8.7 – Positionnement des AgingScore des sujets jeunes et âgés sains
inclus dans l’étude sur une échelle allant de 0 à 100

Figure 8.8 – Positionnement des F railtyScore des sujets âgés sains et

fragiles inclus dans l’étude sur une échelle allant de 0 à 100

Sur la figure 8.7, les sujets jeunes (croix rouges) sont regroupés principa-
lement à droite de l’échelle (AgingScore supérieur à 50) alors que les sujets
âgés sont principalement regroupés sur la gauche. Sur la figure suivante 8.8,
la démarcation entre sujets sains à droite et fragiles à gauche est plus évi-
dente (F railtyScore d’environ 40). Ce résultat graphique est cohérent avec
les résultats des aires sous les courbes ROC qui montrent une plus grande
performance du F railtyScore que du AgingScore.

8.4.4 Analyse de la stratégie de lever

La stratégie de la transition assis / debout est représentée sur la fi-
gure 8.9. 12 paramètres différents qui ont été retenus pour le calcul des deux
scores sont représentés. Les rapports de circularité pour chaque groupe sont
résumés dans les diagrammes boites de la figure 8.10. D’après les tests de
Mann-Whitney, l’évolution de la stratégie est significative chez les sujets
fragiles par rapport aux sujets âgés sains mais non significative entre les
sujets jeunes et âgés sains (valeur-p = 0, 221).
Ce résultat est en accord avec une étude précédente qui mettait en avant
une similarité à la fois de la cinématique et de la cinétique entre les sujets

153
Chapitre 8. Développement d’un score optimisé pour quantifier les
capacités physiques lors du lever de chaise
jeunes et âgés sains [29]. Au contraire, la fragilité influence significativement
la stratégie de mouvement (valeur-p ≤ 0, 01).
La stratégie n’est pas modifiée pour un individu vieillissant mais les pa-
ramètres basés sur des valeurs maximales tendent à diminuer comme vu au
chapitre précédent. Ces diminutions pourraient traduire la perte de dyna-
misme de la personne du fait d’une diminution du nombre de fibres mus-
culaires ou encore de l’augmentation de la raideur tendineuse. Cependant,
ces sujets ne présentant pas de troubles de la mobilité particuliers, ils n’ont
pas eu à adapter leur mouvement pour se lever. À contrario, les sujets fra-
giles présentent des troubles plus ou moins forts de la mobilité et ont donc
dû adapter leur façon de se mouvoir jusqu’à une posture verticale, ce qui
explique une modification significative de la stratégie de lever.

Figure 8.9 – Médianes (lignes foncées), 1er et 3ème quartiles (limites infé-
rieure et supérieure des zones ombrées) des paramètres retenus pour chaque
groupe représentés dans une figure radar. Les données sont normalisées par
les valeurs médianes du groupe de jeunes sains

154
 8.5 Conclusion

Figure 8.10 – Rapports de circularité pour chaque groupe présentés dans

des diagrammes boites. Les évolutions entre groupes ont été analysées à
l’aide du test de Mann-Whitney. « * » représente une différence significa-
tive entre deux groupes alors que « NS » spécifie que la différence est non
significative

8.5 Conclusion
Cette étude propose deux scores quantitatifs (AgingScore et
F railtyScore) pour évaluer les déficits fonctionnels prématurés à l’aide
d’une centrale inertielle durant la transition assis / debout. Le protocole
est approprié pour les routines en clinique et pourrait aider les praticiens à
détecter des sujets avec des capacités physiques anormales et ainsi proposer
un suivi plus efficace.
Les deux scores sont calculés en utilisant la 1ère composante d’une ana-
lyse en composantes principales qui permet de regrouper plus de 74 % de
l’information utile. Les performances en terme de classification de ces scores
ont été quantifiées à l’aide d’une analyse ROC. Dans les deux cas, l’aire
sous la courbe ROC qui représente la performance de classification est plus
élevée avec les scores proposés qu’avec n’importe quel paramètre pris in-
dépendamment. L’augmentation du nombre de sujets (notamment fragiles)
pourra permettre d’augmenter la taille de la base de données et ainsi amélio-
rer la performance des scores. De plus, il pourrait être envisagé d’ajouter à
l’étude, l’information d’activité musculaire pour améliorer les performances

155
Chapitre 8. Développement d’un score optimisé pour quantifier les
capacités physiques lors du lever de chaise
de classification. Cette information complémentaire aurait tout de même
pour effet d’alourdir le protocole.
La quantification de la transition posturale assis / debout avec une cen-
trale inertielle fixée sur le buste permet de classifier les sujets selon deux
scores différents. Les analyses basées sur les douze paramètres les plus perti-
nents pour le calcul des scores permettent également de quantifier la straté-
gie de mouvement de lever. Les résultats indiquent que la stratégie de lever
est significativement modifiée par l’apparition des symptômes de la fragiltié
mais n’est pas impactée par l’âge.

156
Bilan

Dans cette partie, l’objectif était d’abord de montrer que les paramètres
cinématiques et énergétiques évalués lors du test de lever de chaise évo-
luent en fonction de l’âge et de la fragilité. Les résultats ont montré que les
paramètres influencés par l’âge sont essentiellement basés sur des valeurs
maximales alors que ceux influencés par la fragilité sont plutôt associés à
des valeurs moyennes. D’autre part, du fait de la précision de mesure et de
la complexité du mouvement étudié, il apparait plus pertinent de ne pas
se baser sur un seul paramètre pour quantifier la performance de la per-
sonne. En effet, aucun paramètre ne peut rendre compte totalement de la
performance tandis qu’une approche multi-dimensionnelle permet d’avoir
une vision plus complète.
Le second objectif a donc été de combiner les paramètres les plus perfor-
mants afin de construire deux scores : un score de vieillissement (AgingScore)
et un score de fragilité (F railtyScore). Le calcul de chaque score s’est fait
en se basant sur une analyse en composantes principales des paramètres. Le
nombre de paramètres choisi dans l’ACP a été optimisé de sorte à maxi-
miser la performance de classification ROC. Pour le AgingScore, les para-
mètres sélectionnés sont l’accélération globale maximale, l’accélération ver-
ticale maximale, l’accélération dans le plan horizontal maximale, la vitesse
du centre de masse du buste maximale et la vitesse de rotation du buste
maximale. Pour le F railtyScore, les paramètres retenus sont la vitesse du
centre de masse du buste moyenne, l’énergie cinétique du buste moyenne,
l’accélération verticale moyenne, la durée du lever, l’énergie cinétique du
buste maximale, l’accélération globale moyenne et l’aire sous la courbe de
l’accélération médio-latérale.
Les résultats montrent que l’utilisation des scores s’avère plus perfor-
mante en terme de classification que n’importe quel paramètre pris indivi-

157
duellement. Ainsi, à présent, le clinicien a la possibilité d’obtenir un score
objectif de vieillissement et de fragilité.
En outre, les paramètres utiles aux calculs des scores ont été regroupés
sur une figure radar dans le but de traduire la stratégie de la personne pour
se lever. Une analyse de circularité sur cette figure indique notamment que
l’âge ne semble pas influencer la stratégie mais diminue surtout le dyna-
misme alors que la fragilité modifie grandement l’approche pour se lever.
En effet, les personnes fragiles ont souvent des difficultés motrices qui les
obligent à adapter leur stratégie de mouvement.
Pour finir, le protocole proposé dans cette étude est simple à mettre
en œuvre car il nécessite environ cinq minutes. Celles-ci incluent les temps
d’explication à la personne, de positionnement de la centrale et de réalisation
de trois à cinq levers de chaise enregistrés. Cependant, les scores ne rendent
compte que du mouvement et il pourrait être intéressant de compléter le
protocole pour inclure l’activité musculaire, par exemple. D’autre part, il
semble pertinent d’enrichir la base de données existante afin d’améliorer les
calculs des scores.

158
 Cinquième partie

Synthèse générale, conclusions

et perspectives

159
 Les capacités musculo-squelettiques sont directement liées au vieillisse-
ment en bonne santé. Ainsi, il est indispensable d’être capable de les estimer
rapidement et simplement dans le cadre d’une routine clinique. Cependant,
à l’heure actuelle il n’existe pas de protocole simple donnant un résultat
quantifié. Dans cette thèse, nous nous sommes concentrés sur la transition
posturale assis / debout qui est déjà utilisée en gériatrie et qui constitue un
mouvement de la vie courante qui devient de plus en plus difficile pour les
personnes dont les capacités physiques diminuent. La quantification de ce
mouvement a été proposée à l’aide d’une centrale inertielle fixée sur le buste.
Ce type de boitier est petit et bon marché, ce qui en fait un excellent candi-
dat pour les mesures ambulatoires non intrusives et en situation écologique.
Dans ce contexte, l’objectif de cette thèse était double.
Dans un premier temps, il a été nécessaire de valider les mesures de la
cinématique et de l’énergétique du mouvement à l’aide de la centrale lors
du lever de chaise. Cette validation s’est faite sur un panel de sujets jeunes
et sains en comparaison avec un système de capture du mouvement par
caméras Vicon. Les études décrivant le lever de chaise ont permis de définir
les paramètres à mesurer en priorité. Le temps pour réaliser le mouvement
est un élément clef qui est intrinsèquement lié à un geste optimisé donc à de
bonnes capacités physiques. L’accélération de la centrale permet de traduire
à la fois le dynamisme général du mouvement, le dynamisme lors des phases
1 et 2 lorsque la personne se penche en avant, et le dynamisme vertical
lors des phases 3 et 4 de verticalisation. La vitesse angulaire du buste et
l’angle d’inclinaison permettent de traduire la cinématique et la position
angulaire lors de l’étape de flexion. La vitesse du centre de masse du buste
traduit la cinématique de mouvement d’un point important lors du lever
puisque le buste est le segment le plus massif et le plus mobile lors du lever
de chaise. Enfin, l’énergie cinétique, qui tient compte de la morphologie du
sujet, montre la capacité de l’individu à produire un travail vertical mais

161
également sa capacité à garder l’équilibre.
L’accélération, la vitesse de rotation, la durée du mouvement ou encore
l’angle d’inclinaison sont souvent utilisés dans des études visant à quantifier
des tests gériatriques comme le lever de chaise ou le test timed-up and go.
Cependant, les mesures faites ne sont pas validées en amont à l’aide d’un sys-
tème de mesure de référence. Les résultats obtenus dans cette étude valident
cette possibilité. D’autre part, la vitesse du centre de masse et l’énergie ci-
nétique ne sont jamais prises en compte car complexe à obtenir. La méthode
d’estimation de la vitesse de la centrale est basée sur l’intégration de l’accé-
lération entre les instants de début et de fin du mouvement. Sans correction,
cette dernière présente une forte dérive très rapidement et est inexploitable.
Pour corriger cette dérive, nous avons fait deux hypothèses : la vitesse est
nulle après la fin du mouvement et la dérive est linéaire. Il est ainsi possible
de corriger l’intégration. Un modèle cinématique permet ensuite d’estimer
la vitesse du centre de masse du buste à partir de la vitesse de la centrale.
L’énergie cinétique est calculée via sa composante translationnelle à l’aide de
données anthropométriques de référence. Les résultats montrent la capacité
de la centrale pour mesurer ces deux paramètres. De plus, les résultats ont
montré que la composante translationnelle de l’énergie cinétique du buste
représente plus de 90 % de l’énergie cinétique totale du buste lors du lever
de chaise. Il est cependant à noter que les données anthropométriques utili-
sées sont valables pour une population jeune et non-pathologique. Ainsi, il
pourrait être intéressant d’adapter aux seniors le modèle proposé dans cette
thèse en s’appuyant, par exemple, sur les données anthropométriques de Ho
Hoang et al. [101]. Pour les sujets pathologiques, l’introduction d’un modèle
spécifique pour être intéressant via, par exemple, l’utilisation d’un scanner
3D à main.
Une fois les paramètres mesurés par la centrale validés, le second objec-
tif était de comparer différentes populations à travers la quantification du
lever de chaise. Outre un groupe de sujets jeunes sains, un groupe de sujets
âgés sains a été intégré à l’étude pour étudier l’effet de l’âge. Un groupe de
sujets âgés fragiles a également pris part à l’étude pour investiguer l’effet
de la fragilité. Les résultats ont montré que les paramètres basés sur des va-
leurs maximales (accélérations maximales, vitesses maximales, etc.) avaient
tendance à diminuer avec l’âge alors que les valeurs moyennes (accélérations
moyennes, vitesses moyennes, énergie cinétique moyenne, etc.) avaient ten-
dance à diminuer avec la fragilité. Les résultats ont aussi confirmé que la
durée du lever diminue avec la fragilité mais pas avec l’âge. Cependant, une
analyse multi-factorielle du lever de chaise quantifié reste complexe.

162
 C’est pourquoi, nous avons proposé par la suite la mise en place de deux
scores composites. Le premier est un score de vieillissement (AgingScore) et
le second, un score de fragilité (F railtyScore). Chaque score a été construit
à l’aide d’une analyse en composantes principales. L’ACP est réalisée sur
un groupe d’entrainement et sa performance est mesurée sur un groupe
test. Le nombre de paramètres choisis pour participer à l’ACP est opti-
misé de sorte à maximiser la performance (aire sous la courbe ROC) du
score. Par cette approche, cinq paramètres ont été retenus pour le calcul
du AgingScore : l’accélération maximale (maxAcc), l’accélération verti-
cale maximale (maxAz), l’accélération dans le plan horizontal maximale
(maxAxy), la vitesse du centre de masse du buste maximale (maxV G) et
la vitesse de rotation du buste maximale (maxOmega). Sept paramètres ont
été retenus pour le F railtyScore : la vitesse du centre de masse moyenne
(mV G), l’énergie cinétique du buste moyenne (mEc), l’accélération verti-
cale moyenne (mAz), la durée de la transition (T ), l’énergie cinétique du
buste maximale (maxEc), l’accélération moyenne (mAcc) et l’aire sous la
courbe de l’accélération médio-latérale (AU Cml). Les résultats montrent
que, avec le processus d’optimisation, la performance de chaque score est
meilleure que celle de n’importe quel paramètre considéré indépendamment.
Le AgingScore a une AUC moyenne de 0,776 alors celle du F railtyScore
monte à 0,973.
La stratégie du lever a également été investiguée à travers une figure
radar. les résultats montrent une évolution significative de la stratégie pour
les sujets fragiles qui doivent adapter leur mouvement mais une modifica-
tion non-significative suivant l’âge. Les individus âgés sains n’ont pas eu à
modifier leur mouvement car n’ont pas de difficultés motrices spécifiques
alors que les individus fragiles présentent des troubles ambulatoires qui les
forcent à adapter leur stratégie de mouvement.
Cette étude montre la possibilité de proposer un protocole simple, ap-
plicable en routine clinique capable de rendre compte des paramètres de
mouvement lors de la transition assis / debout. Ce protocole est capable de
proposer un score et une analyse de la stratégie pour permettre de suivre l’in-
dividu. Cependant, l’étude ici propose deux score différents. Il pourrait être
intéressant de construire d’autres scores associés par exemple aux risques
de chute. Ensuite, seuls les mouvements de l’individu sont quantifiés. De ce
fait, l’activité musculaire n’est pas directement mesurée et pourrait consti-
tuer une aide à la mise en place de scores plus performants. L’augmentation
du nombre de sujets pourrait également permettre une amélioration des
performances des scores.

163
 Pour finir, ici, il s’agit d’une étude rétrospective. Par la suite, il serait
intéressant de proposer une étude prospective de ce protocole pour, par
exemple, évaluer la possibilité de suivre l’individu au cours de sa vie. L’ob-
jectif, pour une personne donnée, est de pouvoir tracer l’évolution des capa-
cités physiques en fonction de l’âge afin d’anticiper efficacement les risques.
À terme, l’objectif serait d’obtenir un suivi personnalisé des capacités phy-
siques présenté par exemple comme sur la figure 8.11. L’idée est de tracer
l’évolution du score de vieillissement puis du score de fragilité à partir de
l’âge de 65 ans afin d’être en mesure d’anticiper les risques éventuels, pro-
poser des solutions adaptées et ainsi améliorer le bien-être et le bien-vieillir
des individus.

AgingScore 81 82 83
79
75 77 78
x x x
x x
x x
70
x
61
x 55
x

20 ans 65 ans Âge

FrailtyScore 82
80 79
x 78
x x
x

20 ans 65 ans Âge

Figure 8.11 – Objectif à terme : exemple fictif de suivi d’un individu au

cours de sa vie via le AgingScore puis le F railtyScore à partir de 65 ans

164
Contributions scientifiques

Congrès nationaux
K. Lepetit, C. Hansen, K. Ben Mansour and F. Marin, ”3D location de-
duced by inertial measurement units : a challenging problem”, Congrès de
la société de biomécanique (Paris, Octobre 2015), Présentation orale.

K. Lepetit, K. Ben Mansour, S. Boudaoud, K. Kinugawa and F. Marin,

”Évaluation de l’énergie cinétique via une centrale inertielle lors du test de
get-up”, Congrès Posture, Équilibre, Mouvement (PEM) (Nancy, Décembre
2016), Présentation orale.

Congrès internationaux
F. Marin, L. Fradet, K. Lepetit, C. Hansen and K. Ben Mansour, ”Inertial
measurement unit in biomechanics and sport biomechanics : past, present,
future”, International Conference on Biomechanics in Sports (Poitiers, Juillet
2015), Présentation orale.

K. Lepetit, K. Ben Mansour, S. Boudaoud, K. Kinugawa and F. Marin,

”Evaluation of the kinetic energy by inertial measurement unit during the
get-up test”, European Society of Biomechanics (Lyon, Juillet 2016), Pré-
sentation orale.

K. Lepetit, S. Boudaoud, K. Kinugawa, A. Letocart, M. Mutio, S. Xérès,

K. Ben Mansour, JF. Grosset and F. Marin, ”Kinetic energy evaluated by

165
IMU during sit-to-stand : a relevant parameter for unhealthy seniors ?”, Eu-
ropean Society of Biomechanics (Séville, Juillet 2017), Présentation poster.

Articles scientifiques
K. Lepetit, K. Ben Mansour, S. Boudaoud, K. Kinugawa and F. Marin,
”Evaluation of the kinetic energy of the torso by magneto-inertial measu-
rement unit during the sit-to-stand movement”, Journal of Biomechanics,
vol. 67, pp. 172-176, jan 2018.

K. Lepetit, K. Ben Mansour, A. Letocart, S. Boudaoud, K. Kinugawa,

JF Grosset and F. Marin, ”Optimized scoring tool to quantify the functio-
nal performance during the sit-to-stand transition with a magneto-inertial
measurement unit”, Article soumis, 2018.

166
Références bibliographiques

[1] N. Blanpain and G. Buisson, “Projections de population à l’horizon

2070,” INSEE Première, vol. 1619, pp. 1–4, 2016.
[2] Organisation Modiale de la Santé, “Rapport mondial sur le vieillisse-
ment et la santé,” tech. rep., Organisation Modiale de la Santé, 2016.
[3] H. Zhou and H. Hu, “Human motion tracking for rehabilitation—A
survey,” Biomedical Signal Processing and Control, vol. 3, pp. 1–18,
jan 2008.
[4] P. Picerno, A. Cereatti, and A. Cappozzo, “Joint kinematics estimate
using wearable inertial and magnetic sensing modules,” Gait & Pos-
ture, vol. 28, no. 4, pp. 588–595, 2008.
[5] J. L. Durkin, J. J. Dowling, and D. M. Andrews, “The measurement
of body segment inertial parameters using dual energy X-ray absorp-
tiometry,” Journal of Biomechanics, vol. 35, pp. 1575–1580, dec 2002.
[6] K. E. Peyer, M. Morris, and W. I. Sellers, “Subject-specific body seg-
ment parameter estimation using 3D photogrammetry with multiple
cameras.,” PeerJ, vol. 3, p. e831, jan 2015.
[7] S. Clarkson, S. Choppin, J. Hart, B. Heller, and J. Wheat,“Calculating
body segment inertia parameters from a single rapid scan using the
Microsoft Kinect,” 3rd International Conference on 3D Body Scanning
Technologies, pp. 153–163, oct 2012.
[8] M. Schenkman, R. A. Berger, P. O. Riley, R. W. Mann, and W. A.
Hodge, “Whole-Body Movements During Rising to Standing from Sit-
ting,” Physical Therapy, vol. 70, no. 10, 1990.
[9] A. Kralj, R. Jaeger, and M. Munih, “Analysis of standing up and sit-
ting down in humans : Definitions and normative data presentation,”
Journal of Biomechanics, vol. 23, no. 11, pp. 1123–1138, 1990.

167
[10] F. Chorin, Caractérisation biomécanique et physiologique du processus
de vieillissement de la fonction motrice : application au test du lever
de chaise. PhD thesis, PhD. thesis, Université du Maine, 2014.
[11] R. Dumas, L. Chèze, and J.-P. Verriest, “Adjustments to McConville
et al. and Young et al. body segment inertial parameters,” Journal of
Biomechanics, vol. 40, pp. 543–553, jan 2007.
[12] K. Rockwood, X. Song, C. MacKnight, H. Bergman, D. B. Hogan,
I. McDowell, and A. Mitnitski, “A global clinical measure of fitness
and frailty in elderly people.,” CMAJ : Canadian Medical Associa-
tion journal = journal de l’Association medicale canadienne, vol. 173,
pp. 489–95, aug 2005.
[13] A. Nez, Mesure inertielle pour l’analyse du mouvement humain. PhD
thesis, Université de Poitiers, 2017.
[14] J.-P. de Plazaola, G. Lahi, S. Tagnani, F. Martial, I. Naudy-Fesquet,
P. Roosz, and J. Tronyo, Tableaux de l’économie française. institut
n ed., 2016.
[15] Organisation Mondiale de la Santé, “Vieillissement et santé,” tech.
rep., Organisation Mondiale de la Santé, 2015.
[16] C. Geay and G. de Lagasnerie, “Projection des dépenses de santé à
l’horizon 2060, le modèle PROMEDE,” tech. rep., Trésor, Direction
Générale, 2013.
[17] P. M. Grant, P. M. Dall, and A. Kerr, “Daily and hourly frequency of
the sit to stand movement in older adults : a comparison of day hospi-
tal, rehabilitation ward and community living groups,” Aging Clinical
and Experimental Research, vol. 23, pp. 437–444, oct 2011.
[18] Société Française de Gériatrie et Gérontologie, “Évaluation et prise
en charge des personnes âgées faisant des chutes répétées,” tech. rep.,
Haute Autorité de Santé, 2009.
[19] L. P. Fried, C. M. Tangen, J. Walston, A. B. Newman, C. Hirsch,
J. Gottdiener, T. Seeman, R. Tracy, W. J. Kop, G. Burke, and M. A.
McBurnie, “Frailty in Older Adults : Evidence for a Phenotype,” The
Journals of Gerontology Series A : Biological Sciences and Medical
Sciences, vol. 56, pp. M146–M157, mar 2001.
[20] S. Mathias, U. S. Nayak, and B. Isaacs, “Balance in elderly patients :
the ”get-up and go” test.,” Archives of physical medicine and rehabili-
tation, vol. 67, pp. 387–9, jun 1986.

168
[21] D. Podsiadlo and S. Richardson,“The timed ”Up & Go”: a test of basic
functional mobility for frail elderly persons.,” Journal of the American
Geriatrics Society, vol. 39, pp. 142–8, feb 1991.
[22] O. Beauchet, B. Fantino, G. Allali, S. W. Muir, M. Montero-Odasso,
and C. Annweiler, “Timed Up and Go test and risk of falls in older
adults : a systematic review.,” The journal of nutrition, health & aging,
vol. 15, pp. 933–8, dec 2011.
[23] E. Rivier, Évaluation des chutes en gériatrie. vevey ed., 2006.
[24] J. C. Wall, C. Bell, S. Campbell, and J. Davis, “The Timed Get-up-
and-Go test revisited : measurement of the component tasks.,” Journal
of rehabilitation research and development, vol. 37, no. 1, pp. 109–13,
2000.
[25] D. W. Vander Linden, D. Brunt, and M. U. McCulloch, “Variant
and invariant characteristics of the sit-to-stand task in healthy el-
derly adults.,”Archives of physical medicine and rehabilitation, vol. 75,
pp. 653–60, jun 1994.
[26] N. Millor, P. Lecumberri, M. Gomez, A. Martinez-Ramirez, and M. Iz-
quierdo, “Kinematic Parameters to Evaluate Functional Performance
of Sit-to-Stand and Stand-to-Sit Transitions Using Motion Sensor De-
vices : A Systematic Review,” IEEE Transactions on Neural Systems
and Rehabilitation Engineering, vol. 22, pp. 926–936, sep 2014.
[27] M. Csuka and D. J. McCarty, “Simple method for measurement of
lower extremity muscle strength,” The American Journal of Medicine,
vol. 78, pp. 77–81, jan 1985.
[28] J. M. Guralnik, E. M. Simonsick, L. Ferrucci, R. J. Glynn, L. F. Berk-
man, D. G. Blazer, P. A. Scherr, and R. B. Wallace, “A short physical
performance battery assessing lower extremity function : association
with self-reported disability and prediction of mortality and nursing
home admission.,” Journal of gerontology, vol. 49, pp. M85–94, mar
1994.
[29] S. T. Hurley, Sit-to-stand transfer mechanics : the effect of age and
lifting-seat device design. PhD thesis, Dalhousie University, Halifax,
Nova Scotia, 2013.
[30] G. Sprint, D. J. Cook, and D. L. Weeks, “Toward Automating Clinical
Assessments : A Survey of the Timed Up and Go.,” IEEE reviews in
biomedical engineering, vol. 8, pp. 64–77, jan 2015.
[31] B. R. Greene, A. O’Donovan, R. Romero-Ortuno, L. Cogan, C. N. Sca-
naill, and R. A. Kenny, “Quantitative falls risk assessment using the

169
 timed up and go test.,” IEEE transactions on bio-medical engineering,
vol. 57, pp. 2918–26, dec 2010.
[32] A. Salarian, F. B. Horak, C. Zampieri, P. Carlson-Kuhta, J. G. Nutt,
and K. Aminian, “iTUG, a sensitive and reliable measure of mobility.,”
IEEE transactions on neural systems and rehabilitation engineering :
a publication of the IEEE Engineering in Medicine and Biology So-
ciety, vol. 18, pp. 303–10, jun 2010.
[33] M. L. Latash and V. M. Zatsiorsky, “Mechanical Work and Energy,”
in Biomechanics and Motor Control, pp. 63–82, Elsevier, 2016.
[34] E. Barry, R. Galvin, C. Keogh, F. Horgan, and T. Fahey, “Is the
Timed Up and Go test a useful predictor of risk of falls in community
dwelling older adults : a systematic review and meta-analysis.,” BMC
geriatrics, vol. 14, p. 14, feb 2014.
[35] G. Thrane, R. M. Joakimsen, and E. Thornquist, “The association
between timed up and go test and history of falls : the Tromsø study.,”
BMC geriatrics, vol. 7, p. 1, jan 2007.
[36] J. Diebel, “Representing Attitude : Euler Angles, Unit Quaternions,
and Rotation Vectors.” 2006.
[37] D. Gordon E Robertson, E. C. Graham, J. Hamill, G. Kamen, and
S. N. Whittlesey, Research methods in biomechanics. Human Kinetics,
2004.
[38] J. B. Saunders, V. T. Inman, and H. D. Eberhart, “The major deter-
minants in normal and pathological gait.,” The Journal of bone and
joint surgery. American volume, vol. 35-A, pp. 543–558, jul 1953.
[39] G. A. Cavagna, F. P. Saibene, and R. Margaria, “External work in
walking.,” Journal of applied physiology, vol. 18, pp. 1–9, jan 1963.
[40] C. P. Bertram, M. Lemay, and G. E. Stelmach, “The effect of Parkin-
son’s disease on the control of multi-segmental coordination.,” Brain
and cognition, vol. 57, pp. 16–20, feb 2005.
[41] X. Zhang, P. Braido, S.-W. Lee, R. Hefner, and M. Redden, “A nor-
mative database of thumb circumduction in vivo : center of rotation
and range of motion.,” Human factors, vol. 47, pp. 550–61, jan 2005.
[42] A. Filippeschi, N. Schmitz, M. Miezal, G. Bleser, E. Ruffaldi, and
D. Stricker, “Survey of Motion Tracking Methods Based on Inertial
Sensors : A Focus on Upper Limb Human Motion.,” Sensors (Basel,
Switzerland), vol. 17, jun 2017.

170
[43] M. Miezal, B. Taetz, and G. Bleser, “On Inertial Body Tracking in the
Presence of Model Calibration Errors.,” Sensors, vol. 16, jul 2016.
[44] L. Bai, M. G. Pepper, Y. Yan, S. K. Spurgeon, M. Sakel, and M. Phil-
lips, “Quantitative assessment of upper limb motion in neurorehabili-
tation utilizing inertial sensors.,” IEEE transactions on neural systems
and rehabilitation engineering : a publication of the IEEE Engineering
in Medicine and Biology Society, vol. 23, pp. 232–43, mar 2015.
[45] S. Springer and G. Yogev Seligmann, “Validity of the Kinect for Gait
Assessment : A Focused Review.,” Sensors, vol. 16, jan 2016.
[46] X. Xu and R. W. McGorry, “The validity of the first and second
generation Microsoft KinectTM for identifying joint center locations
during static postures.,” Applied ergonomics, vol. 49, pp. 47–54, jul
2015.
[47] A. Nez, L. Fradet, P. Laguillaumie, T. Monnet, and P. Lacouture,
“Comparison of calibration methods for accelerometers used in human
motion analysis,” Medical Engineering & Physics, vol. 38, pp. 1289–
1299, nov 2016.
[48] A. Permuy, É. Donzier, and F. Rezgui, “Capteurs microélectroniques,”
Techniques de l’Ingénieur, 2004.
[49] P. Léger, “Gyroscopes mécaniques vibrants,” Techniques de l’Ingé-
nieur, 1999.
[50] D. Xia, C. Yu, and L. Kong,“The development of micromachined gyro-
scope structure and circuitry technology.,” Sensors, vol. 14, pp. 1394–
473, jan 2014.
[51] S. Macintyre, “Magnetic Field Measurement,” in The Measurement,
Instrumentation and Sensors Handbook, CRC Press, feb 1999.
[52] P. Grenet, Système de reconstruction cinématique corps entier : fusion
et exploitation de données issues de MEMS. PhD thesis, jan 2011.
[53] K. Parsa, J. Angeles, and A. Misra, “Pose-and-twist estimation
of a rigid body using accelerometers,” in Proceedings 2001 ICRA.
IEEE International Conference on Robotics and Automation (Cat.
No.01CH37164), vol. 3, pp. 2873–2878, IEEE, 2001.
[54] K. Parsa, J. Angeles, and A. K. Misra, “Rigid-body pose and twist es-
timation using an accelerometer array,” Archive of Applied Mechanics,
vol. 74, pp. 223–236, dec 2004.
[55] L. Chèze, “Biomécanique du mouvement et modélisation musculo-
squelettique,” Techniques de l’Ingénieur, 2014.

171
[56] D. Bartlett, Essentials of Positioning and Location Technology. Cam-
bridge University Press, 2013.
[57] A. M. Sabatini, “Estimating three-dimensional orientation of human
body parts by inertial/magnetic sensing.,” Sensors, vol. 11, pp. 1489–
1525, jan 2011.
[58] G. Wahba, “A Least Squares Estimate of Spacecraft Attitude,” SIAM
Review, vol. 7, p. 409, 1965.
[59] A. Garcia, F. Laurent, and F.-X. Morel, “Le problème de Wahba et
quelques algorithmes de résolution,” 2010.
[60] N. Trawny and S. I. Roumeliotis, “Indirect Kalman Filter for 3D At-
titude Estimation,” tech. rep., Department of Computer Science &
Engineering, University of Minnesota, 2005.
[61] W. Anderson and E. Fritze, “Instrument Approach System Steering
Computer,” Proceedings of the IRE, vol. 41, pp. 219–228, feb 1953.
[62] R. E. Kalman, “A New Approach to Linear Filtering and Prediction
Problems,” Journal of Basic Engineering, vol. 82, p. 35, mar 1960.
[63] K. Lebel, P. Boissy, M. Hamel, and C. Duval, “Inertial measures of
motion for clinical biomechanics : comparative assessment of accu-
racy under controlled conditions - effect of velocity.,” PloS one, vol. 8,
p. e79945, jan 2013.
[64] B. Bouvier, S. Duprey, L. Claudon, R. Dumas, and A. Savescu, “Upper
Limb Kinematics Using Inertial and Magnetic Sensors : Comparison of
Sensor-to-Segment Calibrations.,” Sensors, vol. 15, pp. 18813–18833,
jan 2015.
[65] E. Palermo, S. Rossi, F. Marini, F. Patanè, and P. Cappa, “Experi-
mental evaluation of accuracy and repeatability of a novel body-to-
sensor calibration procedure for inertial sensor-based gait analysis,”
Measurement, vol. 52, pp. 145–155, 2014.
[66] D. Galinski and B. Dehez, “Evaluation of initialization procedures for
estimating upper limb kinematics with MARG sensors,” in 2012 4th
IEEE RAS & EMBS International Conference on Biomedical Robotics
and Biomechatronics (BioRob), pp. 1801–1806, IEEE, jun 2012.
[67] L. S. Vargas-Valencia ;, A. Elias ;, E. Rocon ;, T. Bastos-Filho ;, and
A. Frizera, “An IMU-to-Body Alignment Method Applied to Human
Gait Analysis,” Sensors, vol. 16, p. 2090, dec 2016.
[68] H. Luinge, P. Veltink, and C. Baten, “Ambulatory measurement of
arm orientation,” Journal of Biomechanics, vol. 40, no. 1, pp. 78–85,
2007.

172
[69] J. Favre, R. Aissaoui, B. Jolles, J. de Guise, and K. Aminian, “Func-
tional calibration procedure for 3D knee joint angle description using
inertial sensors,” Journal of Biomechanics, vol. 42, no. 14, pp. 2330–
2335, 2009.
[70] W. de Vries, H. Veeger, A. Cutti, C. Baten, and F. van der Helm,
“Functionally interpretable local coordinate systems for the upper ex-
tremity using inertial & magnetic measurement systems,” Journal of
Biomechanics, vol. 43, no. 10, pp. 1983–1988, 2010.
[71] M. Kok, Probabilistic modeling for sensor fusion with inertial measu-
rements. PhD thesis, PhD. thesis, Linköping University, 2016.
[72] D. Roetenberg, P. Slycke, and P. Veltink, “Ambulatory Position and
Orientation Tracking Fusing Magnetic and Inertial Sensing,” IEEE
Transactions on Biomedical Engineering, vol. 54, pp. 883–890, may
2007.
[73] G. Bleser, G. Hendeby, and M. Miezal, “Using egocentric vision to
achieve robust inertial body tracking under magnetic disturbances,”
in 2011 10th IEEE International Symposium on Mixed and Augmented
Reality, pp. 103–109, IEEE, oct 2011.
[74] M. Kok, J. D. Hol, and T. B. Schön, “An optimization-based approach
to human body motion capture using inertial sensors,” IFAC Procee-
dings Volumes, vol. 47, no. 3, pp. 79–85, 2014.
[75] M. El-Gohary and J. McNames, “Human Joint Angle Estimation with
Inertial Sensors and Validation with A Robot Arm,” IEEE Transac-
tions on Biomedical Engineering, vol. 62, pp. 1759–1767, jul 2015.
[76] M. S. Lee, H. Ju, J. W. Song, and C. G. Park, “Kinematic Model-
Based Pedestrian Dead Reckoning for Heading Correction and Lower
Body Motion Tracking.,” Sensors, vol. 15, pp. 28129–53, nov 2015.
[77] Y. Zheng, K.-C. Chan, and C. C. L. Wang, “Pedalvatar : An IMU-
based real-time body motion capture system using foot rooted kinema-
tic model,” in 2014 IEEE/RSJ International Conference on Intelligent
Robots and Systems, pp. 4130–4135, IEEE, sep 2014.
[78] Q. Yuan and I.-M. Chen, “3-D Localization of Human Based on an
Inertial Capture System,” IEEE Transactions on Robotics, vol. 29,
pp. 806–812, jun 2013.
[79] J. Bjørnstrup, “Estimation of Human Body Segment Parameters -
Historical Background,” Inter Tech- Report, 1996.

173
[80] W. T. W. T. Dempster, “Space requirements of the seated operator :
geometrical, kinematic, and mechanical aspects of the body, with spe-
cial reference to the limbs,” Rapport technique, Wright-Patterson Air
Force Base, OH, 1955.
[81] C.-K. Cheng, H.-H. Chen, C.-S. Chen, C.-L. Lee, and C.-Y. Chen,
“Segment inertial properties of Chinese adults determined from ma-
gnetic resonance imaging,” Clinical Biomechanics, vol. 15, pp. 559–
566, oct 2000.
[82] J. J. Bauer, M. J. Pavol, C. M. Snow, and W. C. Hayes, “MRI-derived
body segment parameters of children differ from age-based estimates
derived using photogrammetry.,” Journal of biomechanics, vol. 40,
pp. 2904–2910, jan 2007.
[83] A. J. Chambers, A. L. Sukits, J. L. McCrory, and R. Cham, “The effect
of obesity and gender on body segment parameters in older adults.,”
Clinical biomechanics, vol. 25, pp. 131–136, feb 2010.
[84] C. L. Vaughan, J. G. Andrews, and J. G. Hay, “Selection of Body
Segment Parameters by Optimization Methods,” Journal of Biome-
chanical Engineering, vol. 104, p. 38, feb 1982.
[85] G. Venture, K. Ayusawa, and Y. Nakamura, “Identification of Hu-
man Mass Properties from Motion,” in System Identification, vol. 15,
pp. 988–993, jul 2009.
[86] K. Ayusawa, G. Venture, and Y. Nakamura, “Identifiability and iden-
tification of inertial parameters using the underactuated base-link dy-
namics for legged multibody systems,” The International Journal of
Robotics Research, vol. 33, pp. 446–468, sep 2013.
[87] T. Monnet, Contribution à l’identification des paramètres inertiels des
segments du corps humain. PhD thesis, Université de Poitiers, nov
2007.
[88] C. Hansen, G. Venture, N. Rezzoug, P. Gorce, and B. Isableu, “An
individual and dynamic Body Segment Inertial Parameter valida-
tion method using ground reaction forces.,” Journal of biomechanics,
vol. 47, pp. 1577–1581, may 2014.
[89] V. Bonnet and G. Venture, “Fast Determination of the Planar Body
Segment Inertial Parameters Using Affordable Sensors.,” IEEE tran-
sactions on neural systems and rehabilitation engineering : a publica-
tion of the IEEE Engineering in Medicine and Biology Society, vol. 23,
pp. 628–635, jul 2015.

174
[90] Y. Ma, K. Lee, L. Li, and J. Kwon, “Nonlinear regression equations
for segmental mass-inertial characteristics of Korean adults estima-
ted using three-dimensional range scan data.,” Applied ergonomics,
vol. 42, pp. 297–308, jan 2011.
[91] A. L. Sheets, S. Corazza, and T. P. Andriacchi, “An automated image-
based method of 3D subject-specific body segment parameter estima-
tion for kinetic analyses of rapid movements.,” Journal of biomecha-
nical engineering, vol. 132, p. 011004, jan 2010.
[92] S. Clarkson, J. Wheat, and S. Choppin, “Assessing the Suitability of
the Microsoft Kinect for Calculating Person Specific Body Segment
Parameters,” Computer Vision - ECCV 2014 Workshops, vol. 8925,
pp. 372–385, 2014.
[93] J. T. McConville, C. E. Clauser, T. D. Churchill, J. Cuzzi, and I. Ka-
leps, “Anthropometric Relationships of Body and Body Segment Mo-
ments of Inertia,” Technical Report AFAMRL-TR-80-119, Aerospace
Medical Research Laboratory, Wright–Patterson Air Force Base, Day-
ton, Ohio., dec 1980.
[94] J. W. Young, R. F. Chandler, C. C. Snow, K. M. Robinette, G. F.
Zehner, and M. S. Lofberg, “Anthropometric and mass distribution
characteristics of the adults female,” Technical Report FA-AM-83-16,
FAA Civil Aeromedical Institute, Oklaoma City, Oklaoma., 1983.
[95] V. M. Zatsiorsky and V. N. Seluyanov, “The mass and inertia charac-
teristics of the main segments of the human body,” in International
Series on Biomechanics, vol. 4 B, pp. 1152–1159, Human Kinetics
Publ Inc, 1983.
[96] V. Zatsiorsky, V. Seluyanov, and L. Chugunova, “Methods of determi-
ning mass-inertial characteristics of human body segments,” Contem-
porary Problems of Biomechanics, pp. 272–291, 1990.
[97] V. Zatsiorsky, V. Seluyanov, and L. Chugunova,“In vivo body segment
inertial parameters determination using a gamma-scanner method,”
Biomechanics of Human Movement : Applications in Rehabilitation,
pp. 186–202, 1990.
[98] V. Zatsiorsky, L. Raitsin, V. Seluyanov, A. Aruin, and B. Prilutzky,
“Biomechanical characteristics of the human body,” Biomechanics and
Performance in Sport, pp. 71–83, 1993.
[99] P. de Leva, “Adjustments to Zatsiorsky-Seluyanov’s segment inertia
parameters,” Journal of Biomechanics, vol. 29, pp. 1223–1230, sep
1996.

175
[100] D. J. Pearsall and J. G. Reid, “The study of human body segment
parameters in biomechanics. An historical review and current status
report.,” Sports medicine, vol. 18, pp. 126–140, aug 1994.
[101] K.-L. Ho Hoang and K. Mombaur, “Adjustments to de Leva-
anthropometric regression data for the changes in body proportions
in elderly humans.,” Journal of biomechanics, vol. 48, pp. 3741–3745,
oct 2015.
[102] M. Hughes, D. Weiner, M. Schenkman, R. Long, and S. Studenski,
“Chair rise strategies in the elderly,” Clinical Biomechanics, vol. 9,
no. 3, pp. 187–192, 1994.
[103] L. Ojeda and J. Borenstein, “Personal Dead-reckoning System for
GPS-denied Environments,” in 2007 IEEE International Workshop
on Safety, Security and Rescue Robotics, pp. 1–6, IEEE, sep 2007.
[104] M. Ren, K. Pan, Y. Liu, H. Guo, X. Zhang, and P. Wang, “A Novel
Pedestrian Navigation Algorithm for a Foot-Mounted Inertial-Sensor-
Based System.,” Sensors, vol. 16, p. 139, jan 2016.
[105] S. Yang and Q. Li, “Inertial sensor-based methods in walking speed
estimation : a systematic review.,” Sensors, vol. 12, pp. 6102–6116,
jan 2012.
[106] W. T. Latt, K. C. Veluvolu, and W. T. Ang, “Drift-free position es-
timation of periodic or quasi-periodic motion using inertial sensors.,”
Sensors, vol. 11, no. 6, pp. 5931–51, 2011.
[107] L.-P. Laurin, V. Jobin, and F. Bellemare,“Sternum length and rib cage
dimensions compared with bodily proportions in adults with cystic
fibrosis.,” Canadian respiratory journal, vol. 19, no. 3, pp. 196–200,
2012.
[108] K. Pearson, “Note on Regression and Inheritance in the Case of Two
Parents,” 1895.
[109] J. Martin Bland and D. Altman, “STATISTICAL METHODS FOR
ASSESSING AGREEMENT BETWEEN TWO METHODS OF CLI-
NICAL MEASUREMENT,” The Lancet, vol. 327, pp. 307–310, feb
1986.
[110] W. G. M. Janssen, J. B. J. Bussmann, H. L. D. Horemans, and H. J.
Stam, “Validity of accelerometry in assessing the duration of the sit-
to-stand movement,” Medical & Biological Engineering & Computing,
vol. 46, pp. 879–887, sep 2008.

176
[111] D. Cameron, R. Bohannon, G. Garrett, S. Owen, and D. Cameron,
“Physical impairments related to kinetic energy during sit-to-stand
and curb-climbing following stroke,” Clinical Biomechanics, vol. 18,
no. 4, pp. 332–340, 2003.
[112] K. Lepetit, C. Hansen, K. Ben Mansour, and F. Marin, “3D location
deduced by inertial measurement units : a challenging problem,” Com-
puter Methods in Biomechanics and Biomedical Engineering, vol. 18,
pp. 1984–85, Aug 2015.
[113] S. Nuzik, R. Lamb, A. VanSant, and S. Hirt, “Sit-to-stand movement
pattern. A kinematic study.,” Physical therapy, vol. 66, pp. 1708–13,
nov 1986.
[114] N. B. Alexander, A. B. Schultz, and D. N. Warwick, “Rising From
a Chair : Effects of Age and Functional Ability on Performance Bio-
mechanics,” Journal of Gerontology : MEDICAL SCIENCES, vol. 46,
no. 3, pp. 91–98, 1991.
[115] D. M. Mijnarends, J. M. Meijers, R. J. Halfens, S. ter Borg, Y. C.
Luiking, S. Verlaan, D. Schoberer, A. J. Cruz Jentoft, L. J. van Loon,
and J. M. Schols, “Validity and Reliability of Tools to Measure Muscle
Mass, Strength, and Physical Performance in Community-Dwelling
Older People : A Systematic Review,” Journal of the American Medi-
cal Directors Association, vol. 14, pp. 170–178, mar 2013.
[116] P. J. Millington, B. M. Myklebust, and G. M. Shambes, “Biomecha-
nical Analysis of the Sit-to-Stand Motion in Elderly Persons,” Arch
Phys Med Rehabilitation, vol. 73, pp. 609–617, 1992.
[117] J. Howcroft, J. Kofman, and E. D. Lemaire, “Review of fall risk as-
sessment in geriatric populations using inertial sensors.,” Journal of
neuroengineering and rehabilitation, vol. 10, p. 91, jan 2013.
[118] K. Lepetit, K. Ben Mansour, S. Boudaoud, K. Kinugawa-Bourron, and
F. Marin, “Evaluation of the kinetic energy of the torso by magneto-
inertial measurement unit during the sit-to-stand movement,” Journal
of Biomechanics, vol. 67, pp. 172–176, jan 2018.
[119] R. Sun and J. J. Sosnoff, “Novel sensing technology in fall risk assess-
ment in older adults : a systematic review,” BMC Geriatrics, vol. 18,
p. 14, dec 2018.
[120] I. Mugueta-Aguinaga and B. Garcia-Zapirain, “Is Technology Present
in Frailty ? Technology a Back-up Tool for Dealing with Frailty in the
Elderly : A Systematic Review.,” Aging and disease, vol. 8, pp. 176–
195, apr 2017.

177
[121] R. Van Lummel, E. Ainsworth, U. Lindemann, W. Zijlstra, L. Chiari,
P. Van Campen, and J. Hausdorff, “Automated approach for quanti-
fying the repeated sit-to-stand using one body fixed sensor in young
and older adults,” Gait & Posture, vol. 38, pp. 153–156, may 2013.
[122] R. Ganea, A. Paraschiv-Ionescu, C. Büla, S. Rochat, and K. Ami-
nian, “Multi-parametric evaluation of sit-to-stand and stand-to-sit
transitions in elderly people.,” Medical engineering & physics, vol. 33,
pp. 1086–93, nov 2011.
[123] W. Zijlstra, R. W. Bisseling, S. Schlumbohm, and H. Baldus, “A body-
fixed-sensor-based analysis of power during sit-to-stand movements.,”
Gait & posture, vol. 31, pp. 272–8, feb 2010.
[124] W. Janssen, D. Kulcu, H. Horemans, H. Stam, and J. Bussmann,
“Sensitivity of Accelerometry to Assess Balance Control During Sit-
to-Stand Movement,” IEEE Transactions on Neural Systems and Re-
habilitation Engineering, vol. 16, pp. 479–484, oct 2008.
[125] H. B. Mann and D. R. Whitney, “On a Test of Whether one of Two
Random Variables is Stochastically Larger than the Other,” 1947.
[126] A. Cerrito, L. Bichsel, L. Radlinger, and S. Schmid, “Reliability and
validity of a smartphone-based application for the quantification of
the sit-to-stand movement in healthy seniors,” Gait & Posture, vol. 41,
pp. 409–413, feb 2015.
[127] M. Galli, V. Cimolin, M. Crivellini, and I. Campanini, “Quantitative
analysis of sit to stand movement : Experimental set-up definition and
application to healthy and hemiplegic adults,” Gait & Posture, vol. 28,
pp. 80–85, jul 2008.
[128] B. Grimm and S. Bolink, “Evaluating physical function and activity
in the elderly patient using wearable motion sensors,” EFORT Open
Reviews, vol. 1, pp. 112–120, may 2016.
[129] C. Moufawad el Achkar, C. Lenbole-Hoskovec, A. Paraschiv-Ionescu,
K. Major, C. Büla, and K. Aminian, “Classification and characteri-
zation of postural transitions using instrumented shoes,” Medical &
Biological Engineering & Computing, pp. 1–10, jan 2018.
[130] N. Millor, P. Lecumberri, M. Gómez, A. Martı́nez-Ramı́rez, and M. Iz-
quierdo, “An evaluation of the 30-s chair stand test in older adults :
frailty detection based on kinematic parameters from a single inertial
unit.,” Journal of neuroengineering and rehabilitation, vol. 10, p. 86,
aug 2013.

178
[131] A. Galán-Mercant and A. I. Cuesta-Vargas, “Differences in Trunk
Accelerometry Between Frail and Nonfrail Elderly Persons in Sit-to-
Stand and Stand-to-Sit Transitions Based on a Mobile Inertial Sen-
sor.,” JMIR mHealth and uHealth, vol. 1, p. e21, aug 2013.
[132] G. R. H. Regterschot, M. Folkersma, W. Zhang, H. Baldus, M. Ste-
vens, and W. Zijlstra, “Sensitivity of sensor-based sit-to-stand peak
power to the effects of training leg strength, leg power and balance in
older adults,” Gait & Posture, vol. 39, pp. 303–307, jan 2014.
[133] M. H. Zweig and G. Campbell, “Receiver-operating characteristic
(ROC) plots : a fundamental evaluation tool in clinical medicine.,”
Clinical chemistry, vol. 39, pp. 561–77, apr 1993.
[134] I. Jolliffe, Principal Component Analysis, Second Edition. Springer,
2002.
[135] J. B. Nikas and W. C. Low, “ROC-supervised principal component
analysis in connection with the diagnosis of diseases.,” American jour-
nal of translational research, vol. 3, pp. 180–96, feb 2011.
[136] R. W. Bohannon, D. J. Bubela, S. R. Magasi, Y.-C. Wang, and R. C.
Gershon, “Sit-to-stand test : Performance and determinants across the
age-span.,” Isokinetics and exercise science, vol. 18, no. 4, pp. 235–240,
2010.
[137] S. T. Hurley, D. J. Rutherford, and C. Hubley-Kozey, “The Effect
of Age and Seat Height on Sit-to-Stand Transfer Biomechanics and
Muscle Activation,” Physical & Occupational Therapy In Geriatrics,
vol. 34, pp. 169–185, oct 2016.
[138] R. V. Lummel, Assessing Sit-to-Stand for Clinical Use. 2017.

179
 180

View publication stats