L’évaluation fiable des forces musculaires du corps humain est hautement souhaitable pour les applications dans le contexte clinique et de recherche, surtout pour les suivis de pathologies musculosquelettiques dans la réadaptation. Plusieurs modèles pour l’évaluation des forces musculaires basés sur la mesure non invasive ont été proposés depuis 1836. Le modèle de Crowninshield et Brand [1] (1981), qui maximise une fonction coût en représentant l’endurance des fibres musculaires, est un des modèles les plus populaires dans la littérature. Il est à noter que ce modèle est largement utilisé nonobstant sa limitation majeure de la cohérence physiologique. Forster et al. [2] (2004) a signalé que les critères d’optimisation conventionnels sont inadéquats dans la prédiction de la co-contraction musculaire. Ils ont proposé un modèle avancé pour trouver une meilleur solution pour ce problème. De plus, les méthodes d’électromyographie (EMG) qui sont basées directement sur les caractéristiques des signaux EMG sont aussi développées pour accéder aux forces musculaires. Toutefois, cette approche n’est pas largement adoptée à cause de sa complexité d’usage et la nécessité de calibration avant chaque test. Néanmoins, les méthodes d’EMG peuvent conduire à l’identification de fonctions coût plus avancées, qui produit des prédictions plus cohérentes avec l’activation physiologique des muscles par rapport aux fonctions coût sans EMG, et elles sont plus facile à utiliser par rapport aux méthodes basées directement sur les signaux EMG. L’objectif de ce mémoire est de proposer la première fonction coût en combinant les données cinématiques et EMG pour la quantification des forces musculaires pendant le mouvement. La cohérence entre la prédiction de notre méthode et la solution EMG est 18.8% plus élevée qu’avec la méthode de Crowninshield sur une base des données de 17 sujets.

A reliable evaluation of muscle forces in the human body is highly desirable for several applications in both clinical and research contexts, especially for the follow-up of musculoskeletal pathologies in rehabilitation. Several models of muscle force distribution based on non-invasive measurements have been proposed since 1836, amongst which Crowninshield et Brand [1]’s (1981), which maximizes a cost-function representing the muscle fiber endurance, is the most popular. It is worth noting that this model is the most widely adopted notwithstanding its major limitations of physiological coherence. Forster et al. [2] (2004) pointed out that these conventional optimization criteria are inadequate in predicting muscle co-contraction, and proposed an improved model to deal with this problem. Moreover, electromyographic (EMG)-driven models have been proposed to assess individual muscle forces, which are based directly on the measured EMG patterns. However, this approach has not been broadly adopted, because of its complexity and the necessity of calibration before each test. Nevertheless, the EMG-driven approach could lead to the identification of more advanced cost-functions, which would be more in line with the muscle physiological activations compared to the EMG-free cost-functions, and easier to use than the evaluation using directly the EMG signals. The objective of this paper is to propose the first cost-function combining kinematic and EMG data for the quantification of muscle forces during movement. The muscle force prediction of our method performs 18.8% higher coherence with the EMG solution than the prediction of Crowninshield’s method when tested on a database of 17 subjects.