Quantification de la fatigue musculaire par électromyographie de surface : intérêts des systèmes multicanaux

Science & Motricité c ACAPS, EDP Sciences, 2010 DOI: 10.1051/sm/2010009 Quantification de la fatigue musculaire par électromyographie de surface : intérêts des systèmes multicanaux S.S. Colson Université de Nice Sophia-Antipolis, Laboratoire Motricité Humaine, Éducation, Santé (LAMHES - URE 02), UFR STAPS de Nice, 261 route de Grenoble, BP 3259, 06205 Nice Cedex 3, France Reçu le 1 er mars 2010 Accepté le 31 mars 2010 Résumé. La fatigue a été étudiée à partir de différents modèles d exercice musculaire, de protocoles et de méthodes d évaluation. Puisqu un signal électromyographique de surface contient des informations sur les caractéristiques neurophysiologiques et morphologiques des muscles actifs, l électromyographie de surface (EMGs) a été utilisée pour étudier la fatigue musculaire. Le caractère non invasif de cette technique est particulièrement intéressant, bien que le signal électromyographique enregistré soit complexe. De nouvelles méthodes EMGs (i.e., électrodes en ligne, systèmes multicanaux, EMGs haute-densité ) ont été récemment développées afin de permettre de mieux apprécier les mécanismes neurophysiologiques qui sous-tendent l apparition de la fatigue. Cet article présente les avancées technologiques majeures dans le développement et l intérêt de ces méthodes pour quantifier la fatigue musculaire. Mots clés : Électromyographie multicanaux, électrodes en ligne, électromyographie de surface haute-densité, fatigue Abstract. Quantification of muscular fatigue with surface electromyography: relevance of multichannel systems. Human muscle fatigue has been studied using a wide variety of exercise models, protocols and assessment methods. Because a surface electromyographic signal contains information about neurophysiological and morphological characteristics of the active muscle, surface electromyography (semg) was extensively used to study muscle fatigue. The non-invasive nature of this technique is particularly appealing although the electromyographic signal recorded at the skin level is complex and includes an important quantity of information. New semg methods (i.e., linear array electrodes, multichannel recordings, high-density semg) have been lately developed in order to allow insight into neuromuscular physiology related to muscle fatigue. This paper gives an overview of important advances in the development and interest of these semg methods to quantify muscle fatigue. Key words: Multichannel electromyography, linear array electrodes, high-density surface electromyography, fatigue Introduction Les premiers enregistrements de l activité myoélectrique globale ou électromyographie de surface (EMGs) au cours d une contraction volontaire chez l homme ont étéréalisés au début du 20 e siècle. Du fait de son caractère non invasif, l EMGs est une des techniques les plus couramment utilisées pour évaluer les caractéristiques neurophysiologiques et morphologiques des muscles striés squelettiques. L EMGs consiste à recueillir, au moyen d une ou plusieurs électrodes placées à la surface de la peau, les potentiels électriques se propageant au niveau des fibres musculaires actives au cours d une contraction (Basmajian & De Luca, 1985). Plus précisément, le signal enregistrécorrespondà la sommedes différentes contributions électriques des unités motrices (UMs) actives. L EMGs est un signal complexe contenant des informations relatives aux caractéristiquesde ces UMs (i.e., taille des UMs, recrutement, fréquence de décharge, type de fibres musculaires,...).danslamesureoù, l EMGs est corrélée àla capacité de production de force, cette technique est classiquement utilisée pour étudier la fonction musculaire lors de différents types de sollicitation musculaire. Chez l Homme, la fatigue musculaire a été investiguée dans des conditions expérimentales variées, et l EMGs a très souvent été considérée comme une des Article publié par EDP Sciences

2 Science & Motricité méthodes permettant de l évaluer (Bigland-Ritchie, 1981 ; De Vries, 1968 ; Moritani et al., 1982). Malgré les limites de l application de l EMGs inhérentes au recueil et à l interprétation des signaux, cette méthode est classiquement utilisée pour quantifier la fatigue musculaire locale. En effet, l EMGs est une technique : (i) non-invasive, (ii) applicable in situ, (iii) permettant un suivi de la fatigue en temps réel au cours de l exécution d un exercice donné et, (iv) renseignant sur les variations biochimique et neurophysiologique au niveau des muscles enregistrés. L objet de cet article vise à présenter les récentes avancées technologiques en matière d EMGs et leur intérêt dans l évaluation de la fatigue musculaire. Après une introduction concernant l historique du développement des techniques d EMGs, seront abordées la distribution spatio-temporelle des signaux électromyographiques, les manifestations myoélectriques de la fatigue et les méthodes de recueil de l activité EMGs à partir de systèmes d électrodes en ligne et de matrices d électrodes. 1 Historique du développement des techniques d EMGs Les premières observations relatives aux modifications du signal électromyographique au cours de la fatigue datent du début du siècle dernier (Piper, 1912). Cet auteur a remarqué un ralentissement des signaux myoélectriques (i.e., baisse de fréquence) recueillis au cours d une contraction statique maintenue. En plus de ce déplacement de fréquences, Cobb & Forbes (1923) ont indiqué que l amplitude du signal myoélectrique augmentait au cours d une contraction statique fatigante. En ce sens, une augmentation de l amplitude du signal électromyographique a été rapportée par Knowlton et al. (1951) et un déplacement du spectre de puissance du signal électromyographique vers les basses fréquences a été observépourlapremière fois par Kogi & Hakamada (1962). Lindström et al. (1970) furent parmi les précurseurs de l utilisation de l EMGs dans l observation de la fatigue musculaire localisée. Depuis ces travaux, de nombreuses études se sont intéressées aux manifestations de la fatigue musculaire à partir d enregistrement de signaux électromyographiques (De Luca, 1984 ; Dimitrova & Dimitrov, 2003 ; Jurell, 1998 ; Merletti & Roy, 1996). Afin d augmenter et d améliorer la qualité et la quantité d information générée par un signal électromyographique recueilli à partir d un montage bipolaire, des systèmes composés de plusieurs électrodes (i.e., plus de deux) se sont progressivement développés. Les premiers systèmes de détection des signaux électromyographiques en plus d un point, ont été proposés dans les années 1980 (Masuda et al., 1983). Depuis ces travaux pionniers, les méthodes d enregistrement par EMGs, grâce à plusieurs électrodes (i.e., EMGs multicanaux), se sont considérablement développées. Deux principaux types de montages ont été utilisés : (i) les électrodes sont disposées en ligne ou linear array electrodes (Merletti et al., 2003) et, (ii) les électrodes sont disposées en plusieurs lignes longitudinales et transversales formant ainsi une matrice d électrodes (Prutchi, 1995 ; Roeleveld et al., 1997b). Sur la base de ces travaux, la méthode par EMGs haute-densité (HD-EMGs), reposant sur l utilisation d une matrice d électrodes où la taille des électrodes et la distance inter-électrodes ont été diminuées, a été développée (Blok et al., 2002). Outre les différentes possibilités de montages, une des principales raisons de l augmentation du nombre d électrodes est de pouvoir accroître le nombre de points de recueil du signal. De cette façon, les informations topographiques concernant la répartition de l activité électrique au niveau d un muscle ou les relations temporelles d activation entre les différents muscles deviennent accessibles. Enfin, un des intérêts majeur de l utilisation de matrices d électrodes est de pouvoir obtenir des informations concernant, non seulement l évolution temporelle du signal, mais aussi son évolution spatiale (Merletti et al., 2003 ;Stegemanet al., 2000 ; Zwarts & Stegeman, 2003). 2 Distribution spatio-temporelle des signaux électromyographiques La distribution des potentiels électriques au niveau de la peau et son évolution dans le temps est liée aux processus physiologiques qui sous-tendent la génération du signal électromyographique. Les sources de potentiels électriques correspondent aux zones de dépolarisation des fibres musculaires actives (i.e., la propagation des potentiels d action intracellulaires de la plaque motrice vers les tendons, le long de la fibre musculaire et ce, dans les deux directions opposées). Le signal électromyographique évolue en trois dimensions avec deux dimensions spatiales (au niveau du plan de la peau) et une dimension temporelle. Sa détection en un point particulier permet d obtenir un signal en fonction du temps avec les deux coordonnées spatiales fixes au niveau du point de détection. Si le signal est détecté avecplusieursélectrodes placées le long de l un des deux axes, avec l autre fixe, le signal résultant recueilli est en deux dimensions, l une spatiale et l autre temporelle. Enfin, un signal recueilli avec deux dimensions spatiales permet d obtenir un signal en trois dimensions. Un signal électromyographique en trois dimensions peut être observé en prenant pour référence n importe quel système de coordonnées spatiales. Par contre, si on considère un système cartésien, constitué d unaxeparallèle à la direction des fibres et d un autre perpendiculaire, les coordonnées spatiales longitudinales et les coordonnées temporelles deviennent corrélées. Dans un tel système, un potentiel électrique généré par une fibre musculaire peut être interprété, dans l intervalle de temps entre sa génération au niveau de la plaque motrice et avant le début de son extinction au niveau du tendon, comme une onde se déplaçant dans un seul plan. Dans

Fatigue et électromyographie de surface 3 cet intervalle de temps, le déplacement des potentiels électriques recueillis (i.e., dans la direction parallèle aux fibres musculaires) correspond à la vitesse de conduction des potentiels d actions (VCPA). Ainsi, le recueil de signaux électromyographiques à partir de plusieurs électrodes disposées en ligne peut se faire dans n importe quelle direction d un système de coordonnées spatiales. Toutefois, les deux directions définies par l orientation des fibres musculaires et l axe perpendiculaire à cette direction revêtent un intérêt particulier. Le placement de plusieurs électrodes alignées le long de la fibre musculaire permet, par exemple, d étudier les processus de génération, propagation et extinction des potentiels électriques le long de la fibre musculaire. Au contraire, un placement d électrodes selon l axe perpendiculaire à celui de la fibre musculaire permet d analyser le taux de diminution de l amplitude du potentiel lorsqu il s éloigne de son origine. 3 Manifestations myoélectriques de la fatigue Les caractéristiques d un signal électromyographique sont liées, non seulement aux propriétés neurophysiologiques et morphologiques des muscles striés squelettiques, mais aussi à leur changement d état au cours de contractions induisant une fatigue musculaire. Par exemple, à la suite d un exercice musculaire épuisant, réalisé à partir de contractions musculaires maximales ou sous-maximales, une altération de la performance associée à des modifications du signal électromyographique est généralement observée (De Luca, 1984 ; Jurell, 1998). Ces modifications affecteraient le couplage excitation-contraction (i.e., propriétés de la membrane musculaire et propagation des potentiels d action musculaire) conduisant à des manifestations électromyographiques de la fatigue musculaire distinctes de celles observées sur le plan mécanique (Bigland-Ritchie, 1981 ; Moritani et al., 1982). Toutefois, la difficulté d interprétation des variations d un signal électromyographique réside dans le fait que la fatigue peut être induite par diverses formes de sollicitation musculaire (i.e., contractions musculaires maximales, sousmaximales continues ou intermittentes, produites dans des conditions statiques ou dynamiques, de façon volontaire ou involontaire). Lors de contractions maximales volontaires maintenues, une diminution constante de l amplitude du signal électromyographique est observée (Stephens & Taylor, 1972). Les mécanismes généralement invoqués sont une diminution de la fréquence de décharge des UMs (Bigland-Ritchie et al., 1979), une réduction de potentiel de membrane et une baisse de la VCPA des UMs (Lindström et al., 1970). La VCPA diminue quasi systématiquement au cours d un exercice fatigant pour un niveau de force modéré à maximal. Depuis les observations faites par Lindström et al. (1970), le ralentissement de la VCPA est un phénomène largement confirmé (Merletti et al., 1992 ; Merletti & Roy, 1996). De façon concomitante à la diminution de VCPA, le contenu fréquentiel du signal électromyographique se déplace vers les basses fréquences. La baisse des fréquences moyenne et médiane du spectre de puissance est généralement attribuée à la chute de la VCPA, bien qu une synchronisation de la fréquence de décharge des UMs puisse aussi être invoquée (Hagg, 1992). Le fait qu un ralentissement du contenu fréquentiel du signal électromyographique ait été rapporté sans aucune modification de VCPA ou dans des proportions dépassant les changements VCPA (Bigland-Ritchie et al., 1981) a conduit certains auteurs à conclure que d autres facteurs pouvaient contribuer aux changements observés au niveau du spectre de puissance, même si ces derniers ne sont pas clairement élucidés (Dimitrova & Dimitrov, 2003). Lors de contractions volontaires sous-maximales (i.e., le maintien d un niveau de force donné jusqu à épuisement, par exemple) l amplitude du signal électromyographique, généralement quantifié parlavaleur RMS (Root Mean Square) ou l EMG intégré, augmente au fur et à mesure de l exercice fatigant (De Luca, 1984). Ce phénomène serait principalement dû à des variations du recrutement et de la fréquence de décharge des UMs, bien que la plupart des travaux l expliquent majoritairement par un recrutement d UMs supplémentaires (Jurell, 1998). La modification de la fréquence de décharge des UMs est un sujet encore très controversé. Toutefois, il semblerait que la modification de la fréquence de décharge des UMs soit fortement dépendante du recrutement d UMs additionnelles. En effet, bien que la fréquence décharge des UMs diminue au début d une contraction fatigante, une augmentation est systématiquement observée lorsque de nouvelles UMs sont recrutées afin de maintenir le niveau de force requis (Adam & De Luca, 2005). Contrairement aux variations concernant la fréquence de décharge des UMs, il est bien admis que l augmentation de valeur RMS correspond à un recrutement d UMs additionnelles (Viitasalo & Komi, 1977). Ce mécanisme d adaptation a pour but de limiter la diminution de la capacité deproduction de force des UMs déjà actives (Bigland-Ritchie et al., 1986). Concernant le contenu fréquentiel du signal électromyographique, une augmentation du spectre puissance dans les fréquences basses, associée à une diminution dans les fréquences hautes, induisant une baisse des fréquences moyenne et médiane, sont généralement rapportées (Bigland-Ritchie et al., 1981 ; Lindström et al., 1970). L ensemble des répercussions de la fatigue musculaire sur le signal électromyographique au cours de contractions isométriques volontaires sous-maximales ont été clairement illustrées (Merletti & Roy, 1996). Toutefois, l enregistrement classique de signaux électromyographiques par détection bipolaire limite la compréhension des mécanismes sous-jacents accompagnant les modifications du signal. C est dans ce contexte que d autres méthodes de recueil et de traitement des signaux

4 Science & Motricité électromyographiques ont été développées ces dernières années. 4 Les systèmes par EMGs avec électrodes en ligne Le recueil de signaux électromyographiques àpartirde plusieurs électrodes disposées en rang est défini comme une méthode d enregistrement par électrodes en ligne ou linear array electrodes (Merletti et al., 2003). Masuda et al. (1983) ont initialement proposé des systèmes linéaires comprenant jusqu à seize électrodes mettant en évidence d importantes applications pour l analyse des propriétés musculaires anatomiques et pour l estimation de la VCPA. Le fait d avoir recours à une méthode de recueil de signaux électromyographiques à partir d électrodes en ligne permet par exemple d identifier les propriétés anatomiques et/ou topographiques des UMs, l emplacement de la zone d innervation et d en déduire ainsi, la position optimale pour une paire d électrodes. La zone d innervation des UMs est identifiable sur le signal électromyographique recueilli comme le point correspondant à l inversion des potentiels électriques détectés. De plus, l atténuation du signal aux extrémités des rangs d électrodes indique la proximité d une zone tendineuse. Ainsi, ces systèmes peuvent être utilisés pour analyser la sensibilité des signaux électromyographiques due au placement des électrodes. Une des premières applications de l utilisation de tels systèmes a permis de démontrer que les signaux électromyographiques et les indices de fatigue variaient considérablement en fonction du positionnement des électrodes et de l anatomie musculaire. Ces systèmes peuvent être aussi très utiles afin de déterminer les zones musculaires où les variations des signaux sont minimes, permettant de réduire la variabilité dusignal lorsqu il est nécessaire de repositionner des électrodes (i.e., entre des sessions d évaluation) et lors du mouvement des muscles par rapport aux électrodes (i.e., dans les conditions dynamiques) (Farina et al., 2002c). Ces auteurs ont indiqué queledéplacement de la zone d innervation lors de mouvements dynamiques pouvait être négligeable, mais qu elle pouvait aussi varier de 3 cm pour certains muscles de la cuisse (Farina et al., 2001). Il peut dès lors être suggéréquelessystèmes d électrodes en ligne puissent être utilisés dans des conditions dynamiques afin de sélectionner la, ou les meilleures paires d électrodes recueillant un signal électromyographique optimal. Les systèmes d électrodes en ligne permettent dans une moindre mesure de décomposer le signal électromyographique en trains de potentiels d actions des UMs actives le composant. Cette approche nécessite l identification et la classification des potentiels d action, information généralement obtenue àpartird enregistrements électromyographiques intramusculaires. Si les potentiels d action des UMs actives recueillis en surface sont tous différents les uns des autres, il est théoriquement possible de distinguer les patterns de décharge des UMs par EMGs. Dans le cas contraire, les potentiels d action ne peuvent être considérés comme générés par des UMs distinctes. Bien que la technique n en soit qu à sesprémices, il a été montré que l identification des potentiels d actions unitaires des UMs était réalisable et qu elle pouvait être appliquée à l étude de la fatigue musculaire (Gazzoni et al., 2001). Cependant, les patterns complets de fréquence de décharge des UMs ne peuvent être totalement identifiés. En effet, et contrairement aux enregistrements par voie intramusculaire, le nombre d UMs avec des potentiels d action en surface significativement différents les uns des autres est très faible lorsque les enregistrements se font avec seulement quelques électrodes (Farina et al., 2008b). Un recueil monopolaire ou bipolaire des signaux permet d identifier moins de 5 % des UMs dans des conditions simulée ou expérimentale (Farina et al., 2008b) alors que le nombre d UMs identifiable peut considérablement augmenter (i.e., plus de 80 %) avec le nombre de canaux utilisés (Kleine et al., 2007). Dès lors, bien que dans certains cas particuliers, l activité desumsapuêtre identifiée grâce à quelques canaux (De Luca et al., 2006), les techniques avecmatrice d électrodes seront plus appropriées pour décomposer le signal électromyographique (Kleine et al., 2007). Parmi les paramètres quantifiables à partir de l EMGs, la VCPA est probablement l un des plus intéressants, en raison de son importance physiologique directe. L avantage des systèmes d électrodes en ligne est de pouvoir estimer la VCPA en comparant le délai temporel entre deux signaux consécutifs, à condition que les électrodes soient alignées dans le sens de la fibre musculaire. Un nombre important d électrodes permet de diminuer la variabilitédelavcpa(farinaet al., 2000, 2002a) et, par conséquent, ses variations au cours d un exercice fatigant (Farina et al., 2002a). Cependant, chaque fibre a des caractéristiques propres de propagation des potentiels électriques qui dépendent de sa structure et sa fonction. Puisque la fatigue musculaire n affecte pas similairement toutes les UMs, il semble plus pertinent de s intéresser aux modifications de la distribution de la VCPA plutôt qu à sonévolution moyenne globale. En effet, la fatigue étant généralement spécifique de la tâche à accomplir, la modification de la propagation des potentiels électriques spécifique à un certain type d UMs, n affecterait qu une partie de la distribution de la VCPA, ce qui n est pas idéalement représenté par la valeur moyenne. Dans ce contexte, les systèmes d électrodes en ligne ont démontré leur intérêt et leur fiabilité (Farina et al., 2000), mais les systèmes EMGs composés d une matrice d électrodes permettrait de s affranchir de positionner les électrodes de façon parallèle aux fibres musculaires. 5 Les systèmes par EMGs avec matrice d électrodes Monster et Chan (1980) ontété les premiers à positionner des électrodes perpendiculairement aux fibres musculaires

Fatigue et électromyographie de surface 5 afin d étudier la distribution spatiale des signaux électromyographiques. Le premier développement technique de systèmes par EMGs avec matrice d électrodes a été décrit par Prutchi (1995) et ce n est que très récemment que la méthode d EMGs multicanaux hautedensité (HD-EMGs) s est développée (Blok et al., 2002). Le nombre d électrodes a été augmenté alors que la taille des électrodes et la distance inter-électrodes ont été diminuées. Ces systèmes permettent d affiner les informations relatives aux propriétés anatomiques et/ou topographiques des UMs telles que la détermination de la profondeur ou encore l estimation de la taille des UMs (Roeleveld et al., 1997a, 1997b, 1998). Bien que ces méthodes soient encore approximatives, leur fondement est prometteur et leur amélioration pourrait concerner de nombreuses applications cliniques liées au processus de dénervation/ré-innervation résultant d un changement de la taille des UMs rencontré lors de certaines pathologies ou lors du vieillissement. Lors de contractions volontaires, les potentiels d action des différentes UMs actives se superposent pour former un pattern d interférences complexe. Les caractéristiques de ce pattern peuvent être associées au niveau d activation musculaire utilisant une représentation topographique de l EMGs (i.e., une carte représentant les potentiels électriques ; Kleine et al., 2000). L analyse de ces représentations topographiques peut fournir des informations indirectes sur le recrutement spatial des UMs. Les variations d amplitude de la distribution d un signal électromyographique indiqueraient une activation spatiale hétérogène des muscles lors de contractions isométriques à différents niveaux de force (Kleine et al., 2000). En d autres termes, les différentes parties d un muscle sont principalement activées en fonction du niveau de force requis. Une telle hétérogénéité peut s expliquer par le fait que les différents types de fibres musculaires ne sont pas distribués au hasard, mais organisés par zones, avec des propriétés histochimiques différentes en fonction des fibres musculaires qui les composent. Ainsi, dans un muscle avec ces caractéristiques, le recrutement des UMs selon le principe de taille induit une activation spatiale non homogène des UMs en fonction des variations du niveau de force (Falla & Farina, 2008 ; Holtermann et al., 2005, 2006, 2008b). Par ailleurs, il a été démontré que cette activation spatiale non homogène des UMs variait également au cours de contractions maintenues (Falla & Farina, 2008 ; Farina et al., 2008a; Holtermann et al., 2008a, 2008b). Par conséquent, l utilisation de l EMGs avec matrice d électrodes permet, en partie, d identifier les stratégies de recrutement des UMs contrairement à un enregistrement bipolaire classique. L identification de la zone d innervation musculaire est nécessaire pour réaliser un enregistrement électromyographique bipolaire classique. À ce jour, seules deux méthodes utilisant l EMGs avec matrice d électrodes ont été proposées pour déterminer automatiquement la zone d innervation. La premièredéfinit la zone d innervation comme l endroit correspondant à l enregistrement bipolaire de signaux ayant la plus faible valeur RMS (Rainoldi et al., 2004). Cette méthode est relativement simple et rapide, mais pas totalement fiable. L autre méthode est baséesurleprincipeduflotoptique(östlund et al., 2007). Le flot optique est un champ de déplacement visuel qui permet d expliquer des variations dans une image animée en termes de déplacement de points images (i.e., un champ vectoriel décrivant le mouvement entre deux images). Puisque les systèmes électromyographiques avec matrice d électrodes peuvent être considérés comme représentant des images décrivant la distribution des potentiels électriques, le flot optique peut, en conséquence, illustrer les mouvements de ces potentiels au niveau cutané. Ainsi, la zone d innervation peut être considérée comme étant à l origine du flot (Karlsson et al., 2009). La décomposition du signal électromyographique en trains de potentiels d actions d UMs, prend tout son intérêt avec les matrices d électrodes du fait du recueil simultané de signaux électriques àdifférents endroits du muscle, permettant d étudier l activation des UMs selon une dimension spatiale (Zwarts & Stegeman, 2003). Bien que l électromyographie intramusculaire reste la méthode la plus appropriée pour analyser l activité spécifique d une unité motrice, les matrices d électrodes peuvent être intéressantes dans des conditions où l insertion d électrodes aiguilles n est pas souhaitable ou possible (i.e., lors de contractions dynamiques, en ergonomie sportive, en clinique,... ). Les trains de potentiels d actions des UMs actives ont pu, dans certains cas, être déterminés à partir de méthodes d analyse relativement simples (Farina et al., 2004) mais leur identification nécessite généralement l application de procédures complexes de traitement du signal électromyographique (Block et al., 2002 ; Karlsson et al., 2009). Ces dernières années, plusieurs auteurs se sont intéressés à la décomposition du signal électromyographique avec matrice d électrodes, mais de nombreuses limitations techniques (i.e., acquisition du signal, qualité du contact peau/électrode, traitement du signal) ne permettent pas encore d utiliser ces méthodes en routine, même pour de faibles niveaux de force (Karlsson et al., 2009 ; Merletti et al., 2008). Avec les systèmes d EMGs avec matrice d électrodes, la détermination de la VCPA est facilitée par rapport aux systèmes d électrodes en lignes, du fait de l orientation des fibres musculaires pas nécessairement parallèles aux électrodes au niveau de la zone de recueil du signal. Bien que l effet de la variation d angle entre l orientation des fibres musculaires et les systèmes de recueil des signaux soit faible en théorie, placer des électrodes dans l alignement des fibres musculaires est contraignant sur le plan méthodologique (i.e., certains muscles ont des zones où les fibres ne sont pas orientées selon le même angle, les angles des fibres peuvent varier en fonction du niveau de contraction musculaire,...).ceproblème a étéinvestigué par Grönlund et al. (2005), grâce à une approche permettant d estimer simultanément la VCPA et l orientation des fibres musculaires. Cette méthode repose, en partie,

6 Science & Motricité sur la représentation topographique de la distribution des potentiels électriques et permet également d avoir une représentation spatiale de la VCPA. Ainsi, il a été observé que la VCPA du muscle trapezius descendens pouvait non seulement être influencée par la fatigue, mais que la représentation spatiale de la VCPA évoluait à la fois lors de contractions isométriques à différents niveaux de force et lors de contractions fatigantes (Holtermann et al., 2008b). Ces auteurs montrent également que les modifications de la représentation spatiale de la VCPA varient de façon importante d un individu à l autre. Ces résultats mettent clairement en évidence les possibilités offertes par l EMGs avec matrice d électrodes par rapport à un enregistrement bipolaire classique dans l analyse de la VCPA au cours de contractions fatigantes. La synchronisation des UMs, processus par lequel différentes UMs actives vont présenter une fréquence de décharge simultanée, peut également être investiguée avec de tels systèmes. La synchronisation de la fréquence de décharge UMs a été observée au cours de la fatigue, chez des sujets entraînés et chez des patients atteints de lésions du système nerveux central (Karlsson et al., 2009). La quantification de la synchronisation des UMs est généralement obtenue par électromyographie intramusculaire, même si cette technique ne permet d enregistrer qu une faible partie des UMs actives. Plus récemment, cette synchronisation a été analysée par EMGs (Kleine et al., 2001) et bien qu elle soit dépendante de facteurs neurophysiologiques d origine centrale, un signal électromyographique est également influencé par des facteurs périphériques. Ainsi, la synchronisation des UMs a été, en partie, quantifiée par des études de simulation (Farina et al., 2002b; Grönlund et al., 2009). Une des méthodes permettant d étudier la synchronisation des UMs à partir de l EMGs est fondée sur une approche d analyse de signaux non linéaires, afin de détecter les changements d état d un signal électromyographique : l analyse quantitative de la récurrence (Webber et al., 1995). Bien que cette méthode ait démontré sasensibilité dans la quantification de la synchronisation des UMs (Farina et al., 2002b), elle est extrêmement dépendante de la moyenne de la VCPA et des résultats contradictoires ont été observés (Dideriksen et al., 2009 ; Morana et al., 2009). Ainsi, la quantification de la synchronisation des UMs à partir de l EMGs au cours d un exercice fatigant, est limitée du fait de l évolution concomitante de la synchronisation des UMs et de la VCPA (Karlsson et al., 2009). Dans ce contexte, Grönlund et al. (2009) ont proposé un modèle de détermination de la synchronisation des UMs fondé sur l asymétrie des potentiels d action des UMs recueillis de façon monopolaire. Cette méthode ayant démontré une faible dépendance de la synchronisation des UMs à la VCPA, ces auteurs ont suggéré qu elle pouvait être utilisée pour quantifier la synchronisation des UMs lors d exercices fatigants. Depuis, seuls Holtermann et al. (2009) ont pu mettre en évidence une augmentation de la synchronisation des UMs du muscle biceps brachii au cours d une contraction fatigante. Ces auteurs montrent que la synchronisation des UMs doit être déterminée à partir d un nombre important d UMs et qu elle est dépendante du positionnement des électrodes, d où la nécessité d identifier la zone d innervation. Ces dernières observations renforcent la nécessité d avoir recours à l EMGs avec matrice d électrodes lors de l investigation des propriétés des UMs. 6 Conclusion Tout au long de ses avancées technologiques, l EMGs a été principalement utilisée comme une méthode non invasive permettant à la fois de caractériser la structure et la fonction du système neuromusculaire, et de quantifier les variations d état de ce système au cours de différentes conditions de sollicitation. Passées outre les considérations méthodologiques de recueil et de traitement du signal, l EMGs représente une méthode non invasive fiable pour analyser la fatigue musculaire. Du fait de la nature complexe du signal EMGs, de nouvelles méthodes de recueil se sont progressivement développées permettant d augmenter les possibilités d interprétation des informations contenues dans celui-ci. Toutefois, cette interprétation ne peut se faire sans un traitement du signal très approfondi (Cifrek et al., 2009 ; Karlsson et al., 2009 ; Merletti et al., 2003 ; Zwarts & Stegeman, 2003). L un des progrès majeur dans la détection et l analyse du signal électromyographie de surface a été d avoir la possibilité d identifier les caractéristiques des UMs. D autres résultats encourageants ont été obtenus grâce aux systèmes par EMGs avec électrodes en ligne et matrices d électrodes. Bien que ces méthodes présentent encore des limites et exigent des opérateurs qualifiés pour leur application, il est probable que, dans un avenir proche, ces techniques se généralisent pour l étude de la fonction musculaire globale et de l activité desums.particulièrement prometteuses, ces techniques demandent, toutefois, un développement des procédures d automatisation du traitement et de la quantification du signal, afin qu elles puissent être appliquées par n importe quel utilisateur. Bibliographie Adam, A., & De Luca, C.J. (2005). Firing rates of motor units in human vastus lateralis muscle during fatiguing isometric contractions. Journal of Applied Physiology, 99, 268-280. Basmajian, J.V., & De Luca, C.J. (1985). Muscles Alive: their Function Revealed by Electromyography. Baltimore: Williams & Wilkins. Bigland-Ritchie, B. (1981). EMG/force relations and fatigue of human voluntary contractions. Exercise and Sport Sciences Reviews, 9, 75-117.

Fatigue et électromyographie de surface 7 Bigland-Ritchie, B., Jones, D.A., & Woods, J.J. (1979). Excitation frequency and muscle fatigue: electrical responses during human voluntary and stimulated contractions. Experimental Neurology, 64, 414-427. Bigland-Ritchie, B., Donovan, E.F., & Roussos, C.S. (1981). Conduction velocity and EMG power spectrum changes in fatigue of sustained maximal efforts. Journal of Applied Physiology, 51, 1300-1305. Bigland-Ritchie, B., Cafarelli, E., & Vollestad, N.K. (1986). Fatigue of submaximal static contractions. Acta Physiologica Scandinavica, 556, 137-148. Blok, J.H., Van Dijk, J.P., Drost, G., Zwarts, M.J., & Stegeman, D.F. (2002). A high-density multichannel surface electromyography system for the characterization of single motor units. Review of Scientific Instruments, 73, 1887-1897. Cifrek, M., Medved, V., Tonkovic, S., & Ostojic, S. (2009). Surface EMG based muscle fatigue evaluation in biomechanics. Clinical Biomechanics, 24, 327-340. Cobb, S., & Forbes, A. (1923). Electromyographic studies of muscular fatigue in man. American Journal of Physiology, 65, 234-251. De Luca, C.J. (1984). Myoelectrical manifestations of localized muscular fatigue in humans. Critical Reviews in Biomedical Engineering, 11, 251-279. De Luca, C.J., Adam, A., Wotiz, R., Gilmore, L.D., & Nawab, S.H. (2006). Decomposition of surface EMG signals. Journal of Neurophysiology, 96, 1646-1657. De Vries H.A. (1968). Method for evaluation of muscle fatigue and endurance from electromyographic fatigue curves. American Journal of Physical Medicine, 47, 125-135. Dideriksen, J.L., Falla, D., Baekgaard, M., Mogensen, M.L., Steimle, K.L., & Farina, D. (2009). Comparison between the degree of motor unit short-term synchronization and recurrence quantification analysis of the surface EMG in two human muscles. Clinical Neurophysiology, 120, 2086-2092. Dimitrova, N.A., & Dimitrov, G.V. (2003). Interpretation of EMG changes with fatigue: facts, pitfalls, and fallacies. Journal of Electromyography & Kinesiology, 13, 13-36. Falla, D., & Farina, D. (2008). Non-uniform adaptation of motor unit discharge rates during sustained static contraction of the upper trapezius muscle. Experimental Brain Research, 191, 363-370. Farina, D., Fortunato, E., & Merletti, R. (2000). Noninvasive estimation of motor unit conduction velocity distribution using linear electrode arrays. IEEE Transactions on Biomedical Engineering, 47, 380-388. Farina, D., Muhammad, W., Fortunato, E., Meste, O., Merletti, R., & Rix, H. (2001). Estimation of single motor unit conduction velocity from surface electromyogram signals detected with linear electrode arrays. Medical & Biological Engineering & Computing, 39, 225-236. Farina, D., Arendt-Nielsen, L., Merletti, R., & Graven-Nielsen, T. (2002a). Assessment of single motor unit conduction velocity during sustained contractions of the tibialis anterior muscle with advanced spike triggered averaging. Journal of Neuroscience Methods, 115, 1-12. Farina, D., Fattorini, L., Felici, F., & Filligoi, G. (2002b). Nonlinear surface EMG analysis to detect changes of motor unit conduction velocity and synchronization. Journal of Applied Physiology, 93, 1753-1763. Farina, D., Madeleine, P., Graven-Nielsen, T., Merletti, R., & Arendt-Nielsen, L. (2002c). Standardising surface electromyogram recordings for assessment of activity and fatigue in the human upper trapezius muscle. European Journal of Applied Physiology, 86, 469-478. Farina, D., Gazzoni, M., & Camelia, F. (2004). Low-threshold motor unit membrane properties vary with contraction intensity during sustained activation with surface EMG visual feedback. Journal of Applied Physiology, 96, 1505-1515. Farina, D., Leclerc, F., Arendt-Nielsen, L., Buttelli, O., & Madeleine, P. (2008a). The change in spatial distribution of upper trapezius muscle activity is correlated to contraction duration. Journal of Electromyography & Kinesiology, 18, 16-25. Farina, D., Negro, F., Gazzoni, M., & Enoka, R.M. (2008b). Detecting the unique representation of motor-unit action potentials in the surface electromyogram. Journal of Neurophysiology, 100, 1223-1233. Gazzoni, M., Farina, D., & Merletti, R. (2001). Motor unit recruitment during constant low force and long duration muscle contractions investigated with surface electromyography. Acta Physiologica & Pharmacologica Bulgarica, 26, 67-71. Grönlund, C., Roeleveld, K., Holtermann, A., & Karlsson, J.S. (2005). On-line signal quality estimation of multichannel surface electromyograms. Medical & Biological Engineering & Computing, 43, 357-364. Grönlund, C., Holtermann, A., Roeleveld, K., & Karlsson, J.S. (2009). Motor unit synchronization during fatigue: a novel quantification method. Journal of Electromyography & Kinesiology, 19, 242-251. Hagg, G.M. (1992). Interpretation of EMG spectral alterations and alteration indexes at sustained contraction. Journal of Applied Physiology, 73, 1211-1217. Holtermann, A., & Roeleveld, K. (2006). EMG amplitude distribution changes over the upper trapezius muscle are similar in sustained and ramp contractions. Acta physiologica, 186, 159-168. Holtermann, A., Roeleveld, K., & Karlsson, J.S. (2005). Inhomogeneities in muscle activation reveal motor unit recruitment. Journal of Electromyography & Kinesiology, 15, 131-137. Holtermann, A., Gronlund, C., Karlsson, J.S., & Roeleveld, K. (2008a). Differential activation of regions within the biceps brachii muscle during fatigue. Acta physiologica, 192, 559-567. Holtermann, A., Gronlund, C., Karlsson, J.S., & Roeleveld, K. (2008b). Spatial distribution of active muscle fibre

8 Science & Motricité characteristics in the upper trapezius muscle and its dependency on contraction level and duration. Journal of Electromyography & Kinesiology, 18, 372-381. Holtermann, A., Gronlund, C., Karlsson, J.S., & Roeleveld, K. (2009). Motor unit synchronization during fatigue: described with a novel semg method based on large motor unit samples. Journal of Electromyography & Kinesiology, 19, 232-241. Jurell, K.C. (1998). Surface EMG and fatigue. Physical Medicine & Rehabilitation Clinics of North America, 9, 933-947. Karlsson, J.S., Roeleveld, K., Gronlund, C., Holtermann, A., & Östlund, N. (2009). Signal processing of the surface electromyogram to gain insight into neuromuscular physiology. Philosophical Transactions. Series A, Mathematical, Physical, and Engineering Sciences, 367, 337-356. Kleine, B.U., Schumann, N.P., Stegeman, D.F., & Scholle, H.C. (2000). Surface EMG mapping of the human trapezius muscle: the topography of monopolar and bipolar surface EMG amplitude and spectrum parameters at varied forces and in fatigue. Clinical Neurophysiology, 111, 686-693. Kleine, B.U., Stegeman, D.F., Mund, D., & Anders, C. (2001). Influence of motoneuron firing synchronization on SEMG characteristics in dependence of electrode position. Journal of Applied Physiology, 91, 1588-1599. Kleine, B.U., van Dijk, J.P., Lapatki, B.G., Zwarts, M.J., & Stegeman, D.F. (2007). Using two-dimensional spatial information in decomposition of surface EMG signals. Journal of Electromyography & Kinesiology, 17, 535-548. Knowlton, G.C., Bennett, R.L., & McClure, R. (1951). Electromyography of fatigue. Archives of Physical Medicine & Rehabilitation 32, 648 652. Kogi, K., & Hakamada, T. (1962). Frequency analysis of the surface electromyogram in muscle fatigue. Journal of Science of Labour, 38, 519 528. Lindström, L., Magnusson, R., & Petersen, I. (1970). Muscular fatigue and action potential conduction velocity changes studied with frequency analysis of EMG signals. Electromyography, 10, 341-356. Masuda, T., Miyano, H., & Sadoyama, T. (1983). The distribution of myoneural junctions in the biceps brachii investigated by surface electromyography. Electroencephalography & Clinical Neurophysiology, 56, 597-603. Merletti, R., & Roy, S. (1996). Myoelectric and mechanical manifestations of muscle fatigue in voluntary contractions. Journal of Orthopaedic & Sports Physical Therapy, 24, 342-353. Merletti, R., Knaflitz, M., & DeLuca, C.J. (1992). Electrically evoked myoelectric signals. Critical Reviews in Biomedical Engineering, 19, 293-340. Merletti, R., Farina, D., & Gazzoni, M. (2003). The linear electrode array: a useful tool with many applications. Journal of Electromyography & Kinesiology, 13, 37-47. Merletti, R., Holobar, A., & Farina, D. (2008). Analysis of motor units with high-density surface electromyography. Journal of Electromyography & Kinesiology, 18, 879-890. Monster, A.W., & Chan, H. (1980). Surface electromyogram potentials of motor units; relationship between potential size and unit location in a large human skeletal muscles. Experimental Neurology, 67, 280-297. Morana, C., Ramdani, S., Perrey, S., & Varray, A. (2009). Recurrence quantification analysis of surface electromyographic signal: sensitivity to potentiation and neuromuscular fatigue. Journal of Neuroscience Methods, 177, 73-79. Moritani, T., Nagata, A., & Muro, M. (1982). Electromyographic manifestations of muscular fatigue. Medicine & Science in Sports & Exercise, 14, 198-202. Östlund, N., Gerdle, B., & Karlsson, J.S. (2007). Location of innervation zone determined with multichannel surface electromyography using an optical flow technique. Journal of Electromyography & Kinesiology, 17, 549-555. Piper, H. (1912). Elektrophysiologie menschlicher Muskeln. Berlin : Springer Verlag. Prutchi, D. (1995). A high-resolution large array (HRLA) surface EMG system. Medical Engineering & Physics, 17, 442-454. Rainoldi, A., Melchiorri, G., & Caruso, I. (2004). A method for positioning electrodes during surface EMG recordings in lower limb muscles. Journal of Neuroscience Methods, 134, 37-43. Roeleveld, K., Stegeman, D.F., Falck, B., & Stalberg, E.V. (1997a). Motor unit size estimation: confrontation of surface EMG with macro EMG. Electroencephalography & Clinical Neurophysiology, 105, 181-188. Roeleveld, K., Stegeman, D.F., Vingerhoets, H.M., & Van Oosterom, A. (1997b). The motor unit potential distribution over the skin surface and its use in estimating the motor unit location. Acta Physiologica Scandinavica, 161, 465-472. Roeleveld, K., Sandberg, A., Stalberg, E.V., & Stegeman, D.F. (1998). Motor unit size estimation of enlarged motor units with surface electromyography. Muscle & Nerve, 21, 878-886. Stegeman, D.F., Zwarts, M.J., Anders, C., & Hashimoto, T. (2000). Multi-channel surface EMG in clinical neurophysiology. Clinical Neurophysiology, 53, 155-162. Stephens, J.A., & Taylor, A. (1972). Fatigue of maintained voluntary muscle contraction in man. The Journal of Physiology, 220, 1-18. Viitasalo, J.H., & Komi, P.V. (1977). Signal characteristics of EMG during fatigue. European Journal of Applied Physiology, 37, 111-121. Webber, C.L., Schmidt, M.A., & Walsh, J.M. (1995). Influence of isometric loading on biceps EMG dynamics as assessed by linear and nonlinear tools. Journal of Applied Physiology, 78, 814-822. Zwarts, M.J., & Stegeman, D.F. (2003). Multichannel surface EMG: basic aspects and clinical utility. Muscle & Nerve, 28, 1-17.