SYS867 Mesures
SYS867 Mesures
SYS867 Mesures
• Mouvement continu
– Début et fin non-définis, le mouvement s’arrête à un moment
arbitraire
– Durée habituellement plus longue (vs. mouv. discrets)
– Poursuite, poursuite compensatoire, poursuite par saut
– Exemple: Nager, courir, conduire une automobile
• Mouvement sériel
– Discret ou continu.
– Série de mouvement assemblés ensemble pour faire un tout
– L’ordre des mouvements est important
– Exemple: allumer un feu, jouer du piano
Classification basée sur la
prédictibilité de l’environnement
• Habileté ouverte
– Environnement changeant
– Planification entière du mouvement impossible
– Succès de la tâche dépend de la capacité d’adaptation.
– Exemple: réaction du gardien de but lors d’une échappée
• Habileté fermée
– Environnement presque parfaitement stable, prévisible
– Exemple: tir à l’arc
– Environnement peut être changeant mais les changements
sont prévisibles (dû à la pratique par exemple)
– Exemple: jongler
Classification des
habiletés motrices: continuums
Mouvement Mouvement Mouvement
discret sériel continu
Habileté Habileté
fermée ouverte
• Malgré tout, les systèmes biologiques sont de nature instable. Pour réduire
la variabilité, il faut rendre plusieurs mesures du même mouvement et en
faire une moyenne
Validité
• Est-ce que le test mesure vraiment ce qu’il dit mesurer?
• Exemple: javelot
– Est-ce que la force brut d’un sujet permet d’évaluer l’habileté
d’un sujet à lancer du javelot?
– Vs. distance parcourue du javelot (face-valid test)
Mesures du mouvement: trois
niveaux d’analyse
• Niveau I: résultats du mouvement (en fonction du but). Est-ce que
la cible est atteinte?
• Type de précision
– Cinétique (p/r à une force)
– Cinématique (p/r à une vitesse)
– Spatiale (p/r à un emplacement)
– Temporel (p/r à un temps de mouvement)
Mesures de précision:
Erreur constante (EC)
• Erreur moyenne de la précision d’un participant
xi : position finale
T : cible
• Interprétation:
– Représentation de la position finale d’un mouvement par
rapport à une cible
– Indique la déviation (biais) du mouvement. i.e. la direction de
l’erreur
– N’indique pas la variabilité ou la dispersion des réponses (par
exemple: -8, -15, 8, 15 = 0).
Mesures de précision:
Erreur cartésienne vs. vectorielle
Erreur cartésienne Erreur vectorielle
Dc
V2-V1
Ec
V1
Y1
Endpoint: X2, Y2
Endpoint: X2, Y2
Y2 Y2
V2
θ
Ec: Cartesian extent error (Y2-Y1) Ev: Vectorial extent error: V2-V1
Dc: Cartesian direction error: (X2-Y1) Dv: Vectorial direction error: θ: tan –1 X2/Y2
Mesures de précision:
Erreur variable (EV)
• Mesure de l’inconstance d’un participant. Variabilité d’un
participant. Variabilité en fonction de sa moyenne.
xi : position finale
M: moyenne
• Interprétation:
– Différence en fonction de la moyenne et non de la cible. La précision
des réponses n’est pas importante.
– Reflète l’étalement des réponses autour de la moyenne du sujet.
– Utilisée pour évaluer la qualité de la mémorisation de la position
d’une cible.
Mesures de précision:
Ellipse
Mesures de précision:
Ellipse
E2 = EC2 + EV2
Ou
E= Σ (xi – T)2 / n
• Interprétation
– Combinaison exacte de EC et EV
– Représentation de la dispersion des réponses autour de la cible
(plutôt que de la moyenne; EV)
– Lorsque les réponses sont près de la cible, E=EV.
Mesures de précision:
Erreur absolue (EA)
• Mesure globale de précision. Sans égard à la direction de
l’erreur
EA= Σ |xi – T | / n
• Interprétation
– Similaire à E (numérateur similaire, élimination du signe)
– Contribution de EC et EV inconnue.
– E est maintenant préférée à EA
Mesures de précision:
Erreur constante absolue (ECA)
• Valeur absolue de EC
ECA= |EC |
• Interprétation
– Utilisée lorsque l’erreur constante est biaisée par la
distribution des réponses (la moitié des participants a des
valeurs positives, l’autre moitié a des valeurs négatives)
– Mesure indépendante du biais.
Exercice 1
• Calculer E, CE, VE, AE, |EC | pour les participants 1 et 2.
E EC EV EA |EC |
1 95 -5 -4.8 23.04 25 5
2 105 5 5.2 27.04 25 5
3 100 0 0.2 0.04 0 0
4 97 -3 -2.8 7.84 9 3
5 102 2 2.2 4.84 4 2
Somme 413 -1 62.8 63 15
Moyenne 99.8 -0.2 12.56 12.6 3
Racine carrée 3.54 3.55
TR TR
prémoteur moteur
(40-80 ms)
EMG
Mesures temporelles:
Temps de réaction
• TM ≠ Vitesse
• Mesures de vitesse
– Vitesse moyenne et vitesse maximale
– Moment d’atteinte de la vitesse maximale
– Nombre de pics de vitesse
– Durée précédent et suivant l’atteinte de la vitesse
maximale
Mesures cinématiques: vitesse
Méthodes de dérivation
A. Classique: (x i+1) – (x i) /∆t
B. « Central finite technique »: (x i+1) – (x i-1) /2∆t
P A B
22 --- ---
24 0.1 0.18
29 0.25 0.38
Taux d’échantillonnage: 50 hz
(20 ms entre chaque mesure)
39 0.5 0.58
52 0.65 0.73
68 0.8 ---
Mesures cinématiques: vitesse
• Mesures d’accélération
– Accélération minimale, maximale
– Nombre de « zero-crossing », de transitions accélération-
décélération
– Durée des impulsions
• Interprétation
– Si l’exécution du mouvement reflète uniquement le processus de
planification, la variabilité devrait augmenter de façon linéaire jusqu’à
l’atteinte de la cible et le coefficient devrait demeurer stable d’un
marqueur à l’autre.
– Si le mouvement est corrigé on-line, une diminution du coefficient de
variation sera observée.
Coefficient de variation
0.36 Context-context
No Context- Context
0.34
Context- No Context
0.32 No Context- No Context
0.30
0.28
Coefficient of variation
0.26
0.24
0.22
0.20
0.18
0.16
0.14
0.12
0.10
Peak velocity Peak deceleration End 1st impulse End
Kinematic landmark
Figure 3
Mesures cinématiques: jerk
• Dérivée de l’accélération
Jerk minimal:
CC==9665.25
9665.25cm
cm3/s
3 33
/s
Fimbel, 2005
Loi du jerk minimal
Mouvement rapide 2D, sujet parkinsonien
CC==11575,50
11575,50cm
cm3/s
3 33
/s
Fimbel, 2005
Mesures cinématiques:
Jerk
• Les mesures globales de jerk (par exemple, jerk minimal) sont
associées au degré d’optimalité du mouvement.
• Procédure
– Filtrer (filtre lowpass)
– Estimer la vélocité [cm/s] et le jerk [cm/s**3]
– Segmenter en sous-mouvements (d’une vélocité nulle à une vélocité nulle)
– Estimer l’amplitude du sous-mouvement [cm]
– Estimer la durée du sous-mouvement [s]
– Mettre les données du jerk au carré [cm**2/s**6]
– Intégrer par rapport au temps [cm**2/s**5]
– Diviser par la distance **2
– Multiplier par la durée **5
– Racine carrée et diviser par 2
Mesures cinématiques:
Jerk normalisé
• Normalisé pour l’amplitude et la durée du mouvement
• S’applique au mouvement entier (ne peut pas être calculé sur les
corrections seulement).
• Mouvements de pointage
rapides sont plus irréguliers
chez les patients MH, mais
seulement en fin de
mouvement.
Fimbel, 2005
Trajectoire
• Index de linéarité (Atkeson & Cible
Hollerbach, 1985)*. Représente le
degré de courbure de la trajectoire
IL: d / a d
d: distance maximale d’une ligne
séparant un vecteur joignant la
base de départ et la cible et la
a
trajectoire
a: amplitude du mouvement
*Voir aussi Contreras-Vidal, J.L., Teulings, H.L., & Stelmach, G.E. (1998).
Variabilité de la trajectoire
• Procédure:
– L’erreur constante angulaire est
mesurée pour tous les essais vers une
même cible xi
M= mass
LF: force de soulèvement
GF: force de préhension
ACC: accélération
G: gravité
Préhension : saisie de l’objet
Lorsqu’un objet est soulevé:
• La force de préhension est légèrement supérieure au minimum nécessaire
pour éviter que l’objet glisse (marge de sécurité).
• La force de soulèvement augmente de façon proportionnelle à la force de
préhension. Ce ratio (Fs vs. Fp) constitue la variable de contrôle.
• L’absence de délai entre le soulèvement d’un objet et la modification de la
force de préhension suggère l’utilisation de modèle interne (prédictif).
Préhension : saisie de l’objet
• Mesures temporelles
– Temps de réaction et de mouvement
• Évaluation de la trajectoire
– Index de linéarité
– Variabilité initiale
Vitesse:
M. Desmurget, V. Gaveau, P. Vindras, R. S. Turner, E. Broussolle and S.
Thobois (2004). On-line motor control in patients with Parkinson's
disease. Brain,127 (8), 1755-1773
Cinématique:
K.E. Novak, L.E. Miller, J.C. Houk (2000). Kinematic properties of rapid
hand movements in a knob turning task. Experimental Brain Research,
132 (4), 419 - 433
Références
Début et fin de mouvement:
Teasdale N, Bard C, Fleury M, Young DE, Proteau L. (1993). Determining
movement onsets from temporal series. J Mot Behav. 25(2), 97-106.
Jerk:
Fimbel E, Dubarry AS, Philibert M, Beuter A. (2003). Event identification in
movement recordings by means of qualitative patterns. Neuroinformatics.
1(3):239-57.
Teulings HL, Contreras-Vidal JL, Stelmach GE, Adler CH. (1997).
Parkinsonism reduces coordination of fingers, wrist, and arm in fine motor
control. Exp Neurol. 146(1),159-70.
Préhension:
Churchill, A., Hopkins, B., Ronnqvist, L., Vogt, S. (2000). Vision of the hand
and environmental context in human prehension. Exp. Brain Res, 134,
81-89
Liens
Début et fin de mouvement :
• http://isb.ri.ccf.org/biomch-l/archives/biomch-l-2003-
04/00003.html