日常生活の活動中の膝の負荷の予測
Samantha J Snyder1, Maliheh Fakhar2, Ross H Miller3
1Orthopedics and Sports Medicine, MedStar Health Research Institute, Baltimore, United States; Department of Kinesiology, University of Maryland, College Park, United States.
Journal of biomechanics
|August 30, 2025
まとめ
装置付きのインソールと 神経ネットワークは 膝関節炎の 重要な危険因子である 膝の負荷を推定できます このウェアラブル・テクノロジーのアプローチは 臨床使用のための 入手可能な生体力学的な評価を提供します
科学分野:
- バイオメカニクス
- ウェアラブル テクノロジー
- 人工知能
背景:
- 膝関節の接触力,膝の誘導モメント,膝の屈折モメントは膝関節炎の重要なメカニカルリスク因子です.
- これらの膝の負荷を計算する伝統的な方法は時間がかかり,特殊な歩行実験装置が必要です.
研究 の 目的:
- 様々な活動 (歩行,走行,座りから立ち上がり,座りから立ち上がり) 中の膝の負荷を,ウェアラブルセンサーデータで訓練された再発性ニューラルネットワーク (RNN) モデルを使用して推定する.
- 膝関節炎のメカニカルリスク要因を予測するRNNモデルの正確性を評価する.
主な方法:
- 47人の参加者は 装置付きのインソールと モーションキャプチャーを身に着けながら 活動を行いました
- 基準の膝アドゥクションと flexion moments は逆動力学を用いて計算された.
- 中間関節の接触力は,還元モデリング方法によって決定された.
- 膝の負荷変数を予測するために,インソールセンサーデータを用いて,活動特有のRNNモデルを開発しました.
主要な成果:
- RNNモデルは,ほとんどの活動において強力な予測性能 (相関係数r > 0.88) を示した.
- 座りから立ち上がり (r = 0. 50) と座りから立ち上がり (r = 0. 48) の活動において,中程度の相関係数が観察されました.
- 予測された膝の負荷の平均絶対誤差は,試験されたすべての変数において一般的には中等から低かった.
結論:
- この研究は,関節炎のリスクに関連する膝の負荷を推定するために,ニューラルネットワークと組み合わせた単一のインストルメントインソールを使用する可能性を確認しています.
- この革新的なアプローチにより,膝関節炎のバイオメカニカル評価のアクセシビリティが向上します.
- この発見は,研究と臨床の両方でリアルタイムバイオフィードバックの応用の可能性を裏付けています.
