一种机器学习方法来量化个人步态对脚外骨的反应

科学领域:

• 生物力学 生物力学
• 机器人技术 机器人技术 机器人技术
• 神经科学是一个神经科学.

背景情况:

• 预测对外骨的个体反应是具有挑战性的,因为缺乏理论框架来量化异质反应.
• 了解用户特定的步态变化对于优化外干预在康复中至关重要.

研究的目的:

• 开发和验证基于神经网络的差异建模框架,用于量化对被动脚外骨的复杂步态反应.
• 评估框架能够在没有对生理结构或运动控制的先验知识的情况下捕获个体外骨反应的能力.

主要方法:

• 利用神经网络创建名义步态,外骨 (Exo) 步态以及它们之间的差异 (响应) 的模型.
• 通过增强模型 (名义+差异) 解释的差异与外观步态模型和单独名义模型进行了比较.

主要成果:

• 与名义模型相比,增强差异模型在动力学和电肌学上显著改善了对外行走差异的预测.
• 动力学的中位数R平方值在0.928-0.963之间,而电肌图的中位数在0.665-0.788之间,表明成功量化了反应.
• 无法解释的差异表明需要额外的测量方式或改进的分辨率来进行全面的响应表征.

结论:

• 不一致模型提供了一种新的方法来量化个体外骨反应,从而实现个性化康复策略.
• 该框架成功模拟了步态变化,但强调需要加强数据采集,以完全捕获响应.
• 这种方法可以加速发现驱动外骨反应的个体特异机制,为定制干预铺平道路.