不同的校准方法对表面肌电学信息的肌肉骨模型的影响,输入信号很少
M Romanato1, L Zhang2, Z Sawacha3
1Department of Information Engineering, University of Padova, Padova, Italy.
Clinical biomechanics (Bristol, Avon)
|September 3, 2023
概括
在特定对象模型中减少电肌图数据可以改善肌肉力量估计. 更简单的模型可能足以用于临床步态分析,为个人提供高效的个性化.
科学领域:
- 生物力学 生物力学
- 神经肌肉模型的建模
- 临床步态分析 临床步态分析
背景情况:
- 个性化神经肌肉骨模型至关重要,但由于复杂的数据采集和高成本而受到阻碍.
- 使用表面电肌图 (sEMG) 信息模型估计肌肉力量需要高效的个性化方法.
- 这项研究量化了减少sEMG数据对肌肉力量估计准确性的影响.
研究的目的:
- 通过减少sEMG数据,研究微调受试者的特定神经肌肉参数的方法.
- 评估数据减少对肌肉力量和未测量的刺激估计的影响.
- 评估简化模型在临床环境中的潜力.
主要方法:
- 为8名非残疾成年人开发了四种神经肌肉骨模型.
- 包括一个参考模型与广泛的sEMG数据.
- 使用四个sEMG信号和静态优化模型创建了缩小模型.
主要成果:
- 基于sEMG的模型表现出对实验激发的优异预测,包括未测量的激发.
- 静态优化模型产生了不太可靠的预测.
- 减少的sEMG模型显示了可比性能,这表明更简单的模型是充足的.
结论:
- 定量评估有助于为有限的sEMG数据场景选择最佳模型.
- 较不复杂的,基于sEMG的模型可以在临床步态分析中有效预测肌肉力量.
- 有效的个性化策略是将高级建模转化为实践的关键.
