用EMG驱动的肌肉骨模型校准与包装表面个性化

科学领域:

• 生物力学 生物力学
• 肌肉骨模型的建模
• 计算生理学计算生理学

背景情况:

• 电肌图 (EMG) 驱动的肌肉骨模型估计肌肉力量和关节动量.
• 模型准确性对肌肉包裹表面几何学敏感,这通常不是个性化的.
• 个性化在计算上昂贵,限制了其在EMG驱动模型校准中的应用.

研究的目的:

• 在EMG驱动的模型校准过程中开发一种新的,计算效率高的方法,用于在OpenSim中个性化圆柱形包装表面.
• 为了降低与重复的OpenSim肌肉分析相关的计算成本.
• 为了提高肌肉力量和关节时刻预测的准确性.

主要方法:

• 开发了一种两级多项式替代模型方法,以近似推算肌长度和时刻臂.
• 外层模型根据关节角度预测时间变化的肌肉特性.
• 内层模型根据包装表面参数预测外层系数,从而实现高效的校准.

主要成果:

• 与通用表面相比,包装表面的个性化显著减少了下肢关节的时刻匹配错误.
• 拟议的方法 (PGA) 将关节接触力预测的峰值降低了47%的体重,与体内数据保持一致.
• 涉及包装表面参数优化的校准策略产生了最准确和物理现实的模型预测.

结论:

• 这种新的方法可以在EMG驱动的肌肉骨模型中有效地个性化包装表面.
• 这种方法通过减少联合矩匹配错误和改进联合接触力预测来提高模型的准确性.
• 这些发现支持使用个性化包装表面来创建更现实的和可靠的OpenSim模型.