基于EMG的神经肌肉骨建模估计了在电刺激期间的肌肉力量和关节瞬间

科学领域:

• 生物力学 生物力学
• 神经康复疗法 神经康复疗法
• 计算建模 计算建模

背景情况:

• 功能电刺激 (FES) 在康复中用于恢复肌肉功能.
• 在FES期间量化意志肌肉贡献对于评估恢复和优化治疗至关重要.
• 现有的模型往往难以准确地区分FES诱导的和自愿的肌肉激活.

研究的目的:

• 实施和评估电肌图 (EMG) 告知的神经肌肉骨 (NMS) 模型,以评估在FES期间的自愿肌肉力贡献.
• 为了比较三个计算方法 (EMG驱动,EMG混合,EMG辅助) 在FES下估计肌肉力量和关节时刻.
• 确定EMG混合模型在FES期间量化自愿肌肉激活的有效性.

主要方法:

• 开发了一种基于EMG的NMS模型,该模型与正常参与者 (n=3) 的运动和EMG数据进行校准.
• 参与者使用EMG控制的闭环FES系统执行加权的肘部曲/延伸运动.
• 使用EMG驱动,EMG混合和EMG辅助的计算方法来估计肌肉力量和关节时刻的执行模型.

主要成果:

• 两种EMG混合型和EMG辅助型号都准确地估计了肘部时刻.
• 通过EMG混合方法,在FES过程中独特地量化了肌肉力量和肘部时刻的意志贡献.
• 根平均二次误差和确定系数被用来评估肘部时刻的模型准确性.

结论:

• 拟议的EMG告知NMS模型,特别是EMG混合方法,有效量化了FES期间的自愿肌肉贡献.
• 这种建模方法可以作为FES康复患者康复的生物标志物.
• 该模型在生物反和FES和机器人系统组合的实时控制方面具有潜在的应用.