SpasticSim:一种合成数据生成方法,用于在神经康复中模拟上肢性

科学领域:

• 神经康复疗法 神经康复疗法
• 生物力学 生物力学
• 医疗成像医学成像

背景情况:

• 由于复杂的运动控制,对性的客观量化具有挑战性.
• 不同类型的患者数据很少,这阻碍了性研究.
• 准确的评估对于有效的神经康复策略至关重要.

研究的目的:

• 为了产生代表性的合成人体模型用于性研究.
• 在模拟的性条件下分析上肢运动期间的肌肉行为.
• 创建一个开源数据集,用于验证肌肉骨模型.

主要方法:

• 使用Blender和MBLab附加组件创建合成人体模型.
• 将模型导出到OpenSim以进行生物机械模拟.
• 在四次上肢运动中,基于修改的阿什沃思尺度 (MAS) 模拟了六度的性.

主要成果:

• 创建了一个全面的开源数据集,包括合成患者数据和运动模拟.
• 展示了一种创新的方法来创建数据来研究性.
• 提供了测试和验证肌肉骨模型的基础.

结论:

• 使用Blender和OpenSim生成合成数据是性研究的一个可行的方法.
• 开源数据集有助于进一步调查肌肉运动障碍.
• 这种方法有可能通过改善评估和治疗验证来推进神经康复.