协同提取和静态优化的比较,用于估计在行走过程中多个未测量的肌肉激活
1Institute of Medical Research, Northwestern Polytechnical University, Xi'an, Shaanxi, China.
bioRxiv : the preprint server for biology
|March 18, 2024
概括
协同推断 (SynX) 准确地估计了EMG驱动的肌肉骨模型的缺失肌肉信号,减少了对广泛EMG数据的需求. 这种方法增强了模型校准,有助于个性化康复运动障碍.
科学领域:
- 生物力学 生物力学
- 计算建模计算建模
- 康复工程 康复工程 康复工程
背景情况:
- 电肌图 (EMG) 驱动的肌肉骨模型提供了对身体内部机制的洞察力,但需要广泛的EMG数据,限制了它们的应用.
- 协同推断 (SynX) 可以估计单个缺失的EMG信号,但其对多个缺失信号的有效性尚未得到充分证实.
结论:
- SynX可以使用有限的八个精心选择的EMG信号来准确校准EMG驱动的肌肉骨模型.
- 这一进步可以促进个性化康复和手术策略的发展,以帮助行动障碍者.


