通过基于神经网络的下肢肌肉强度评估以减少标记物来提高姿势平衡评估
Jianhan Chen1, Yueshan Huang1, Runfeng Li1
1National Engineering Research Center for Tissue Restoration and Reconstruction, School of Materials Science and Engineering, South China University of Technology, Guangzhou, China.
Computer methods in biomechanics and biomedical engineering
|October 4, 2024
概括
这项研究通过使用神经网络来简化平衡诊断,从最小的标记数据预测下肢肌肉力量. 一个新的指标,力最大百分比差异 (FMPD),有效地评估患者与对照者的四肢平衡.
科学领域:
- 生物力学 生物力学
- 计算建模计算建模
- 控制神经肌肉的控制
背景情况:
- 姿势稳定对于平衡至关重要,受下肢肌肉功能的影响.
- 准确评估肌肉力量对于诊断平衡障碍至关重要.
- 目前获取肌肉力量数据的方法可能是复杂的和数据密集的.
研究的目的:
- 开发一种简化方法来获取用于平衡诊断的数据.
- 通过关注肌肉功能来评估和判断姿势稳定性.
- 用神经网络和减少的动力学数据来预测下肢肌肉力量.
主要方法:
- 利用公开可用的动力学数据集,保留8个下肢标记器的3D坐标和机械数据.
- 将标记数据与OpenSim肌肉骨模型集成,以计算反向动力学并推导肌肉力量.
- 开发了一个神经网络模型,在正常化坐标数据上进行训练,以预测肌肉力量,在测试集上验证.
主要成果:
- 神经网络模型在预测276个肌肉力量方面实现了高精度 (<0.99).
- 引入了力量最大百分比差异 (FMPD) 作为评估下肢平衡的新标准.
- 在患者和对照组之间展示了显著的FMPD差异,突出了其诊断潜力.
结论:
- 神经网络模型可以使用减少的标记数据准确预测下肢肌肉力量.
- FMPD是评估和可视化四肢平衡的有效工具.
- 该研究为未来的平衡诊断和康复应用提供了一个强大的框架.
