一个校准的EMG信息的神经肌肉骨模型可以比静态优化更好地估计骑自行车时的部和膝关节关节接触力
Claire B Crossley1, Matthew T O Worsey1, Laura E Diamond1
1Australian Centre for Precision Health and Technology (PRECISE), Griffith University, Gold Coast, Queensland 4215, Australia; School of Health Sciences and Social Work, Griffith University), Griffith University, Gold Coast, Queensland 4215, Australia.
Journal of biomechanics
|February 19, 2025
概括
基于肌电图的模型在骑自行车时准确地估计关节和膝关节的接触力,优于静态优化模型. 这证实了它们在手术后分析骑自行车生物力学方面的用途.
科学领域:
- 生物力学 生物力学
- 计算建模计算建模
- 运动生理学 运动生理学
背景情况:
- 骑自行车是部或膝盖手术后推的运动.
- 在骑自行车时估计联合接触力 (JCF) 对于理解生物力学至关重要.
- 现有的神经肌肉骨模型需要对JCF估计进行验证.
研究的目的:
- 验证神经肌肉骨模型来估计骑自行车期间的部和膝盖JCF.
- 为了比较电肌图信息和静态优化模型与体内JCF测量.
- 评估JCF在各种循环节奏和功率输出的估计的准确性.
主要方法:
- 收集了7名健康参与者以不同的节奏 (40-60rpm) 和功率输出 (25-120W) 骑自行车的运动数据,曲轴力和电肌图.
- 利用校准的电动肌图信息的神经肌肉骨模型和未校准的静态优化模型来估计部和膝盖的JCF.
- 将模型估计的JCF与现有文献中的体内测量进行了比较.
主要成果:
- 这两种模型都高估了峰值部和膝盖JCF.
- 基于电肌图的模型与体内测量对JCF大小,梯度和膝盖JCF形状的测量更加一致.
- 基于电肌图的模型显示出更好的与JCF的相关性,作为节奏和功率输出的函数.
结论:
- 基于电肌图的建模是一种有效的计算方法,用于在坐着的人体运动仪骑行时估计部和膝盖的生物力学.
- 这种方法为JCF估计提供了与静态优化方法相比更好的准确性.
- 研究结果支持使用经过验证的模型来分析骑自行车的生物力学,特别是在手术后的康复中.
更多相关视频
06:52An Inertial Measurement Unit Based Method to Estimate Hip and Knee Joint Kinematics in Team Sport Athletes on the Field
Published on: May 26, 2020
7.8K
08:24Sit-to-stand-and-walk from 120% Knee Height: A Novel Approach to Assess Dynamic Postural Control Independent of Lead-limb
Published on: August 30, 2016
10.2K
