通过可差异物理和肌肉协同作用改善EMG信息的神经肌肉骨模型的校准
IEEE transactions on bio-medical engineering
|May 14, 2025
概括
这项研究引入了使用可微分物理和肌肉协同作用的神经肌肉骨 (NMS) 模型的更快校准. 新方法显著减少了校准时间,同时改善了参数估计,使得NMS模型的应用范围更广.
科学领域:
- 生物力学 生物力学
- 计算建模计算建模
- 神经康复疗法 神经康复疗法
背景情况:
- 神经肌肉骨 (NMS) 模型使用电肌图 (EMG) 数据预测肌肉力量和关节时刻.
- 个性化的NMS模型校准是耗时的,可能无法解释所有肌肉活动.
- 当前的方法通常需要大量的计算时间来优化参数.
研究的目的:
- 为了减少NMS模型校准所需的时间.
- 整合可差异化的物理和肌肉协同作用,以改善校准.
- 为了实现准确的NMS模型参数估计,即使有有限的EMG数据.
主要方法:
- 实现了一个NMS模型,具有自动区分的Hill类型肌肉.
- 使用适应性梯度下降优化器进行校准.
- 将标准的EMG驱动校准与合成未记录的肌肉刺激的协同混合方法进行了比较.
主要成果:
- 与标准方法相比,校准时间缩短了多达26倍.
- 在联合时刻预测中实现了可比的准确性.
- 协同混合方法增强了模型参数估计,使用更少的EMG通道.
结论:
- 自主区分的Hill型肌肉模型显著减少NMS模型校准时间.
- 肌肉协同作用促进了未记录的肌肉刺激的合成,有助于参数校准.
- 快速NMS模型校准支持实时生物机械分析和个性化神经康复.
更多相关视频
07:30The Muscle Cuff Regenerative Peripheral Nerve Interface for the Amplification of Intact Peripheral Nerve Signals
Published on: January 13, 2022
2.0K
07:03Author Spotlight: Bridging the Gap Between In Vivo and Ex Vivo Studies with the "Avatar" Technique to Advance Muscle Mechanics Research
Published on: August 18, 2023
680
