一种算法的验证,用于估计人类的被动手腕硬性,基于一个特定的主体的运动模型

科学领域:

• 生物力学 生物力学
• 神经科学是一个神经科学.
• 机器人技术 机器人技术 机器人技术

背景情况:

• 关节硬,神经系统疾病的症状,如帕金森病,与被动关节硬有关.
• 精确测量关节硬度对于理解和治疗这些疾病至关重要.

研究的目的:

• 引入一种新的,针对特定学科的方法,用于在两个结合的自由度 (DoFs) 上估计人类手腕的被动度.
• 通过放松先前模型的约束来提供一个更具解剖学可信度的手腕硬度估计.

主要方法:

• 开发了一个人手腕的特定运动模型,用于Flexo-Extension (FE) 和Radio-Ulnar Deviation (RUD) 的斜斜轴.
• 使用红外摄像头和6轴负载电池,在手动扰动过程中从十名健康志愿者收集运动和力/扭矩数据.
• 应用多重线性回归来从收集的数据中计算2x2刚度矩阵.

主要成果:

• 这项研究证实了度异质性,度较高主要沿着RUD方向,与现有文献保持一致.
• 该新方法揭示了与简化模型和先前研究相比,度圆大小和方向的显著差异.
• 对直角/交叉轴和轴对齐的放松假设产生了不同的硬度估计.

结论:

• 通过适应非直角和非交叉的关节轴,具体对象的方法提供了对手腕被动度的更精确的解剖估计.
• 这种方法促进了对健康个体关节机制的理解,并对诊断和治疗影响关节刚性的神经疾病有影响.