一种数据驱动的方法来估计膝关节接触力峰值与外骨架辅助的变化
概括
研究人员开发了基于数据的模型来估计使用EMG,GRF和膝盖角度的膝盖接触力. 这种方法准确地预测了膝盖负荷的变化,有助于膝盖关节炎患者的外骨发育.
科学领域:
- 生物力学 生物力学
- 康复工程 康复工程 康复工程
- 可穿戴式机器人 穿戴式机器人
背景情况:
- 膝关节骨关节炎 (OA) 影响着数以百万计的人,导致疼痛和流动性丧失.
- 下肢外骨在减少膝盖负荷方面显示出有前途.
- 准确的,实时估计膝关节力量对于开发有效的外骨至关重要,但仍然是一个重大挑战.
研究的目的:
- 开发和验证数据驱动的模型,用于估计行走时膝盖接触力的峰值.
- 评估使用易于获得的传感器数据 (EMG,GRF,膝盖角度) 进行这一估计的可行性.
- 支持设计和优化减负外骨架的膝盖OA.
主要方法:
- 创建了两种数据驱动模型,以估计早期和晚期姿势阶段的膝盖接触力峰值.
- 模型利用了电肌图 (EMG),地面反应力 (GRF) 和膝盖角度的特征.
- 训练数据来自健康成年人 (N=6) 在各种外骨架辅助条件下;峰值力来自EMG信息的肌肉骨模拟 (OpenSim Moco).
主要成果:
- 模型在早期状态下达到了90%的准确性,在晚期状态下达到了79%的准确性,峰值力方向变化 (>0.1BW).
- 在这两种模型中,地面反应力和膝盖角度都是关键预测因素.
- 电肌学特征捕获了特定阶段的肌肉贡献:四头肌 (早期姿势),脚部 flexors (晚期姿势) 和腿筋 (两个阶段).
结论:
- 开发了一种实用,数据驱动的方法,快速估计膝盖接触力峰值变化.
- 这种方法可以促进快速干预测试,并优化外骨架协助的人在循环中.
- 这些发现有助于推进外骨架技术,以减少膝关节负荷,例如膝关节OA.
