使用静态优化和计算机肌肉控制在行走期间估计脑患者的肌肉力量

科学领域:

• 生物力学 生物力学
• 神经肌肉疾病 神经肌肉疾病
• 计算机建模 计算建模

背景情况:

• 大脑 (CP) 带来了重大的康复挑战.
• 准确的肌肉力量估计对于临床决策至关重要,但直接测量是不可行的.
• 基于模型的方法,如静态优化 (SO) 和计算肌肉控制 (CMC) 是另一种选择.

研究的目的:

• 为了比较SO和CMC在预测CP患者肌肉力量和激活的准确性,CP患者表现出不同的腰步行严重程度.
• 评估的严重程度对SO和CMC模型的性能的影响.

主要方法:

• 利用OpenSim软件分析了公开可用的CP步行数据集.
• 使用SO和CMC方法估计的肌肉力量和激活.
• 使用斯皮尔曼等级相关性 (ρ) 和根-平均-平方误差 (RMSE) 对实验电肌图 (EMG) 数据进行验证的预测.

主要成果:

• 无论是SO还是CMC都表现出不同肌肉和的严重程度的可变预测准确性 (ρ: -0.7到0.9,RMSE:0.14到0.7).
• 一般来说,CMC预测的肌肉力量比SO更高.
• 的严重程度显著影响了特定肌肉 (侧腿筋,大腿直肠) 的方法之间的相关差异.
• CMC对肌松长度变化的敏感性更高.

结论:

• 目前,SO和CMC都没有提供足够验证的肌肉力量估计,以便在CP康复中直接临床应用.
• 需要进一步的方法进步来提高这些CP计算模型的准确性和可靠性.