统计方法用于估计前肢地面反应力在小在步行和慢跑期间

科学领域:

• 生物力学 生物力学
• 马类科学 马类科学
• 动物的运动 动物的运动

背景情况:

• 由于它们的解剖学相似性,马类模型对人类肌肉骨研究具有价值.
• 在大型动物生物力学中测量地面反应力 (GRF),特别是小,仍然是一个挑战.
• 准确的GRF数据对于计算关节扭矩和理解机车运动至关重要.

研究的目的:

• 评估用于估计前肢地面反应力 (GRF) 的统计方法.
• 将线性回归和机器学习模型用于GRF估计进行比较.
• 提供用于估计马匹生物力学研究中的GRF的工具.

主要方法:

• 纵向数据收集包括运动捕捉,GRF,以及小的受试者质量 (n=3).
• 计算无维的弗劳德数 (Fr) 以考虑受试者的尺寸和分析步态转变.
• 应用线性回归和机器学习模型来估计峰值和连续的垂直,制动和推进力.

主要成果:

• 线性回归和机器学习模型在估计GRF峰值和配置文件方面表现相似.
• 线性回归模型为GRF估计提供了一种简单且计算成本低廉的方法.
• 机器学习模型显示了使用更大的数据集提高性能的潜力.

结论:

• 统计模型可以有效地估计小的地面反应力,促进生物力学研究.
• 这些估计工具,当与运动捕捉相结合时,可以推进马类生物力学研究.
• 建议使用更大的样本大小进行进一步研究,以完善模型.