[论文解读] Predicting kinetics using musculoskeletal modeling and inertial motion capture

Angelos Karatsidis, Moonki Jung+5 more|arXiv (Cornell University)|Jan 5, 2018

Muscle activation and electromyography studies参考文献 35被引用 30

一句话总结

本研究提出了一种肌骨骼建模框架，仅使用惯性运动捕捉（IMC）数据和地面反作用力/力矩（GRF&M）预测方法，无需光学运动捕捉（OMC）和测力台。该方法在估计关节角度和动力学方面表现出高精度，关节角度的皮尔逊相关系数 >0.91，RMSD <6°；GRF&M分量的RMSD <10% BW，实现了无需实验室环境的可穿戴生物力学分析。

ABSTRACT

Inverse dynamic analysis using musculoskeletal modeling is a powerful tool, which is utilized in a range of applications to estimate forces in ligaments, muscles, and joints, non-invasively. To date, the conventional input used in this analysis is derived from optical motion capture (OMC) and force plate (FP) systems, which restrict the application of musculoskeletal models to gait laboratories. To address this problem, we propose a musculoskeletal model, capable of estimating the internal forces based solely on inertial motion capture (IMC) input and a ground reaction force and moment (GRF&amp;M) prediction method. We validated the joint angle and kinetic estimates of the lower limbs against an equally constructed musculoskeletal model driven by OMC and FP system. The sagittal plane joint angles of ankle, knee, and hip presented excellent Pearson correlations (ρ= 0.95, 0.99, and 0.99, respectively) and root-mean-squared differences (RMSD) of 4.1 $\pm$ 1.3$\circ$, 4.4 $\pm$ 2.0$\circ$, and 5.7 $\pm$ 2.1$\circ$, respectively. The GRF&amp;M predicted using IMC input were found to have excellent correlations for three components (vertical:ρ= 0.97, RMSD=9.3 $\pm$ 3.0 %BW, anteroposterior: ρ= 0.91, RMSD=5.5 $\pm$ 1.2 %BW, sagittal: ρ= 0.91, RMSD=1.6 $\pm$ 0.6 %BW*BH), and strong correlations for mediolateral (ρ= 0.80, RMSD=2.1 $\pm$ 0.6%BW ) and transverse (ρ= 0.82, RMSD=0.2 $\pm$ 0.1 %BW*BH). The proposed IMC-based method removes the complexity and space-restrictions of OMC and FP systems and could enable applications of musculoskeletal models in either monitoring patients during their daily lives or in wider clinical practice.

研究动机与目标

• 开发一种仅使用惯性运动捕捉（IMC）数据的肌骨骼建模框架，以估计内部关节力和力矩，从而避免使用光学运动捕捉（OMC）和测力台。
• 验证基于IMC的关节运动学和地面反作用力/力矩（GRF&M）与传统OMC和测力台系统的准确性。
• 通过消除实验室硬件限制，实现可穿戴的、真实世界中的生物力学评估。
• 评估基于IMC的逆向动力学在矢状面以外平面中的性能，这些平面中软组织伪影和测量误差更为显著。

提出的方法

• 利用固定于身体节段上的惯性测量单元（IMUs）捕捉自由活动环境中的三维节段运动学数据。
• 基于IMU获取的节段位置和姿态，应用平滑过渡假设，将预测的GRF&M在双脚之间进行分配。
• 采用牛顿-欧拉逆向动力学方程，结合IMC获取的运动学数据和预测的GRF&M，计算关节反作用力和力矩。
• 使用基于文献中人体测量数据的个体化肌骨骼模型，估算关节动力学。
• 以OMC和测力台数据驱动的参考模型为基准，通过皮尔逊相关系数和均方根差（RMSD）验证结果。
• 采用归一化RMSD（rRMSD）指标，以考虑运动范围的影响，尤其针对冠状面和矢状面中幅度较小的运动。

实验结果

研究问题

• RQ1 仅使用惯性运动捕捉（IMC）数据能否产生与光学运动捕捉（OMC）和测力台系统相当的下肢关节运动学的准确估计？
• RQ2 基于物理模型，能否从IMC数据中高精度预测地面反作用力和力矩（GRF&M）？
• RQ3 基于IMC的预测关节反作用力和力矩（JRF&M）与基于OMC和测力台的逆向动力学结果相比如何？
• RQ4 软组织伪影和测量误差对非矢状面运动学和动力学差异的相对贡献是什么？
• RQ5 所提出的基于IMC的方法能否在实验室环境之外实现可靠的动能学分析？

主要发现

• 矢状面关节角度（踝、膝、髋）与OMC参考值表现出极高的相关性（ρ = 0.95, 0.99, 0.99）和较低的RMSD（4.1±1.3°, 4.4±2.0°, 5.7±2.1°）。
• 基于IMC数据的GRF&M预测表现出高相关性（垂直方向ρ = 0.97，前后方向和矢状面分量ρ = 0.91）和低RMSD（垂直方向9.3±3.0% BW，前后方向5.5±1.2% BW）。
• 矢状面和冠状面GRF&M表现出较强的皮尔逊相关性（ρ = 0.80 和 ρ = 0.82，分别），RMSD分别为2.1±0.6% BW 和 0.2±0.1% BW·BH。
• 基于IMC的方法在性能上与OMC-PGRF和OMC-MGRF方法相当，尤其在矢状面动力学和垂直GRF&M方面。
• 非矢状面关节角度（如髋关节外展、外旋）的rRMSD值较高，这是由于运动范围较小，但性能与OMC相当，表明OMC在这些平面中并非本质上更准确。
• IMC-PGRF方法在步态早期和晚期阶段略微低估了前后方向GRF&M（M = -28.3%），但该现象在OMC-PGRF或单脚支撑阶段未被观察到，提示IMC校准或建模中可能存在潜在误差源。