摘要
目的人体运动过程中,关节力矩是体现关节内部承载的一项重要指标,无法直接测量。本文结合表面肌电信号和运动学数据,通过深度学习方法建立下肢关节力矩预测模型,可以获得运动过程中的下肢关节力矩。方法使用运动捕捉系统采集20位受试者在进行正常行走、上楼梯、下楼梯时的运动学和表面肌电数据,以关节角度、角速度、表面肌电积分肌电值、均方根幅值和波长作为神经网络的输入,使用Anybody运动仿真软件计算出的关节力矩作为输出,其中80%的数据作为训练集,10%为验证集,10%为测试集。通过结合LSTM长短期记忆网络和注意力机制,搭建深度学习模型对人体下肢髋、膝和踝关节在矢状面、冠状面和横截面的关节力矩进行预测。结果本文提出的模型在预测髋、膝和踝关节矢状面、冠状面和横截面的关节力矩方面表现出色,准确度高于传统深度学习和机器学习模型,模型在矢状面中预测效果最佳,相比于膝和髋关节,踝关节预测效果更好。模型的预测结果与实际测量值之间的相关性非常高,表明模型能够可靠地预测关节力矩。结论结合LSTM和注意力机制的深度学习模型能够有效预测人体下肢关节在不同运动模式下的力矩。该模型为理解人体运动机制、辅助康复训练和设计外骨骼设备提供了思路和方法。
出处
《医用生物力学》
CAS
CSCD
北大核心
2024年第S01期499-499,共1页
Journal of Medical Biomechanics
基金
国家自然科学基金项目,11772214
山西省华晋骨科公益基金项目2024
