文摘

原创的无创性评估下肢关节力矩的方法分析STS康复训练只有惯性测量单元,提出了基于分段three-segment STS生物力学模型和基于double-sensor差异算法。关节运动学和动力学分析使用一个定制的可穿戴传感器系统由加速度计和陀螺仪提出和评估而引用摄像系统的五个健康受试者和五个病人康复。由于没有集成的角加速度和角速度,结果不是扭曲没有抵消和漂移。除此之外,由于没有物理传感器植入下肢关节基于算法,它是可行的无创分析STS运动学和动力学以更少的数量和类型的惯性传感器比其他方法中提到。与参考系统的结果相比,开发可穿戴传感器系统可以进行时空分析STS任务较少的传感器和高度的准确性,应用为康复训练指导和参考外骨骼动力或所需的反馈控制系统。

1。介绍

Sit-to-stand (STS)运动是一种最常见的功能性活动(1,2),这就需要相对较大的关节时刻和精确的平衡控制(3,4]。STS运动也是一个复杂的动态的任务,需要调节人体下肢肌肉驱动而从椅子上从一个稳定的位置坐着一个相对稳定的直立姿态(5- - - - - -8]。然而,对于相关的人失去了他们的下肢功能没有足够的联合,活动变得累,不能没有外部援助的帮助[不成9]。因此,执行STS的能力转移的可靠和安全的方式适当的关节力矩(10)成为一个关键元素的运动康复orthopedically或神经受损的个人。

动态评估和分析STS运动可穿戴传感器是一种很有前途的临床诊断人类运动的工具。定量STS的动力学和运动学信息是至关重要的临床评估和治疗治疗比较整形和康复领域。然而,由于基于摄像头的人体运动分析系统是笨重,昂贵和复杂的,它限制了用户受限的环境中,摄像机安装;因此,它并不适用于实验室动态测量下肢的姿势在日常生活11]。最近,小惯性传感器测量模块(艾莫斯)由加速度计、陀螺仪和(或)磁力计开发和评估人体运动似乎是有前途的。各种方法使用惯性传感器可用于评估3 d人体姿态运动(12- - - - - -14];然而,一些论文提出的方法来评估下肢关节动力学使用可穿戴的惯性传感器以及一些详细的惯性传感器的应用非侵入性分析和诊断的STS康复训练。

为了充分利用剩下的病人的肌肉力量,助理系统如外骨骼/矫正法和部分体重支持(PBWS)康复机器人是为了弥补缺乏共同的时刻与外部援助(15- - - - - -18]。助理系统的关键技术问题之一是如何无创评估关节力矩可穿戴传感器特别是对可穿戴外骨骼的控制/矫正法。此外,监控康复练习已被证明是更有效的比没有反馈的实践(19]。那里,STS康复计划的可穿戴监测是可取的,以确保正确的执行运动的患者并量化进展肌肉力量的恢复,耐力,提高运动的范围。阀盖等。20.)调查的可能性估计3 d下肢关节运动学使用单一惯性测量单元在下肢康复。但是他们只监视髋关节和膝关节关节角没有任何人类运动的动力学分析。施蒂格利茨et al。21)设计了一个设置无创测量关节转矩发展给脚踝的位置在一个完整的腿,但它只适用于测试等距扭矩开发根据解剖特点的鼠模型中,不是一个人类的生物力学模型。英克斯特et al。22]分析了关节力矩在STS姿势控制的任务由个人与温和的帕金森病。但是所有的运动学和动力学数据来自nonwearable成像系统和力板在实验室里,这只适用于离线处理和分析。吉冈et al。23,24]STS运动的生物力学运动学和动力学分析和计算最小关节峰值时刻和分析运动时间和关节力矩之间的关系发展在STS的任务。虽然提出了在STS研究实际应用中能和运动处方,所需的肌肉力量是定量估计基于光学运动捕捉系统和7相机,这占据了大量的空间,也方便便携系统的实时控制。王等人。25)提出了一种方法来预测联合使用可穿戴EMG传感器与肌肉激活的神经网络模型,但它是验证肘,下肢关节。Karatsidis et al。26]表明,估计三维地面反作用力和力矩在只使用运动步态信息从惯性传感器获得同意“金本位”力板测量,但没有进一步分析关节动力学。

本研究的目的是动物估计联合时刻使用可穿戴艾莫斯提供参考让STS康复训练的运动处方。运动学和动力学配置文件的底层STS和两组运动进行了分析:(1)患者下肢肌肉功能障碍但在康复并能独立执行STS任务和(2)与健康对照组可以独立执行在入渗STS运动任务。与健康受试者相比,这是假设,STS康复的病人,将展览改变预期预备姿势控制包括增加髋关节屈曲和COM seat-off之前的向前位移。通过比较与运动学和动力学数据来源于艾莫斯和引用的摄像系统和力板,开发可穿戴传感器系统的准确性和可用性验证。通过比较和分析计算联合两组研究对象的时候,患者的康复条件下肢肌肉功能障碍在STS训练更明确。它具有广泛的适用性和实际意义进行运动处方的STS康复训练。也,无创的方法估计下肢关节时刻使用艾莫斯是有用的和重要的实时控制可穿戴外骨骼/矫正法。

2。方法

当我们提出(27),段旋转角度(关节角)矢状面可以计算使用sensor-measured加速度基于double-sensor差异为基础的算法。然后根据计算每个部分的角加速度关节角加速度测量计算。为了做到STS运动的运动学和动力学分析使用可穿戴的艾莫斯,一个分段的二维(2 d) three-segment STS人体的生物力学模型是必要的。提出了一种分段STS运动生物力学模型分析在我们以前的工作(28)只是为了控制策略研究,但没有STS的动力学分析。这里的模型是进一步发展为STS联合使用艾莫斯动力学分析如图1和图2。然后我们做了STS运动的动力学和运动学分析,提出了角加速度的柄,大腿和帽子(α₁,α₂,α₃)和联合的时刻(米_我,在那里我= 1,2,3)进一步发展模型的基础上,我们提出了我们的以前的工作28]

在臀部叶的椅子(seat-off),下肢部分保持静止,主运动是帽子(头部、颈部、手臂和躯干)在髋关节旋转向前某些脊椎弯曲。脊柱的弯曲会导致长度变化的帽子和COM的位置改变的帽子会使计算结果偏离真实价值。因此,在实验中,受试者被要求尽可能减少脊柱弯曲,脊椎弯曲并没有考虑在STS生物力学模型。因此,基于分段2 d three-segment STS生物力学模型,提出了图1,我们计算了角加速度(α₃)的质心(COM) seat-off之前的帽子。

seat-off后如图1,整个身体旋转的三个部分相应的关节,直到全身伸展到静态姿势最后正直的人。我们计算了角加速度的柄,大腿和帽子(α₁,α₂,α₃基于计算关节角和角速度所示 在哪里l_我,我= 1,2,3,柄的长度,大腿,和帽子,θ_我,我= 1,2,3,脚踝,膝盖和髋关节角度计算基于基于double-sensor差算法(23),而ω_我,我= 1,2,3,柄的角速度,大腿,对相应的关节和帽子。T_com是COM的STS轨迹。

基于动力学分析STS如图2我们计算关节时刻(米_我,我= 1,2,3)之前seat-off如下:

然后联合时刻seat-off新配方之前详细如下:

我们也计算时刻的髋关节,膝关节,踝关节后seat-off如下:

然后联合后不久seat-off新配方在细节如下:

如所有的方程所示,联合时刻计算从sensor-measured数据没有任何积分或微分操作。

每个部分的质量和尺寸的受试者估计基于平均电流的中国男性身体的惯性参数部分根据中国国家标准(29日如表所示1。每个部分的惯性矩估计基于主体的高度和总质量(30.)和表所示1。所有部分都假定为刚性,STS运动只有在矢状面执行的。

3所示。实验

两个力板块开发与压力传感器(YZC-1B)和使用单片机采样在100赫兹(Arduino UNO)。一个力板(力板)被放在椅子的前部分测量垂直椅子反应部队(VCRF)受试者的大腿离开座位之前(seat-off)。另一个力板(力板B)受试者的脚下是固定在地面上测量垂直地面反作用力(VGRF)在STS的过程。测量段的加速度和角速度计算关节角,角加速度,和关节时刻,三个定制的艾莫斯(可穿戴传感器司法院- 901 b, 1.1×1.1×0.5英寸电池和蓝牙通信)是连接柄的侧面,大腿,和帽子弹性肩带,与每个段的COM矢状平面如图2越好。单片机(Arduino UNO)被用来捕获加速度和角速度数据从艾莫斯在100赫兹,存储数据,实时与PC通信。初始校准期间,两力板水平放置的脚下,在椅子上校准错误在垂直方向的0.53%和0.61%。段的定位估计通过结合个人艾莫斯的取向与STS人体的生物力学模型。段方向与传感器方向,sensor-to-segment校准程序是指执行(26]。三种艾莫斯在矢状面和反复调整x设在与相应段的段的轴向方向坐标框架的基础上,建议国际社会的生物力学[31日]。同时,商业光学运动分析系统,NAC Hi-Dcam II数字高速摄影机系统(NAC图像技术、日本),是用来跟踪和测量的三维轨迹回射的标记片段的主题,采样频率为100赫兹和标定误差0.22%。然后引用角度、角速度和加速度段得到的摄像系统通过分析引用标记的运动参数,然后被用来计算角加速度和关节时刻基于离线的开发方法。

五个健康男性受试者(= 28.1±6.3岁;质量= 67.3±8.5公斤;身高= 173.5±6.7厘米)没有已知的下肢肌肉骨骼和神经功能障碍和五个STS的男性患者康复(= 29.5±7.5岁;质量= 65.4±6.3公斤;身高= 172.5±7.6厘米)有轻度下肢运动障碍但没有影响他们的能力执行STS运动参与这项研究由两组和获得知情同意。实验协议是吉林大学人类伦理审查委员会的批准。熟悉之后,每一个十人没有严重障碍的艾莫斯或力板和执行三个STS试验作为一个任务在适当自我选择的速度(健康受试者的STS在3 s和病人的STS在7 s)穿着发达传感器系统的工作空间引用光学运动捕捉系统(RCS)。最后,30试验(3试验主题10××1任务/主题)是实现进行分析。虽然三个任务STS试验是由一个主题,STS时间和每个试验获取的数据的数量不能完全相同。因此,零的时候VCRF seat-off(时间)是如此的重要,它被指定为引用的标准点(负责在整个STS同步任务的三个试验相同的比例指标,然后捕获的角速度和加速度的系综平均的三个STS轨迹在一个任务由一个主题计算得到综合的关节角和角加速度的每一部分的COM STS运动。 By comparing with the processed kinematic and kinetic data of the ten tasks achieved from the IMUs and RCS, the accuracy and availability of the developed wearable sensor system could be verified. Furthermore, the joint moments of ankle, knee, and hip joints of each subject of the ten were calculated based on the corresponding ensemble averages of all the original inertial parameters of a task derived from the sensor system. Five groups of hip, knee, and ankle joint moments of the five healthy subjects were, respectively, synchronized again to get a group of ensemble average joint moments as references for comparing and analyzing the STS rehabilitation conditions of the five patients. Figure3显示了一个健康男性主体执行STS审判与发达传感器系统工作空间的RCS。

4所示。结果

所有信号被开发的传感器系统(艾莫斯和力量板块)和RCS被Matlab离线处理。低通滤波器截止频率为20 Hz被用来去除噪声的原始数据。一群典型的计算综合的臀部、膝盖,和脚踝关节角(绿、红、蓝线相应)和COM的角加速度的帽子,大腿,小腿(绿、红、蓝线相应)来自一个五健康受试者使用艾莫斯(虚线)和RCS(实线)比较,如图4(一)和图5(一个)和相同的参数获得从一个STS的五个病人康复比较如图4 (b)和图5 (b)。相应的VCRF和VGRF在同一个STS任务执行的健康主题和STS的病人康复,分别如图6(一)和6 (b),用于提供所引用的标准点(seat-off)在整个STS同步的三个试验任务相同的比例指标。整个STS所有试验的周期被百分比指标同步。

开发了传感器系统的准确性应评估通过比较原始惯性测量数据(关节角速度和加速度段的COM)与被RCS,但不是通过比较联合的时刻,从最初的惯性数据计算。然而,由于前面的综合计算关节角(θ₁,θ₂,θ₃每个段的COM()和角加速度α₁,α₂,α₃)是来自原始测量的同步系综平均角速度和加速度三个STS的任务,传感器系统可以更充分的准确性进行比较评估θ₁,θ₂,θ₃,α₁,α₂,α₃基于多组测量原始数据之间的两个不同的系统。所有的分析参数之间的引用和计算综合关节角(θ₁,θ₂,θ₃每个段的COM()和角加速度α₁,α₂,α₃)的五个健康受试者分别见表2和表3的均方根,RMSE引用和计算值之间的差异,R皮尔逊相关系数的,e_马克斯是最大的错误。相同的五个病人的分析参数如表所示4和表5。两组受试者在四个表编号根据STS时间从短到长。艾莫斯和RCS的协议之间的数据同步和规范化STS周期是来自R被归类为弱(R≤0.35),中等(0.35 <R≤0.67)、强(0.67 <R≤0.9),和优秀的(R根据(> 0.9),26]。

此外,分析和评估了传感器系统的可用性无创STS运动的动力学分析,联合的时候脚踝,膝盖,和髋关节的十个受试者,分别根据计算方法的基础上,提出相应的同步的系综平均从艾莫斯原始惯性测量数据。其中,五组的臀部、膝盖和踝关节时刻的五个健康受试者进一步同步得到一组统计平均值联合时刻作为比较的参考(JMr)和分析STS五个病人的康复训练,如图7。比较不同STS相同关节力矩的任务由不同的科目,是标准化/ Nm /公斤·m除以高度和质量相应的科目。所有患者的相应曲线如图8- - - - - -12。STS运动的定量分析,JMr的热电价值(人民币),和病人的关节时刻的峰值VGRF VCRF,至关重要的量化特征见表6和比较图13。最后,比较和分析每个病人的STS康复状态,协议JMr和人民币之间同步STS周期指的是负责也来自皮尔森相关系数(R),见表7。

5。讨论和结论

比较相同的运动参数(θ,α)来自发达艾莫斯(虚线)和RCS(实线)曲线相同的颜色但不同的直线在同一图在图4和图5,发现相应的参数基本上是相同的除了一些细微的差别。因为每个下肢部分的形状是一个不规则的近似cone-cylinder,尽管sensor-to-segment校准程序与传感器方向线段方向被执行时,很难保证两个轴的艾莫斯绝对在矢状面初始设置。因此,测量角速度和加速度计算关节角,角加速度,和关节时刻在方程不是所需的数据,但有一定的系统误差和噪声。特别是指之间的所有分析参数引用和计算关节角(θ₁,θ₂,θ₃每个段的COM()和角加速度α₁,α₂,α₃)的五个健康受试者和五个病人在表2- - - - - -5,更快和更流利的STS运动由健康受试者或导致患者低e_马克斯和RMSE和更大的相关系数。是更难坚定地修复人体软段上的艾莫斯比没有任何轻微的刚体运动,错误是可预测和不可避免的。特别是在低速STS运动,长时间的皮肤运动工件由于冲击荷载和肌肉活动,身体摇摆运动迟滞型STS试验中不可避免的会污染测量原始角速度和加速度,然后把错误计算关节角和角加速度。相比e_马克斯、RMSE和R病人的康复和健康受试者,它表明STS运动由病人在一个较低的速度与更多的肌肉颤抖或身体摇摆运动也受污染的测量信号,导致更大的e_马克斯和RMSE相关系数较低。

方法使用刚体linked-segment模型端点和关节的位置估计通过预定义的测量长度和IMU-derived段取向。每个部分的转动惯量,初始段质量,线段的长度,和COM的位置估计或手动测量在每个任务分别显示在表1。此外,校准的局限性,如构成由主体和执行之间的不匹配计算模型假设的姿势,会造成错误。然而,结果在表2和表3表明,关节角和角加速度来自艾莫斯被关闭的强的RCS (0.67 <R≤0.9),甚至是优秀的相关系数(所有R健康受试者> 0.93)。它表明发达可穿戴传感器系统的基础上,提出的方法可用于无创性评估运动参数计算关节时刻和STS的做动力学分析。虽然参数表4和5来自患者相比,STS康复不满意的参数来自最低的健康受试者R= 0.522,它仍然是温和的,表明开发可穿戴传感器系统是更准确的评估更加流畅和连贯的STS运动由健康受试者有足够的肌肉力量,但它也适用于评估病人的STS运动可以执行一个完整的STS独立任务。

比较典型的两组关节角的健康主题和病人在图4,这表明帽子首先采取行动的三个部分科目。帽子向前摆动时没有达到最大髋关节角,膝关节角已经开始增加(seat-off, 47%的健康受试者,45%的患者),然后帽子继续前进膝关节开始扩展。然而,所不同的是,患者康复的帽子更推进了髋关节角大于健康受试者。因为惯性低患者的关节时刻STS速度小于健康受试者的STS速度,较高的患者需要调整他们的重心完全用夸张的臀部上方的脚弯曲比健康受试者的策略。策略可能弥补无法产生下肢肌肉的力量,所以COM可以放置未来和下肢STS时刻可以重新分配可能容易。脚踝关节角的健康主题和病人seat-off后开始降低,然后增加。大帽的动量矩的健康问题将推动更明显运动大腿然后柄导致夸大了踝关节的弯曲角度,虽然不同病人的康复。

如图5,所有片段的角加速度的COMs STS审判期间由病人各种没有那么明显,峰值也显著低于健康者。它表明康复的病人可能不流畅、连贯地站在相对短的时间内一个健康主题站起来有足够的肌肉力量。和康复病人的下肢肌肉仍然受到激活震动受污染的艾莫斯的信号,导致错误。基于试验,如果超过7秒,执行STS运动视为准静态的状态,所有的运动数据来衡量艾莫斯波动甚至接近于零,这是几乎没有可用的。在这种情况下,关节运动学因素引起的时刻几乎可以无视,应该直接与时刻由估计所有身体的重力段。因此,开发了传感器系统几乎是不适用的估算联合准静态STS运动的时刻。

比较相同的时刻共同的健康受试者(JMr)和病人(人民币)的数据7- - - - - -12,它表明,惯性组件联合时刻发挥了重要作用合成关节时刻贡献更流利的和成功的STS的健康受试者运动。膝关节的时刻(红线)的健康受试者和病人之前已经增加seat-off表明静态组件的存在膝关节的时刻。换句话说,在膝关节角度变化,膝关节的时刻已经反应增加的重力作用于膝关节时刻准备坐了起来,伸了个懒腰。VCRF消失和VGRF迅速达到最大值后叶的椅子(seat-off)和主题开始拉伸。

指的是数据8和9来自P1和P2,变化趋势的臀部、膝盖和脚踝关节角在左边的图表数据8和9类似的健康受试者在左边图的图7表明本体感觉在STS的姿势和STS的平衡控制能力的病人在康复训练中恢复过来。但是夸大长期臀部弯曲(图中绿线9(一)导致更大的踝关节背屈角(蓝线在图9(一))和更大的谷值踝关节的时刻(蓝线在图9(b))。与P2咨询后,他无力控制的肌肉seat-off后大腿大腿的和有经验的震动,这证明了振动后的膝关节力矩seat-off(红线图9(b))。指的是数据10和12,获得dP3和P5;踝关节背屈角度的P3和P5没有那么明显和踝关节角度的谷值出现后比其他病人。髋关节角P3向前摆动的至少五个病人。与此同时,几乎没有出现在踝关节背屈时刻P3和P5 seat-off但慢慢伸展髋关节与温和的时刻。与P3和P5咨询后,P3报道,很难向前摆动的帽子足够脊柱创伤,髋关节,这样的时刻是伟大和柄几乎不向前摆动只是拉伸与背屈seat-off后踝关节的时刻;P5报道在踝关节有困难,导致踝关节时刻拉伸不足,所以,他进行了低速STS运动减少摇摆的柄(小脚踝关节角)和缓慢的帽子(更小的髋关节的时刻)。指图11来自P4,比较图的差异7来自健康受试者的帽子P4推进更大的和后髋关节角的谷值,与后来的峰值seat-off后髋关节的时刻。因为P4的惯性膝关节力矩降低STS速度与腿部肌肉无力不到健康受试者的,他需要调整他的重心完全用夸张的臀部上方的脚弯曲比健康受试者的策略。跖屈的策略会导致大量增加踝关节(蓝线图11(b))和可能弥补无法产生更大的下肢肌肉力量,所以COM可以放置未来和下肢的时刻可能被重新分配,以方便。大帽的动量矩P4提升大腿和柄的一个明显的运动导致夸大踝关节屈曲角度(蓝线在图11(一))和更大的山谷seat-off之前踝关节的时刻的价值。

如表所示6热电联合时刻的健康受试者和病人计算数据来自艾莫斯。平均峰值膝盖扩展为1.3507 N·m·kg⁻¹·米⁻¹,平均峰值臀部扩展为0.8351 N·m·kg⁻¹·米⁻¹,平均踝关节跖屈力矩峰值为0.4106 N·m·公斤⁻¹·米⁻¹健康受试者。它表明,最大关节力矩的臀部、膝盖和脚踝关节膝关节周围seat-off生成。它也表明,膝关节在STS中扮演最重要的角色和相位在seat-off STS康复应该更加关注。直方图的比较同步的系综平均的热电联合时刻扩展和弯曲运动的健康受试者和病人在图13成像和直观地表明,下肢肌肉最大容量的康复情况STS运动。关节角的相关系数和每个病人的时刻而引用指示针运动的协议之间的病人和健康的主题,这是有价值的评估整个STS康复训练的恢复。

作为实验研究对象仅限于只有五个病人康复和五个健康男性,结果不可能涵盖所有病例的患者在STS康复训练。因此,为了验证系统误差和测量误差估计开发可穿戴传感器系统的联合康复的时候,更多的研究是必要的,以确定系统的可靠性和有效性,更多样的主题,特别是对于临床人群。因为没有集成加速度和角速度的计算关节角和关节时刻,结果没有扭曲不考虑漂移误差。然而,结果还影响抵消错误与参考系统惯性传感器的偏差;这是小而不可避免的。定制的艾莫斯被用于实验,测试角速度和加速度三个正交轴和包装在一个单一的SMT(1.1×1.1×0.50英寸)穿可充电电池,方便患者。尤其是与RCS相比高成本和大空间占领,开发可穿戴传感器系统可以提供足够的和必要的定量分析是非侵入性的时刻。该方法的另一个优点是,发达的设备是不依赖于模式非常实用,不断监测病人康复的动力学特征在家里或提供实时反馈联合时刻可穿戴外骨骼动力助理系统。惯性传感器的小型化,我们正在努力促进开发可穿戴传感器和分析系统的临床应用。

因此,尽管发达原型测试的可穿戴传感器系统只有在理想条件下,在实验室里十个主题,它为无创评价提供了方法参考功能STS功能障碍患者的康复状态通过动力学分析分段2 d three-segment STS生物力学模型。我们创新的STS的非侵入性运动的运动学和动力学分析可穿戴传感器系统,特别是创造性地估计可穿戴的下肢关节力矩为STS康复训练分析惯性传感器。结果显示洞察STS的运动协调和持续的发展的影响更有效的训练技巧在诊所。

符号

:	关于联合关节力矩向量我(我= 1、2、3;踝关节、膝关节和髋关节)
:	惯性矩的段j关于质心(j= 1、2、3;小腿、大腿、帽子)
:	段的实际角加速度向量j重心,重心的加速度
:	位置向量的联合我的重心j
:	段的质量j
:	COM的段的位置j
:	加速度矢量的重心j
:	中心的重力加速度
:	STS COM的轨迹
:	关节角我(我= 1、2、3;踝关节、膝关节和髋关节)
:	相当于外力作用于髋关节的椅子上。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

库恩Liu表示,和刘勇的构思和设计实验;库恩刘和明你们帮助执行实验;严库恩Liu表示,勇刘分析数据;库恩刘,刘表示燕,勇写道。此外,库恩刘,刘表示燕,勇负责该方案的实现。

确认

作者要感谢志愿者的支持对象的机器人和动力学研究实验室在吉林大学。青年研究基金项目支持的工作部分是吉林省科学技术系的(20160520066 jh),吉林大学研究生创新基金。