用于肌电图（EMG）驱动的肌肉骨骼模型参数优化的前向动力学框架

《Journal of NeuroEngineering and Rehabilitation》：A forward dynamics framework for parameter optimization of the EMG-driven musculoskeletal model

个性化膝关节扭矩预测模型研究通过表面肌电信号（EMG）与遗传算法优化OpenSim建模，在8名受试者不同膝关节角度（30°-90°）下进行5秒等长收缩测试，同步采集股直肌、外侧肌和内侧肌EMG数据。基于Hill肌肉模型计算扭矩并与测力台实测值对比，结果显示优化模型均方根误差仅3.7 Nm，R2达0.97，验证了个性化肌肉-肌腱-单位（MTU）参数生成的可行性。

　　

摘要

背景

针对特定受试者的肌肉骨骼建模用于估计肌肉力量或关节扭矩具有挑战性，因为肌肉模型参数难以确定。本研究探讨了将肌电图（EMG）驱动的模型与遗传算法结合OpenSim应用程序编程接口来估计执行最大自主等长任务的四头肌群的肌肉力量或膝关节扭矩的方法学问题。

方法

使用经过过滤的EMG数据作为输入，通过Hill肌肉模型计算膝关节扭矩，并将其与测力计测得的扭矩进行比较。肌肉参数的初始值包括最佳纤维长度、肌腱松弛长度、最佳纤维长度处的羽状角以及来自OpenSim模型的最大等长力量。八名参与者执行了膝关节等长任务，并在30°、45°、60°、75°和90°的角度下保持收缩五秒钟，同时记录股直肌、股外侧肌和股内侧肌的表面EMG信号。采用遗传模拟退火算法调整参数，以减少预测扭矩与测量扭矩之间的均方根误差。

结果

所提出的方法取得了更好的结果，总体平均RMS误差为3.7 Nm，R2值为0.97。当四个参数同时调整时，模拟扭矩与测量扭矩之间的曲线非常相似。

结论

这些结果表明，针对特定受试者的、校准良好的肌肉骨骼模型能够更准确地预测肌肉力量或膝关节扭矩。该方法证明了生成具有高估计精度和低误差的个性化膝关节运动单位（MTU）参数的可行性。