AI机器人肩膀肌肉骨骼模型预测对肌 [复制链接]

标题：SensitivityofShoulderMusculoskeletalModelPredictionstoMuscle–TendonProperties

作者：Y.Blache,B.Michaud,I.Rogowski,K.Monteil,andM.Begon

来源：IEEETransactionsonBiomedicalEngineering.;66(5):-17

编辑：张亚超

审核：冷庐逸

01

摘要

目的：虽然估计肌肉力量对肌肉肌腱特性的敏感性在下肢有很好的记录，但对肩膀和上肢知之甚少。本研究的目的是评估估计的肩膀肌肉力量和肩胛骨关节力量对肌肉肌腱特性的敏感性。

方法：一名健康男性参与者进行手臂弯曲和模拟投掷动作。运动学用皮质内针记录。使用OpenSim中通用的delft肩、肘静态优化估计肌肉力，并根据估计的力计算肩关节力。然后，将肌腱松弛长度的标称值的-25%~+25%变化、最佳纤维长度、最大等距力和羽状角应用到肌肉骨骼模型中，计算受影响肌力和肩胛骨关节力。

结果：肌肉肌腱特性的变化导致了9.6N或%的肌肉名义力的变化。更敏感的肌肉是那些产生最大力量的肌肉:肌腱套肌肉和特定任务的原动力。在四种肌腱性能中，最大等轴力和最佳纤维长度对肌力变异性的影响最大。肌肌腱性能对关节盂肱力有轻微影响(8%)。

结论：通用模型(即那些对肌肉-肌腱特性没有个性化的模型)会导致对肌肉力量的误解。努力应该集中在最大的等距力和最佳的纤维长度的肌腱套肌肉和原动力。

02

方法

A.参与者：一名健康的参与者(27岁，1.65米，57公斤)，目前或以前没有肩伤参与了这项研究。他签署了一份知情同意书，该同意书得到了瑞典卡罗林斯卡学院和加拿大蒙特利尔大学伦理委员会的批准。

B.设备和程序：在短暂的局部麻醉后，参与者被装备了4到5个反光标记固定在别针上。针插在肱骨上的内三角肌附着的下面进入肩胛骨的前三分之一和锁骨的外侧部分。除皮质内钉外，32个皮肤标记物被粘在参与者的胸、锁骨、肩胛骨、肱骨、前臂和手处。使用18个摄像头的光电VICON系统(OxfordMetricsLtd.，Oxford,UK)记录Hz的标记轨迹。运动学模型校准，参与者保持静止位置5秒。然后，他在矢状平面上旋转中立臂，举起和放下他的手臂8次，然后进行6次模拟的上手投掷动作。参与者以他喜欢的速度做这些动作。在每个动作的重复中，使用速度最接近的三个重复进行分析。

C.肌肉骨骼模型：采用通用的Delft肩肘模型。模型由八个部分组成:地面，躯干，左锁骨，肩胛骨，肱骨，尺骨，桡骨和手。这些节段以19个自由度相互连接，即:地躯干关节(三平移三旋转)、胸锁关节(三旋转)、肩锁关节(三旋转)、肩胛关节(三旋转)、肘关节(两旋转)和腕关节(两旋转)。利用从静态姿态记录中获得的成对解剖皮肤标记来确定从一般模型到参与者人体测量的同质尺度因子。关节角度由多体运动学优化确定，使用锁骨、肩胛骨和肱骨的pin标记和胸部、前臂和手的皮肤标记。用于不同权重逆向运动学程序的标记集(蓝色表示20，红色表示10，绿色表示1)。避免软组织加工品的负面影响造成的皮肤标记、高、中和低权重分配给标记放置在别针,胸腔和“前臂和手”，如图1所示。

图1.标记集用于不同权重的逆运动学程序(蓝色表示20，红色表示10，绿色表示1)

D.敏感性分析：对影响下肢肌肉力估计的参数进行了敏感性分析，即肌腱松弛长度、最佳肌纤维长度、最大等长肌力和肌肉收缩角(纵轴)。为了限制模拟的数量，将肩和上肢的肌肉肌腱单元按其功能集合成33个肌肉肌腱组。在基线模型的基础上，依次修改肌肉-肌腱属性，创建个模型。然后，对每个扰动计算新的估计肌肉力和肩胛肱关节力。属性变更的影响一个肌肉肌腱组在同一个肌肉肌腱组产生的力,即当地的敏感性指数（等式1）属性变更的影响，总体敏感性指数（等式2）的影响，一个肌肌腱组的性质变化对估算的肩关节力(等式3）的影响。

03

结果

A.观察到的屈曲和投掷任务的LSI值平均从2%到%不等。在屈曲任务中，观察到的最高值是大圆肌、长头三头肌、背阔肌(中、下半部)和后三角肌。在投掷运动中，我们观察到后三角肌、菱形肌、三头肌长头和背阔肌(中部)的LSI值最高。在屈曲任务和模拟投掷任务中，最大的肩胛下肌群和上斜方肌群是RMSE。此外，无论任务是什么，LSI的最高值从高到低依次对应肌腱松弛长度、最佳肌纤维长度、最大等长肌力和肌肉收缩角。

B.对屈曲和投掷任务观察到的OSI值范围从2%到12%。在屈曲任务中，冈下肌(下部和中部)、肩胛下肌(中部)和上斜方肌的值最高。在模拟抛投中，我们观察到冈下肌(所有部位)、肩胛下肌(中上部)和三角肌前肌的OSI值最大。在屈伸和投掷任务中，在肌腱松弛长度、最佳肌纤维长度、最大等长肌力之间得到了相似的OSI值，而在外径测试中发现了较小的OSI值

C.LSISH从0.7%变化到6.4%。在屈曲任务中，观察到肌肉之间的微小变化。然而，最大的LSISH值出现在冈下肌(下部和中部)、三角肌前、肩胛下肌(上部和中部)和冈下肌(上部)。在模拟投掷中，尽管肌肉肌腱组之间存在微小的差异，但在上斜方肌、冈下肌(下部和中部)、三头肌长头肌和冈上肌中发现最大的LSISH值。在屈曲和投掷任务中，观察到肌腱松弛长度、最佳肌纤维长度、最大等长肌力之间相似的LSISH值，而在反力测试中发现较小的值。

04

讨论

主要发现肌肉肌腱特性的可变性导致了高达%的肌肉肌腱力标称值的变化。此外，在考虑局部灵敏度时，最大等轴力可能是对肌肉力估计影响最大的属性。相反，当评估一个肌肉肌腱组的特性变化对其他肌肉的影响时，重点应该是除了羽状角以外的所有肌肉肌腱特性。

A.模型输出的评估：标记点的平均残差为6-8mm，这意味着在计算关节角时没有出现数值问题。此外，pin标记的最大标记残差未被观察到，而位于手和手腕的皮肤标记的最大标记残差最多。没有肌肉激活饱和和较小的储备扭矩值(小于0.48Nm或最大扭矩的0.8%，用逆动力学程序计算)，意味着肌肉骨骼模型的肌肉足够强大，可以执行两个动作。

B.敏感性分析：与专注于下肢的研究相比，本研究对最佳纤维长度的敏感性更高，这可能是因为肩关节的关节活动度比下肢关节更大。因此，肩部肌肉必须在很大范围的力-长度关系上产生力，而这本身就直接受到最佳纤维长度的影响。因此，还需要进一步的方法来准确确定最佳纤维长度。主要的挑战来自于多关节肌肉，特别是当它们穿过三维关节时;这需要通过改变近端关节和远端关节的角度，在各种情况下测试肌肉。先前的一项研究提出，肌肉肌腱特性的变异性也影响肩胛肱关节力。对于一个屈曲任务，根据模型的主题特异性，肩胛骨关节力在体重的0.8%到14%之间变化。我们的研究证实了之前的发现，尽管我们观察到肩胛骨关节力有较小的变化。此外，对肩袖肌肉特性的准确估计似乎是必要的，以避免接近肩胛-肱骨关节力。最后，即使肩胛肱关节力的敏感性对肌肉肌腱性能的影响小于10%，在进行临床研究时应考虑这种变异性。

C.局限性：首先，由于敏感性分析只对一个肌肉骨骼模型进行，无法推断我们对其他上肢和肩部肌肉骨骼模型的结果。第二，不准确的运动学(由皮肤标记或电磁装置估计)与肌肉和肩胛骨关节力的肌肉属性变化之间的相互作用效应在我们的研究中没有测试。第三，在基线模型中，肌肉的最大等长力和弯曲角度与参与者没有明确的关联。

05

结论

这项研究提供了关于上肢模型对肌肉肌腱特性变异性敏感性的信息，通过研究肩部运动学，不受软组织人工制品的影响。主要发现是，没有考虑到肌肉-肌腱特性的学科特殊性的通用模型可能会导致肌肉力的错误和误解。此外，肩部和上肢的训练重点应放在肩袖肌肉的最大等长力和最佳纤维长度，以及与任务特异性相关的原动力。