Uploaded by puzzigiaco

Pres5 Montanino Annaclaudia walking 2015

advertisement
STIMA Delle FORZE DI CONTATTO ALL'ANCA
TRAMITE TRE MODELLI MUSCOLOSCHELETRICI
DEGLI ARTI INFERIORI
Laureanda: Annaclaudia Montanino
Relatore:
Prof. Nicola Petrone
Correlatore: Dr. Luca Modenese
CORSO DI LAUREA IN BIOINGEGNERIA
Padova, 20 Aprile 2015
Cos’ è un modello
muscoloscheletrico?
Rappresentazione semplificata del sistema
muscoloscheletrico umano come sistema
multibody:
§ Ossa
è
Corpi rigidi
§ Articolazioni è
Giunti meccanici
§ Muscoli
Attuatori
è
Ambienti per la modellazione e la simulazione dinamica: Anybody ed OpenSim
1 Perché un modello
muscoloscheletrico?
Analisi e ottimizzazioni prestazioni sportive
(Pandy,1999)
Simulazione degli effetti di pratiche chirurgiche
(Delp,1990)
Stima dei carichi articolari per test e ottimizzazione
design impianti protesici
(Heller,2001)
Stima delle forzE muscolari agenti sull’osso per lo
studio dei processi di frattura e rimodellamento
(Phillips,2015)
2 Perché un modello
muscoloscheletrico?
Analisi e ottimizzazioni prestazioni sportive
(Pandy,1999)
Simulazione degli effetti di pratiche chirurgiche
(Delp,1990)
Stima dei carichi articolari per test e ottimizzazione
design impianti protesici
(Heller,2001)
Personalizzazione
dei trattamenti
Stima delle forzE muscolari agenti sull’osso per lo
studio dei processi di frattura e rimodellamento
(Phillips,2015)
2 Validazione modelli
muscoloscheletrici
Confronto fra
predizioni del modello
e rispettive quantità
sperimentali
3 Validazione modelli
muscoloscheletrici
EMG
FM
Metodo qualitativo:
Confronto fra
attivazioni muscolari
(FM/FISO) predette ed
EMG normalizzati di
muscoli superficiali
4 Validazione modelli
muscoloscheletrici
HCFs
Metodo quantitativo:
HCFs
Confronto fra forze di
contatto all’anca stimate
e quelle misurate in vivo
con protesi strumentate
(HIP98 Bergmann,2001)
5 Modelli in competizione
OpenSim gait2392
Articolazione
doF
anca
3
tibio-femorale
1
patello-femorale
1
caviglia
1
subtalare
1
metatarsale
1
§ 38 muscoli
rappresentati con
43 attuatori
(Delp,1990) 6 Modelli in competizione
London Lower Limb Model 1
Articolazione
doF
anca
3
tibio-femorale
1
patello-femorale
1
caviglia
1
subtalare
Locked
metatarsale
Locked
§ 38 muscoli
rappresentati con 163
attuatori
§ Wrapping surfaces
addizionali
(Modenese,2011) 7 Modelli in competizione
London Lower Limb Model 2
(Gopalakrishnan, non ancora pubblicato) Articolazione
doF
anca
3
tibio-femorale
1
patello-femorale
1
caviglia
1
subtalare
1
metatarsale
Locked
§ 38 muscoli
rappresentati con 163
attuatori
§ Wrapping surfaces
addizionali
§ Miglior correttezza
anatomica glutei
8 Modelli in competizione
Discretizzazione
muscolare e
correttezza
anatomica
crescenti
gait2392
L1
L2
9 Quesito di ricerca
QUALE MODELLO PREDICE
MEGLIO LE FORZE DI
CONTATTO ALL’ANCA E LE
ATTIVAZIONI MUSCOLARI?
10 Quesito di ricerca
QUALE MODELLO PREDICE
MEGLIO LE FORZE DI
CONTATTO ALL’ANCA E LE
ATTIVAZIONI MUSCOLARI?
IPOTESI:
Maggior correttezza
anatomica
è predizioni migliori
10 Dati sperimentali
Soggetto
Marker
GRF
trajectories
SF1
✓
✓
SM4
✓
✓
EMG
Numero
walking
trials
Numero
stairs
trials
✗
10
10
✗
10
10
11 Dati sperimentali
Soggetto
Marker
GRF
trajectories
SF1
✓
✓
SM4
✓
SM7
✓
EMG
Numero
walking
trials
Numero
stairs
trials
✗
10
10
✓
✗
10
10
✓
✓
10
10
METODO QUALITATIVO
(EMG)
11 Dati sperimentali
Soggetto
Marker
GRF
trajectories
SF1
✓
✓
SM4
✓
SM7
✓
EMG
Numero
walking
trials
Numero
stairs
trials
✗
10
10
✓
✗
10
10
✓
✓
10
10
METODO Quantitativo
(Hip Contact Forces-HCFs)
11 Metodi sperimentali
Marker set e sensori emg
57 marker posizionati
secondo raccomandazioni ISB
e rilevati da sistema stereofotogrammetrico Vicon (10
telecamere)
Wireless EMG sensors
posizionati secondo
raccomandazioni SENIAM
(minimizzando cross-talk)
Biodynamics Lab
Charing Cross Hospital, London
12 Metodi sperimentali
Walking task e stairs climbing task
3 Pedane Kistler
posizionate per
registrare le
forze di reazione al
suolo durante la
camminata (10 trials) e la
salita di scale (10 trials).
Biodynamics Lab
Charing Cross Hospital, London
13 Simulazioni dinamiche
Rilevazioni
sperimentali
Output
modello
Posa
statica
Traiettorie
markers
Forze di
contatto al
suolo
Scaling
Cinematica
inversa
Dinamica
inversa
Modello
scalato
Angoli
articolari
Momenti
articolari
Ottimizzazione
statica
Attivazioni
muscolari
HCFs
14 Simulazioni dinamiche
Rilevazioni
sperimentali
Output
modello
Posa
statica
Traiettorie
markers
Forze di
contatto al
suolo
Scaling
Cinematica
inversa
Dinamica
inversa
Modello
scalato
Angoli
articolari
Momenti
articolari
Ottimizzazione
statica
Attivazioni
muscolari
HCFs
14 e static optimization is a further step in the inverse dynamics evaluation. In
ular, at this stage we would like to estimate the muscle activation pattern that
ted the net moment ⌧ in equation (3.2). In formulas, the static optimization
o solve for a vector F 2 RM (F being the vector of muscle force magnitudes
M the number of muscles) the following system of equations :
Ottimizzazione statica
(
r(q)F = ⌧
(M )
(M )
0  Fi
 FISO,i , i 2 {1, ..., nM }
τ: momento netto all’articolazione
r(q): braccio della forza muscolare
F:
pattern forze muscolari
FISO: massima forza isometrica
here r(q) is the set of muscle moment arms: the scalar value representing
RIDONDANZA DEL SISTEMA MUSCOLOSCHELETRICO UMANO
rpendicular distance between the joint centre and the muscle line of action.
è SISTEMA INDETERMINATO
ver, it is evident that the solution to previous system is indeterminate: the
sion of F is greater than the number of equations and, hence, than the degrees
Realtà
: ). TheSNC
risolve indeterminazione
dom of the model
(M > N
physiological
reason for this indeterminacy
MODELLO
: system
soluzione
come valore
che(the
minimizza
fact that the human
muscular
is extremely
redundant
number
scles exceeds the minimum number
necessary
funzione
costoto perform a motion task).
theless, the central nervous system (CNS) is able to solve this indeterminacy
◆2
n ✓
n
X
gh a criterion that has been hypothesized to find muscle
forcesFm
Fm as the X
(Fm ) =
=
(am))2
m
(M
on to the generic optimization
problem:
Fm,ISO
Fm
26
CHAPTER 3. NU
min (F )
subject to
m=1
(
r(q)F = ⌧
(M )
0 m=1
Fi
 FISO,i , i
15 To be able to find a unique solution, as reported in [R
Simulazioni
OpenSim consente di eseguire
manualmente simulazioni dalla
Graphical User Interface (GUI)
3 soggetti x
3 modelli x
2 attività x
10 trials =
180 simulazioni !
Si è sviluppata una MATLAB pipeline che accede a classi
e utilizza metodi di OpenSim per automatizzare le
simulazioni.
16 esempio walking sM7
Hip flex−ext angle
Hip flex−ext angle
0
40
60
% Right Gait Cycle
80
100
0
20
40
60
% Right Gait Cycle
40
60
% Right Gait Cycle
20
0
Hip int−ext rot angle
40
60
% Right Gait Cycle
80
100
80
Hip ab−add moment
Hip contact reaction − All trials
300
−10
0
200
100
2
0
10
−2
−15
0
−20
0
−5
20
40
60
% Right Gait Cycle
−10
10 0
20
0
Hip int−ext rot angle
40
60
% Right Gait Cycle
80
100
80
100
Hip ab−add moment
5
Hip contact reaction − All trials
700
−20
0
600
−30
20
40
60
% Right Gait Cycle
20
40
60
% Right Gait Cycle
80
100
80
100
500
−40
−5
0
400
20
300
−10
0
200
20
Hip intra−extrarot moment
20
40
60
% Right Gait Cycle
80
0
−1
−10 5
−10
700
−20
0
600
−30
500
−40
−5
0
400
−510
100
5
Hip flex−ext moment
gait2392
100
100
2
0
10
40
60
% Right Gait Cycle
80
40
60
% Right Gait Cycle
80
−2
100
5
15
0
80
100
20
40
60
% Right Gait Cycle
L1
80
100
Hip flex−ext moment
Hip flex−ext moment
15
10
−5
−105
−15
0
−20
0
−5
−10
10 0
20
40
60
% Right Gait Cycle
20
0
5
−10
Hip int−ext rot angle
40
60
% Right Gait Cycle
80
100
80
100
300
−10
0
200
20
40
60
% Right Gait Cycle
80
40
60
% Right Gait Cycle
80
−2
−5
−10
0
20
40
60
% Right Gait Cycle
80
100
100
100
Hip contact reaction − All trials
700
0
600
500
−5
400
300
−10
0
200
Hip intra−extrarot moment
20
40
60
% Right Gait Cycle
0
−1
0
Hip ab−add moment
Hip contact reaction − All trials
20
0
10
5
5
500
−40
−50
400
100
2
10
Hip ab−add moment
700
−20
0
600
−30
Hip intra−extrarot moment
0
−1
100
Hip flex−extHip
mom
[%BW m] [deg]
ab−adduction
20
5
15
0
intra−extra
rotation [deg]
ab−addHip
mom
[%BW m]
HCFHip
[%BW]
0
−5
40
60
% Right Gait Cycle
Hip ab−add angle
ab−addHip
mom
[%BW m]
HCFHip
[%BW]
intra−extra
rotation [deg]
0
−20
20
10
ip int−ext rot mom [%BW m]
−510
ab−adduction
Hip flex−extHip
mom
[%BW m] [deg]
Hip flex−ext moment
−10 5
intra−extra rotation [deg]
ab−addHip
mom
[%BW m]
HCFHip
[%BW]
0
Hip ab−add angle
ip int−ext rot mom [%BW m]
ab−adduction [deg]
Hip flex−extHip
mom
[%BW m]
5
15
0
ip int−ext rot mom [%BW m]
100
10
−10
10 0
Forze di
contatto
all’anca
[%BW]
80
Hip flex−ext mom [%BW m]
20
−20
Hip ab−add angle
−10
0
−20
10
−15
20
ab−add mom [%BW m]
HCFHip
[%BW]
−20
20
L2
80
100
ip int−ext rot mom [%BW m]
0
40
Hip flex−ext [deg]
20
0
Momenti di
flesso
estensione
all’anca
[%BWm]
Hip flex−ext angle
40
Hip flex−ext [deg]
40
Hip flex−ext [deg]
Angolo di
flesso
estensione
dell’anca
[deg]
100
2
0
10
20
40
60
% Right Gait Cycle
80
100
Hip intra−extrarot moment
20
40
60
% Right Gait Cycle
80
100
0
−1
−2
17 esempio walking sM7
Confronto fra EMG e
attivazioni muscolari
predette con i tre modelli
(gait2392, L1 ed L2) per i
muscoli:
§ Semitendinoso
§ Gastrocnemio mediale
§ Tibiale anteriore
18 Y
Z
Risultati complessivi - walking
Distribuzione ampiezze primi picchi:
X
350
300
250
200
Modulo risultante HCFs sperimentali Vs predette:
150
Bergmann2001
HIP98
gait2392
LLLM
LLLM2
L1
gait2392
L2
Orientazione HCF al primo picco:
Frontal plane
40
Fr
−20
20
−40
z
−60
0
−80
−100
Fx [%BW]
Fy [%BW]
y
Transversal plane
0
−120
−140
Trx
−20
−40
−160
−180
−60
−200
−80
−220
−20
0
20
40
60
Fz [%BW]
80
100
0
20
40
Fz [%BW]
60
19 Y
Z
Risultati complessivi - stairs climbing
Distribuzione ampiezze primi picchi:
X
500
450
400
350
300
Modulo risultante HCFs sperimentali Vs predette:
250
200
Bergmann2001
gait2392
HIP98
LLLM
LLLM2
L1
gait2392
L2
Orientazione HCFs al primo picco:
Frontal plane
y
Transversal plane
0
Fr
20
−50
0
z
−20
−100
Trx
Fx [%BW]
Fy [%BW]
−40
−150
−60
−80
−100
−200
−120
−250
−140
−160
0
50
Fz [%BW]
100
0
20
40
60
Fz [%BW]
80
100
20 INDICI
3
4
5
450
P1 dist angolare sul
piano frontale
400
350
6
P1 dist angolare sul
piano trasversale
300
250
200
Bergmann2001
gait2392
HIP98
LLLM
LLLM2
L1
gait2392
Frontal plane
L2
Transversal plane
0
20
−50
0
−20
−100
−40
Fx [%BW]
RMSE
XCORR
500
Fy [%BW]
1
2
P1 diff
P2 diff
−150
−60
−80
−100
−200
−120
−250
−140
−160
0
50
Fz [%BW]
100
0
20
40
60
Fz [%BW]
80
100
20 indici
Walking
Stairs climbing
gait2392
L1
L2
RMSE [%BW]
37.74
36.73
42.80
0.90
R
0.97
0.98
0.98
24.32
40.76
P1diff [%BW]
-­‐66.86
-­‐2.33
1.32
-­‐174.14
-­‐124.94
-­‐301.2
P2diff [%BW]
-­‐47.76
2.24
4.24
P1 ang diff on frontal pl. [°]
+8
+10
-­‐10
P1 ang diff on frontal pl. [°]
+8
+12
-­‐2
P1 ang diff on transv pl. [°]
+11
+17
-­‐10
P1 ang diff on transv pl. [°]
-­‐19
-­‐10
-­‐32
gait2392 L1
L2
RMSE [%BW]
80.94
52.03 105.69
XCORR
0.95
0.96
P1diff [%BW]
-­‐3.92
P2diff [%BW]
21 indici
Walking
Stairs climbing
gait2392
L1
L2
RMSE [%BW]
37.74
36.73
42.80
0.90
XCORR
0.97
0.98
0.98
24.32
40.76
P1diff [%BW]
-­‐66.86
-­‐2.33
1.32
-­‐174.14
-­‐124.94
-­‐301.2
P2diff [%BW]
-­‐47.76
2.24
4.24
P1 ang diff on frontal pl. [°]
+8
+10
-­‐10
P1 ang diff on frontal pl. [°]
+8
+12
-­‐2
P1 ang diff on transv pl. [°]
+11
+17
-­‐10
P1 ang diff on transv pl. [°]
-­‐19
-­‐10
-­‐32
gait2392 L1
L2
RMSE [%BW]
80.94
52.03 105.69
XCORR
0.95
0.96
P1diff [%BW]
-­‐3.92
P2diff [%BW]
21 conclusioni
Modello che meglio predice HCF :
L1
Limiti:
§
§
§
Numero soggetti
EMG solo per un soggetto
Soggetti di HIP98 anziani e protesizzati
Prospettive future:
§ Maggior numero di soggetti
§ Indagare diverse attività
§ Approfondire analisi sovrastime secondo picco
22 Grazie per l’attenzione
Related documents
Download