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