Methodology to Customize Maximal Isometric Forces for Hill-Type Muscle Models
Notice bibliographique
Résumé
One approach to increasing the confidence of muscle force estimation via musculoskeletal models is to minimize the root mean square error (RMSE) between joint torques estimated from electromyographic-driven musculoskeletal models and those computed using inverse dynamics. We propose a method that reduces RMSE by selecting subsets of combinations of maximal voluntary isometric contraction (MVIC) trials that minimize RMSE. Twelve participants performed 3 elbow MVIC in flexion and in extension. An upper-limb electromyographic-driven musculoskeletal model was created to optimize maximum muscle stress and estimate the maximal isometric force of the biceps brachii, brachialis, brachioradialis, and triceps brachii. Maximal isometric forces were computed from all possible combinations of flexion-extension trials. The combinations producing the smallest RMSE significantly reduced the normalized RMSE to 7.4% compared with the combination containing all trials (9.0%). Maximal isometric forces ranged between 114-806 N, 64-409 N, 236-1511 N, and 556-3434 N for the brachii, brachialis, brachioradialis, and triceps brachii, respectively. These large variations suggest that customization is required to reduce the difference between models and actual participants' maximal isometric force. While the smallest previously reported RMSE was 10.3%, the proposed method reduced the RMSE to 7.4%, which may increase the confidence of muscle force estimation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».