An Optimization Method Tracking EMG, Ground Reactions Forces, and Marker Trajectories for Musculo-Tendon Forces Estimation in Equinus Gait
Notice bibliographique
Résumé
In the context of neuro-orthopedic pathologies affecting walking and thus patients' quality of life, understanding the mechanisms of gait deviations and identifying the causal motor impairments is of primary importance. Beside other approaches, neuromusculoskeletal simulations may be used to provide insight into this matter. To the best of our knowledge, no computational framework exists in the literature that allows for predictive simulations featuring muscle co-contractions, and the introduction of various types of perturbations during both healthy and pathological gait types. The aim of this preliminary study was to adapt a recently proposed EMG-marker tracking optimization process to a lower limb musculoskeletal model during equinus gait, a multiphase problem with contact forces. The resulting optimization method tracking EMG, ground reactions forces, and marker trajectories allowed an accurate reproduction of joint kinematics (average error of 5.4 ± 3.3 mm for pelvis translations, and 1.9 ± 1.3° for pelvis rotation and joint angles) and ensured good temporal agreement in muscle activity (the concordance between estimated and measured excitations was 76.8 ± 5.3 %) in a relatively fast process (3.88 ± 1.04 h). We have also highlighted that the tracking of ground reaction forces was possible and accurate (average error of 17.3 ± 5.5 N), even without the use of a complex foot-ground contact model.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».