基于肌肉骨骼最优控制的肌肉肌腱被动参数无创精准估计算法研究

《Annals of Biomedical Engineering》：Muscle Tendon Passive Parameter Estimation Using Musculoskeletal Optimal Control

本研究针对被动肌肉肌腱参数(PMPs)测量方法存在不一致性或侵入性操作的问题，来自某研究团队的研究人员开展了一项利用直接配置最优控制算法进行PMPs无创估测的研究。结果显示，在仿真、机械模拟及在体实验中，该方法对肌肉刚度、肌腱松弛长度等参数的预测误差均低于9%，运动均方根误差(RMSE)小于0.56°，扭矩RMSE为0.012 Nm/kg。该非侵入性方法为膝关节屈伸肌PMPs估测提供了有效且精确的新手段，在康复策略、运动表现优化及损伤预防领域具有重要应用潜力。

　　

准确测量被动肌肉肌腱参数(PMPs)对于理解和分析人类运动至关重要。然而，常用的PMPs测量方法要么结果不一致，要么涉及侵入性操作。

研究人员提出了一种新颖的非侵入性方法，利用直接配置最优控制算法(Direct Collocated Optimal Control)来估测PMPs。该最优控制算法被用于确定完全在计算机中进行的肌肉骨骼仿真、机械模拟模型以及人体在体实验中的PMPs。为了消除力-速度关系和主动肌肉收缩的混杂效应，这些评估采用了准静态膝关节屈曲和踝关节跖屈方案。

基于仿真的评估结果显示，对肌肉刚度和肌腱松弛长度的预测误差小于3.5%，对肌腱刚度的预测误差小于6%。其次，使用人体腿部机械模拟模型，发现弹簧刚度的最大估测误差为9%。最后，在在体验证方法中，研究人员将包含预测PMPs的模型的前向动力学仿真结果与实验数据进行了比较。发现运动的平均均方根误差(RMSE)小于0.56^°，而扭矩的RMSE为0.012 Nm/kg。

这些结果证明了我们提出的非侵入性方法在估测膝关节屈肌/伸肌PMPs方面的有效性和精确性。该方法有望为人类运动的生物力学研究提供有价值的见解，并推动康复策略、运动表现优化和损伤预防领域的进步。