《Annals of Biomedical Engineering》：Generic Versus Personalized Foot-Ground Contact Models for Predictive Simulations of Walking: Is Personalization Worth the Effort?
编辑推荐：
：
目的：在实验室外、无需测力台的情况下量化行走功能（包括关节运动、地面反作用力及关节载荷）是一个日益发展的研究领域。由于目前实验室外仅能测量关节运动，研究人员利用行走追踪优化来估计相应的地面反作用力及逆动力学关节载荷。然而，此类优化中所使用的足-地接触（fo
：
目的：在实验室外、无需测力台的情况下量化行走功能（包括关节运动、地面反作用力及关节载荷）是一个日益发展的研究领域。由于目前实验室外仅能测量关节运动，研究人员利用行走追踪优化来估计相应的地面反作用力及逆动力学关节载荷。然而，此类优化中所使用的足-地接触（foot-ground contact, FGC）模型多为通用型而非个性化，这可能限制所估计地面反作用力与关节载荷的准确性。本研究比较了通用型与个性化可变形足-地接触模型的预测能力。
方法：研究人员利用从三名健康状况不同的受试者采集的实验行走数据，在校准优化与追踪优化中分别评估了通用型与个性化可变形足-地接触模型。仅足部校准优化评估了两种模型在同时追踪两类数据时再现实验地面反作用力与足部运动数据的能力；全身追踪优化则评估了两种模型在仅追踪实验关节运动数据并实现动力学一致性的条件下，再现实验地面反作用力、关节运动及关节载荷数据的能力。
结果：对于全部三名受试者及两类优化，个性化足-地接触模型再现实验地面反作用力、关节运动及关节载荷数据的准确性均优于通用型足-地接触模型。
结论：个性化足-地接触模型可提高仅以实验运动数据为输入、通过行走追踪优化估计地面反作用力与关节载荷的准确性。个性化模型可利用免费软件工具轻松校准，并有望提高行走预测性仿真的准确性。
论文解读文章：
一、研究背景与问题
行走功能的量化评估，包括关节运动、地面反作用力（ground reaction force, GRF）及关节载荷，传统上依赖 gait laboratory（步态实验室）中的测力台（force plate）与光学运动捕捉系统。然而，此类设备成本高昂，且受试者在实验室环境中的步态表现与日常生活中的自然行走存在差异。随着惯性测量单元（inertial measurement unit, IMU）系统与无标记视频运动捕捉（markerless video motion capture）等技术的发展，关节运动数据已可在实验室外获取。但地面反作用力数据的采集仍高度依赖测力台，这成为实验室外行走功能量化的主要瓶颈。为突破这一限制，研究人员尝试利用物理仿真方法，仅凭运动学数据预测地面反作用力与关节载荷。其中，基于可变形足-地接触（foot-ground contact, FGC）模型的全身追踪优化（tracking optimization）是一种重要途径。然而，现有研究中FGC模型的参数几乎均为通用值（generic），未经个体化校准，可能无法准确再现特定受试者的地面反作用力与关节载荷。此外，多数研究未报告地面反作用力矩信息，而该信息对行走过程中关节力矩的逆动力学（inverse dynamics, ID）计算至关重要。因此，通用FGC模型可能导致临床关注的关节载荷估计失真。近年来，神经肌肉骨骼建模流水线（Neuromusculoskeletal Modeling Pipeline, NMSM Pipeline）的出现使FGC模型的自动化个性化校准成为可能，但个性化模型与广泛使用的通用模型在预测能力上的系统比较尚属空白。本研究旨在填补这一空白。
二、研究内容与结论
研究人员利用三名健康状况不同的受试者（健康男性、脑卒中幸存者、骨盆肉瘤患者）的行走数据，系统比较了通用型与个性化可变形FGC模型在校准优化与追踪优化中的预测能力。结果表明，在全部三名受试者及两类优化中，个性化FGC模型再现实验地面反作用力、关节运动及关节载荷数据的准确性均显著优于通用模型。校准优化中，个性化模型的地面反作用力与足部运动学误差普遍降低40%–60%；追踪优化中，运动追踪精度提高约4–5倍，地面反作用力预测精度提高约3–4倍，逆动力学关节载荷预测精度提高约2–3倍。研究还发现，个性化FGC模型可减少追踪优化的计算时间，且单纯增加通用模型接触单元密度并不能达到个性化模型的精度。该研究证实，FGC模型个性化是提升行走预测性仿真精度的有效途径，且校准过程快速、简便，值得投入。
三、关键技术方法
本研究采用的主要技术方法包括：基于OpenSim平台构建个性化骨骼模型，利用NMSM流水线中的关节模型个性化（Joint Model Personalization, JMP）工具优化下肢关节功能轴与体段缩放参数；利用地面接触模型个性化（Ground Contact Model Personalization, GCP）工具对FGC模型进行自动化校准，个性化模型采用足底37个粘弹性接触单元网格，通用模型采用6个稀疏球型粘弹性接触单元；利用追踪优化（Tracking Optimization, TO）工具在仅追踪运动学数据并满足动力学一致性的条件下预测地面反作用力与关节载荷。实验数据来自三名受试者，分别采集于不同实验室，均包含基于标记的运动捕捉与分体式跑台地面反作用力数据。
四、研究结果
校准优化结果：对于全部三名受试者，使用个性化FGC模型时GCP追踪误差最低。个性化模型的地面反作用力、力矩及足部平移和旋转的均方根误差（root mean square error, RMSE）普遍比通用模型低40%–60%。个性化模型GCP运行耗时约9.87±0.59分钟，通用模型约1.83±0.47分钟。
追踪优化结果：对于全部三名受试者，使用个性化FGC模型时TO追踪与预测误差最低。个性化模型的运动追踪精度约为通用模型的4–5倍，地面反作用力预测精度约为3–4倍，逆动力学载荷预测精度约为2–3倍。地面反作用力、力矩及下肢关节角度和关节力矩的RMSE普遍降低60%–80%。三名受试者中，受试者2（脑卒中幸存者）的TO结果最佳，受试者3（骨盆肉瘤患者）最差。使用个性化FGC模型时，TO运行耗时约32.1±16.2分钟，通用模型约37.9±9.44分钟。
五、讨论与结论
讨论部分指出，个性化FGC模型在追踪优化中的显著优势表明，FGC模型个性化对于提高行走预测性仿真精度具有重要价值。研究还发现，个性化可缩短追踪优化收敛时间，且TO问题表述方式对结果有显著影响——若允许趾关节自由运动，会产生不真实的趾部运动。通过对比密集通用模型与稀疏个性化模型，研究证实接触单元数量与个性化均对预测精度有重要影响，单纯增加单元密度无法替代个性化。研究局限性包括：数据来自标记式运动捕捉这一最佳场景、模型为力矩驱动未包含肌肉、仅使用单个步态周期校准、参数值未与实验测量直接对比、结果可能为局部最优、样本量仅三人等。
研究结论为：个性化FGC模型能够比通用FGC模型更准确地预测动力学一致的行走运动，适用于多种健康状况的受试者。FGC模型的自动化个性化过程稳健、快速且易于实施。鉴于个性化模型在追踪优化中显著提高了关节运动、地面反作用力及关节力矩的预测精度，足-地接触模型个性化是值得投入的。个性化FGC模型有望在多种场景下提升运动障碍生物力学行走研究的预测性仿真质量。
