实时视觉生物反馈与后期站立阶段腰带速度调节的的状态空间建模:用于量化中风后个体步态推进的错误依赖性与使用依赖性学习
《IEEE Transactions on Neural Systems and Rehabilitation Engineering》:State-Space Modeling of Real-Time Visual Biofeedback and Late-Stance Belt-Speed Modulation for Quantifying Error- and Use-Dependent Learning of Gait Propulsion in Individuals Post-Stroke
【字体:
大
中
小
】
时间:2026年05月20日
来源:IEEE Transactions on Neural Systems and Rehabilitation Engineering 5.2
编辑推荐:
摘要: 本研究开发了一个探索性的、受模型约束的状态空间模型,用于分析实时视觉生物反馈(VB)和站立后期特定阶段的腰带调节(促进推进,PF)如何帮助中风后受影响肢体的推进能力得到改善。12名慢性中风患者参与了一项在自适应推进增强体验(APEX)系统上进行的单次实验,该系统使用了一
摘要:
本研究开发了一个探索性的、受模型约束的状态空间模型,用于分析实时视觉生物反馈(VB)和站立后期特定阶段的腰带调节(促进推进,PF)如何帮助中风后受影响肢体的推进能力得到改善。12名慢性中风患者参与了一项在自适应推进增强体验(APEX)系统上进行的单次实验,该系统使用了一种带有传感器的分体式腰带跑步机。系统在站立后期持续显示受影响肢体的前向地面反作用力(AGRF),同时调节腰带的速度。实验分为三个阶段:基线阶段、结合VB和PF的训练阶段以及训练后的评估阶段。步态间的AGRF被建模为基于误差的学习(EBL)状态与VB相关和PF相关模型输入通道的总和、使用依赖的学习(UDL)状态,以及直接的相同步态PF传递组件。模型参数和潜在状态通过扩展卡尔曼滤波器和Rauch-Tung-Striebel平滑器使用最大似然法进行估计。该模型在实验过程中能够高保真地重建推进轨迹(R2 = 0.976 ± 0.004),但时间保留测试和训练后预测分析表明其外推性能有限。因此,这种分解应被视为一种受模型约束的、实验内的描述性分析,而不是具有稳健预测泛化能力的证据。在这种受模型约束的分解中,推进能力的提升大致分布在EBL相关过程(约56%)、UDL相关过程(约43%)和直接相同步态PF传递(约1%)中。在EBL内部,VB相关和PF相关的模型通道的贡献相当(分别为25%和31%),并且这两种自适应状态在可识别的范围内都表现出非常缓慢的衰减,而不是提供长期变化的精确估计...
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号