《Frontiers in Bioengineering and Biotechnology》：Synergy-based feedforward with minimal feedback control predicts walking over multiple cycles
编辑推荐：
神经反馈（neural feedback）在运动控制中具有重要意义，多种神经系统疾病（如卒中、脑瘫、帕金森病、不完全性脊髓损伤）均以神经反馈改变为特征。研究人员已构建众多由模拟神经反馈机制控制的计算机神经肌肉骨骼（neuromusculoskeletal, N
神经反馈（neural feedback）在运动控制中具有重要意义，多种神经系统疾病（如卒中、脑瘫、帕金森病、不完全性脊髓损伤）均以神经反馈改变为特征。研究人员已构建众多由模拟神经反馈机制控制的计算机神经肌肉骨骼（neuromusculoskeletal, NMSM）模型，但这类模型很少代表真实人类受试者，因此尚未进入临床实用。为面向神经系统疾病患者设计个体化治疗，本研究利用神经肌肉骨骼建模流水线（Neuromusculoskeletal Modeling Pipeline）基于一名真实卒中后人类受试者的个性化三维神经肌肉骨骼行走模型，开发并评估了一种新颖的基于协同的前馈（FF）+反馈（FB）控制模型。研究人员使用该受试者实验行走数据建立个性化行走模型；对五步校准行走周期建立个性化协同基FF+FB控制模型：首先用个性化模型估计下肢肌肉激活以匹配受试者的肌电图（electromyographic, EMG）、关节运动和关节力矩数据；其次为每条腿计算五个协同激活及相应协同向量，同时逼近受试者肌肉激活与关节力矩；第三，对各腿协同激活取平均得到名义FF协同激活控制；第四，将名义FF协同控制按0%、25%、50%、75%、100%、125%缩放，其余缺口由拟合的FB协同激活控制填补，FB作为关节位置、速度、力矩（分别替代肌长、肌速、腱力）的函数。随后对三步测试行走周期，用六种FF+FB模型在预测仿真中驱动个性化模型。100% FF模型（仍含最小FB）最贴近测试周期；仅75%、100%、125% FF模型在实验初值下预测出近周期行走；0%、25%、50% FF模型只有允许初值大幅偏离实验值才能产生近周期运动。结果表明：对真实人类受试者行走的预测仿真可能需要大量的前馈控制。
研究背景与立项依据：神经反馈是神经肌肉运动控制的核心组分，帮助个体适应新情境与扰动，反射可防止危险滑倒与跌倒；其功能紊乱见于卒中、脑瘫、帕金森病与脊髓损伤，但机制不明阻碍治疗进展。既往计算神经肌肉骨骼模型多在个体肌肉水平模拟牵张反射与高尔基腱器官反射，且常假设纯反馈即可控步行，或仅预测泛化运动特征而非特定受试者在新条件下的响应，亦缺乏“模拟真实人类受试者步行需多少反馈”的定量回答。为此，研究人员以一名79岁男性卒中后偏瘫?行性受试者（右下肢轻瘫，LE Fugl–Meyer 32/34分，身高1.7 m，质量80.5 kg，自选速度0.5 m/s跑台步行）的实验数据为基础，借助OpenSim与神经肌肉骨骼建模流水线（NMSM Pipeline）建立个性化三维模型，提出并验证一种基于肌协同的前馈（FF）+最小反馈（FB）控制框架，量化FF/FB配比预测多周期步行的能力，朝向个体化神经疾病步态治疗设计推进。论文发表于《Frontiers in Bioengineering and Biotechnology》。
主要关键技术方法：研究人员取自Meyer等已发表的一名卒中幸存者实验数据（运动捕捉、跑台地面反作用力与力矩、每腿16块肌肉表面与细丝电极EMG，30秒步行）。在OpenSim中用静态姿缩放通用全身模型（31自由度、每腿43条Hill型刚性腱肌肌腱）；以NMSM Pipeline的关节模型个性化与逆运动学（IK）拟合骨骼与标记点，地面接触模型个性化（GCP）生成双侧弹性地基接触参数；力矩驱动跟踪优化（TO）对8个步态周期生成动力学一致力矩轨迹；肌肉肌腱模型个性化（MTP）用EMG与ID力矩校准最优纤维长、腱松弛长、电机械延迟等并估缺失肌肉兴奋；神经控制模型个性化（NCP）对5个校准周期提取每腿5个协同向量（两腿共用协同向量以保对称比较，总VAF 88.46%±1.05%）与名义FF协同激活；FB部分以关节角q、角速度q?、ID力矩M为代理输入，线性拟合填补缩放后FF缺口（MATLAB lsqnonlin正则化求解K?/K_q/K_q?/K_M）；预测阶段以TO驱动协同基FF+FB控制在3个留出测试周期做直接配点最优控制仿真，约束近周期性与初值贴近实验。
研究结果
3 Results：NCP所得5协同向量在肌肉间分布清晰，两腿协同向量对称故不对称由协同激活幅值/形状体现；测试周期均值肌肉激活落在校准周期均值1.75标准差内。FB增益拟合所有10个协同（6种FF比例）R2≥0.9（仅125% FF下一例略低）。预测仿真中仅75%、100%、125% FF+FB在初值约束下成功产生近周期步行；100% FF+FB最准（髋屈/膝/踝/距下角RMSE右膝4.87°、右踝1.45°等，地面反力垂直力RMSE约59.5 N）；0%/25%/50% FF移除初值约束后才近周期但步宽变大、步幅变短、关节角RMSE显著增大（如0% FF右膝19.7°）。额外无FB仿真显示100% FF无FB亦可成功，75% FF无FB仅1/3周期成功且支撑期几乎无屈膝，印证“真实受试者步行需显著FF（>75%）配合少量FB”。
讨论与结论翻译：本研究构建了特定受试者神经肌肉骨骼模型与协同基FF+FB下肢控制器，可复现真实人类步行；据研究所知，首次在个性化三维模型上用FF+FB做预测仿真并以真实数据验证。结果表明简单纯反馈模型虽可走，但套用于真实3D受试者数据需谨慎；至少75%名义FF协同控制才能让FF+FB在初值贴近实验时成功预测近周期步行，少量FB（按RMS计100% FF+FB中FB占比约2.2%±0.1%）即可补足。研究指出关节级代理输入与协同级输出是为避免肌肉级过拟合的简化选择，未来应推至肌肉级牵张/高尔基反射、引入反馈时延与短时刚度、纳入地面反力。结论：该方法利用NMSM Pipeline融合密集受试者数据，使OpenSim个性化预测仿真接近真实3D步行，未来可拟合神经疾病受试者反馈模型并用于设计个体化步态治疗。
