مقایسه عملکرد مدل اسکلتی-عضلانی راجاگوپال و نسخه‌های بروزشده‌ آن در پیش بینی نیروی تماسی مفصل زانو حین دو فعالیت راه رفتن و اسکات

نوع مقاله : مقاله مستقل

نویسندگان

1 دانشجوی دکتری، مهندسی مکانیک، دانشگاه بیرجند، ایران

2 استاد، مهندسی مکانیک، دانشگاه ای تی اچ زوریخ، سوئیس

3 فوق دکتری، مهندسی مکانیک، دانشگاه ای تی اچ زوریخ، سوئیس

4 استاد، مهندسی مکانیک، دانشگاه بیرجند، ایران

چکیده

مدل‌های اسکلتی-عضلانی ابزاری قدرتمند و پرکاربرد جهت تخمین غیر تهاجمی نیروهای داخلی بدن هستند. علی رغم دقت بالای این مدل‌ها برای حرکات گیت، اما پایین بودن دقت آ‌ن‌ها برای حرکاتی با درجات خمش شدید مفاصل زانو و لگن، به اثبات رسیده است. اخیرا با بروزرسانی یکی از مدل‌های قدرتمند موجود (راجاگوپال)، دو نسخه‌ی جدید از آن برای شبیه‌سازی حرکات دوچرخه زدن (لی) و اسکات عمیق (کتلی) منتشر شده است. در تحقیق حاضر به مقایسه‌ی نتایج این سه مدل برای حرکات راه رفتن و اسکات با استفاده از مجموعه داده‌ی کمز و نرم افزار اپن‌سیم پرداخته شده است. برای راه رفتن میزان فعالیت ماهیچه‌ها در هر سه مدل تقریبا یکسان بوده و با داده‌های EMG همخوانی کافی دارد. نیروی تماسی مفصل زانو نیز برای سه مدل تفاوت ناچیزی داشته و از دقت کافی برخوردار است (%20>خطای سیکل). درحرکت اسکات، سطح فعالیت ماهیچه‌ها در سه مدل دارای اختلافات قابل توجه بوده و با داده‌های EMG نیز تفاوت‌ چشم‌گیری دارند. همچنین علی رغم این‌که خطای ماکزیمم نیروی تماسی مفصل زانو در مدل‌های کتلی (%60) و لی (%72)، نسبت به مدل راجاگوپال (%83) کاهش یافته است، اما بالا بودن مقدار خطا در این دو مدل نشان‌دهنده‌ی ناکافی بودن اصلاحات انجام شده در آن‌هاست.

کلیدواژه‌ها


[1] Valente G (2013) Subject-specific musculoskeletal models of the lower limbs for the prediction of skeletal loads during motion. PhD Degree, universita de Bologna.
[2] Bergmann G, Bender A, Graichen F, Dymke J, Rohlmann A, Trepczynski A, Heller MO, Kutzner I (2014) Standardized loads acting in knee implants. PLoS One 9(1): 86035.
[3] Li X, Wang C, Guo Y, Chen W (2017) An approach to developing customized total knee replacement implants. J Healthc Eng 2017: 9298061.
[4] Niki Y, Takeda Y, Udagawa K, Enomoto H, Toyama Y, Suda Y (2013) Is greater than 145 degrees of deep knee flexion under weight-bearing conditions safe after total knee arthroplasty? a fluoroscopic analysis of Japanese-style deep knee flexion. Bone Joint J 95-B(6): 782-7.
[5] احسانی ح، رستمی م، پرنیان پور م (1394) روشی نوین برای مدل سازی ریاضی سیستم اسکلتی بدن انسان: لحاظ کردن ویژگی های سینماتیکی مفاصل زیستی و اثر زنجیره های سینماتیکی پیچیده سیستم اسکلتی. مهندسی پزشکی زیستی 203-191: (2)9.
[6]  Blemker SS, Asakawa DS, Gold GE, Delp SL (2007) Image-based musculoskeletal modeling: Applications, advances, and future opportunities. JMRI 25(2): 441-451.
[7]  Dao TT (2016) Rigid musculoskleletal models of the human body system: a review. J Musculoskelet. Res 19(03): 1630001.
[8]  Damsgaard M, Rasmussen J, Christensen ST, Surma E, Zee MD (2006) Analysis of musculoskeletal systems in the AnyBody modeling system. Simul Model Pract Theory 14(8): 1100-1111.
[9]  Delp SL, Loan JP (1995) A graphics-based software system to develop and analyze models of musculoskeletal structures. Comput Biol Med 25(1): 21-34.
[10] Delp SL, Anderson FC, Arnold AS, Loan P, Habib A, John CT, Guendelman E, Thelen DG (2007) OpenSim: open-source software to create and analyze dynamic simulations of movement. IEEE Trans Biomed Eng 54(11): 1940-50.
[11] Seth A, Sherman M, Reinbolt JA, Delp SL (2011) OpenSim: A musculoskeletal modeling and simulation framework for in silico investigations and exchange. Procedia IUTAM 2: 212-232.
[12] Rajagopal A, Dembia CL, DeMers MS, Delp DD, Hicks JL, Delp SL (2016) Full-body musculoskeletal model for muscle-driven simulation of human gait. IEEE Trans Biomed Eng 63(10): 2068-2079.
[13] Lai AKM, Arnold AS, Wakeling JM (2017) Why are antagonist muscles co-activated in my simulation? a musculoskeletal model for analysing human locomotor tasks. Ann Biomed Eng 45(12): 2762-2774.
[14] Catelli DS, Wesseling M, Jonkers I, Lamontagne M (2019) A musculoskeletal model customized for squatting task. Comput Method Biomec 22(1): 21-24.
[15] Imani Nejad Z, Khalili K, Hosseini Nasab SH, Schütz P, Damm P, Trepczynski A, Taylor WR, Smith CR (2020) The capacity of generic musculoskeletal simulations to predict knee joint loading using the CAMS-Knee datasets. Ann Biomed Eng 48(4): 1430-1440.
[16] Schellenberg F, Taylor WR, Trepczynski A, List R, Kutzner I, Schutz P, Duda GN, Lorenzetti S (2018) Evaluation of the accuracy of musculoskeletal simulation during squats by means of instrumented knee prostheses. Med Eng Phys 61: 95-99.
[17] Taylor WR, Schutz P, Bergmann G, List R, Postolka B, Hitz M, Dymke J, Damm P, Duda G, Gerber H, Schwachmeyer V, Hosseini Nasab SH, Trepczynski A, Kutzner I (2017) A comprehensive assessment of the musculoskeletal system: the CAMS-Knee data set. J Biomech Eng 65: 32-39.
[18] Kinney AL, Besier TF, D'Lima DD, Fregly BJ (2013) Update on grand challenge competition to predict in vivo knee loads. J Biomech Eng 135(2): 021012.
[19] Trepczynski A, Kutzner I, Kornaropoulos E, Taylor WR, Duda GN, Bergmann G, Heller MO (2012) Patellofemoral joint contact forces during activities with high knee flexion. J Orthop Res 30(3): 408-15.
[20] Kinney AL, Besier TF, D'Lima DD, Fregly BJ (2013) Update on grand challenge competition to predict in vivo knee loads. J Biomech Eng 135(2): 021012.
[21] Schellenberg F, Oberhofer K, Taylor WR, Lorenzetti S (2015) Review of modelling techniques for in vivo muscle force estimation in the lower extremities during strength training. Comput Math Methods Med 2015: 483921.
[22] Myers CA, Laz PJ, Shelburne KB, Davidson BS (2015) A probabilistic approach to quantify the impact of uncertainty propagation in musculoskeletal simulations. Ann Biomed Eng 43(5): 1098-111.
[23] Navacchia A, Myers CA, Rullkoetter PJ, Shelburne KB (2016) Prediction of in vivo knee joint loads using a global probabilistic analysis. J Biomech Eng 138(3): 4032379.
[24] Vollenweider A, Lorenzetti S, Smith CR, Taylor WR, Hosseini Nasab SH (2018) Impact of variability in muscle properties on the joint reaction force estimates during deep knee bending. WCB Conference.
[25] Hoang HX, Diamond LE, Lloyd DG,         Pizzolato C (2019) A calibrated EMG-informed neuromusculoskeletal model can appropriately account for muscle co-contraction in the estimation of hip joint contact forces in people with hip osteoarthritis. J Biomech 83:134-142.
[26] Meireles S, Reeves ND, Jones RK, Smith CR, Thelen DG, Jonkers I (2019) Patients with medial knee osteoarthritis reduce medial knee contact forces by altering trunk kinematics, progression speed, and stepping strategy during stair ascent and descent: a pilot study. J Appl Biomech 35(4):280-289.