Summary
Dieser Artikel stellt einen experimentellen/analytischen Rahmen zur Untersuchung der menschlichen Haltungskontrolle vor. Das Protokoll bietet Schritt-für-Schritt-Verfahren für die Durchführung von Standexperimenten, die Messung von Körperkinematik und Kinetiksignale und die Analyse der Ergebnisse, um Einblicke in die Mechanismen zu geben, die der menschlichen Haltungskontrolle zugrunde liegen.
Abstract
Viele Komponenten des Nerven- und Bewegungsapparates wirken gemeinsam, um eine stabile, aufrechte menschliche Haltung zu erreichen. Kontrollierte Experimente, begleitet von geeigneten mathematischen Methoden, sind erforderlich, um die Rolle der verschiedenen Subsysteme zu verstehen, die an der menschlichen Haltungskontrolle beteiligt sind. Dieser Artikel beschreibt ein Protokoll für die Durchführung von gestörten stehenden Experimenten, die Erfassung experimenteller Daten und die Durchführung der nachfolgenden mathematischen Analyse mit dem Ziel, die Rolle des Bewegungsapparates und der zentralen Kontrolle im Menschlichen zu verstehen. aufrechte Haltung. Die Ergebnisse dieser Methoden sind wichtig, weil sie Einblicke in die gesunde Gleichgewichtskontrolle geben, die Grundlage für das Verständnis der Ätiologie des gestörten Gleichgewichts bei Patienten und älteren Menschen bilden und bei der Gestaltung von Interventionen zur Verbesserung der Haltungskontrolle und Stabilität. Diese Methoden können verwendet werden, um die Rolle des somatosensorischen Systems, der intrinsischen Steifigkeit des Sprunggelenks und des visuellen Systems bei der Haltungskontrolle zu untersuchen, und können auch erweitert werden, um die Rolle des vestibulären Systems zu untersuchen. Die Methoden sind im Falle einer Knöchelstrategie anzuwenden, bei der sich der Körper in erster Linie um das Sprunggelenk bewegt und als invertiertes Pendel mit nur einem Glied gilt.
Introduction
Die menschliche Haltungskontrolle wird durch komplexe Wechselwirkungen zwischen dem zentralen Nervensystem und dem Bewegungsapparat1realisiert. Der menschliche Körper im Stehen ist von Natur aus instabil, unterliegt einer Vielzahl von inneren (z.B. Atmung, Herzschlag) und äußeren (z.B. Schwerkraft) Störungen. Stabilität wird durch einen verteilten Regler mit zentralen, reflexiven und intrinsischen Komponenten erreicht (Abbildung 1).
Die Haltungskontrolle wird erreicht durch: einen aktiven Controller, der durch das Zentralnervensystem (ZNS) und das Rückenmark vermittelt wird, was die Muskelaktivierung verändert; und ein intrinsischer Steifigkeitsregler, der Gelenkbewegungen ohne Änderung der Muskelaktivierung widersteht (Abbildung 1). Der zentrale Controller verwendet sensorische Informationen, um absteigende Befehle zu erzeugen, die korrigierende Muskelkräfte erzeugen, um den Körper zu stabilisieren. Sensorische Informationen werden durch die visuellen, vestibulären und somatosensorischen Systeme transduziert. Insbesondere erzeugt das somatosensorische System Informationen über die Stützfläche und gelenkswinkel; Vision liefert Informationen über die Umwelt; und das vestibuläre System erzeugt Informationen über die Kopfwinkelgeschwindigkeit, die lineare Beschleunigung und die Ausrichtung in Bezug auf die Schwerkraft. Der zentrale, geschlossene Controller arbeitet mit langen Verzögerungen, die destabilisierend sein können2. Das zweite Element des aktiven Reglers ist die Reflexsteifigkeit, die bei kurzer Latenz Muskelaktivität erzeugt und Drehmomente erzeugt, die der Gelenkbewegung widerstehen.
Es ist eine Latenz mit beiden Komponenten des aktiven Controllers verbunden. folglich spielt die Gelenksteifigkeit, die ohne Verzögerung wirkt, eine wichtige Rolle bei der Haltungskontrolle3. Die intrinsische Steifigkeit wird durch passive viskoelastische Eigenschaften von kontrahierenden Muskeln, Weichteilen und Trägheitseigenschaften der Gliedmaßen erzeugt, die widerstandsive Drehmomente sofort als Reaktion auf jede Gelenkbewegung erzeugt4. Die Rolle der Gelenksteifigkeit (intrinsische und Reflexsteifigkeit) bei der Haltungskontrolle ist nicht klar zu verstehen, da sie sich mit Denkbedingungen ändert, definiert durch Muskelaktivierung4,5,6 und Gelenkposition 4 , 7 , 8, die sich beide mit dem Körper schwanken, dem Stehen inhärent.
Die Identifizierung der Rollen des zentralen Reglers und der Gelenksteifigkeit bei der Haltungskontrolle ist wichtig, da sie die Grundlage für die Diagnose der Ätiologie von Gleichgewichtsbeeinträchtigungen bildet; die Gestaltung gezielter Interventionen für Patienten; Bewertung des Sturzrisikos; Entwicklung von Strategien zur Sturzprävention bei älteren Menschen; und das Design von Hilfsgeräten wie Orthesen und Prothesen. Es ist jedoch schwierig, da die verschiedenen Subsysteme zusammen wirken und nur die gesamte resultierende Körperkinematik, Gelenkdrehmomente und Muskelelektromyographie gemessen werden können.
Daher ist es wichtig, experimentelle und analytische Methoden zu entwickeln, die die messbaren Haltungsvariablen verwenden, um den Beitrag jedes Subsystems zu bewerten. Eine technische Schwierigkeit besteht darin, dass die Messung von Haltungsvariablen im geschlossenen Kreislauf erfolgt. Infolgedessen sind die Ein- und Ausgänge (Ursache und Wirkung) miteinander verknüpft. Folglich ist es notwendig, a) externe Störungen (als Eingänge) anzuwenden, um Haltungsreaktionen in Antworten (als Ausgänge) hervorzurufen, und b) spezialisierte mathematische Methoden anzuwenden, um Systemmodelle zu identifizieren und Ursache und Wirkung zu entwirren9.
Der vorliegende Artikel konzentriert sich auf die Haltungskontrolle, wenn eine Knöchelstrategie verwendet wird, d.h. wenn die Bewegungen in erster Linie über das Sprunggelenk auftreten. In diesem Zustand bewegen sich Oberkörper und untere Gliedmaßen zusammen, so dass der Körper als invertiertes Einzelglied pendel in sagittaler Ebene10modelliert werden kann. Die Knöchelstrategie wird verwendet, wenn die Stützfläche fest ist und die Störungen klein sind1,11.
In unserem Labor12wurde ein stehendes Gerät entwickelt, das in der Lage ist, geeignete mechanische (propriozeptive) und visuelle sensorische Störungen anzuwenden und die Körperkinematik, Kinetik und Muskelaktivitäten aufzuzeichnen. Das Gerät bietet die experimentelle Umgebung, die benötigt wird, um die Rolle der Knöchelsteifigkeit, zentrale Kontrollmechanismen und ihre Wechselwirkungen zu untersuchen, indem posturale Reaktionen mit visuellen oder/und somatosensorischen Reizen erzeugt werden. Es ist auch möglich, das Gerät zu erweitern, um die Rolle des vestibulären Systems durch die Anwendung der direkten elektrischen Stimulation auf die Mastoid-Prozesse zu untersuchen, die ein Gefühl der Kopfgeschwindigkeit erzeugen und haltungsreaktionen evozieren können12,13 .
Andere haben auch ähnliche Geräte entwickelt, um menschliche Haltungssteuerung zu studieren, wo lineare Piezo elektrische Aktuatoren11, rotierende Elektromotoren14,15und lineare elektrische Motoren16,17 , 18 wurden verwendet, um mechanische Störungen auf knöchelim Stehen anzuwenden. Komplexere Geräte wurden auch entwickelt, um Multi-Segment-Haltungskontrolle zu studieren, wo es möglich ist, mehrere Störungen auf Knöchel- und Hüftgelenke gleichzeitig anzuwenden19,20.
Stehgerät
Zwei servogesteuerte elektrohydraulische Drehantriebe bewegen zwei Pedale, um kontrollierte Störungen der Knöchelposition anzuwenden. Die Aktuatoren können große Drehmomente (>500 Nm) erzeugen, die für die Haltungssteuerung benötigt werden; dies ist besonders wichtig in Fällen wie vorwärts schlank, wo das Körperzentrum der Masse ist weit (vorder) von Knöchel-Achse der Rotation, was zu großen Werten des Knöcheldrehmoments für die Haltungskontrolle.
Jeder Drehantrieb wird über ein separates proportionales Servoventil gesteuert, das pedalpositionsrückmeldungn, gemessen durch ein Hochleistungspotentiometer an der Aktorwelle (Materialtabelle). Der Controller wird über ein MATLAB-basiertes xPC-Echtzeit-Digitalsignalverarbeitungssystem implementiert. Der Aktuator/Servoventil zusammen haben eine Bandbreite von mehr als 40 Hz, viel größer als die Bandbreite des gesamten Haltungskontrollsystems, Knöchelgelenksteifigkeit und der Zentralsteuerung21.
Virtual-Reality-Gerät und -Umgebung
Ein Virtual-Reality-Headset (VR)(Tabelle der Materialien) wird verwendet, um die Vision zu stören. Das Headset enthält einen LCD-Bildschirm (dualAMOLED 3.6'' Bildschirm mit einer Auflösung von 1080 x 1200 Pixel pro Auge), der dem Benutzer eine stereoskopische Ansicht der an das Gerät gesendeten Medien bietet und eine dreidimensionale Tiefenwahrnehmung bietet. Die Bildwiederholrate beträgt 90 Hz, ausreichend, um den Benutzern einen soliden virtuellen Sinn zu bieten22. Das Sichtfeld des Bildschirms ist 110°, genug, um visuelle Störungen ähnlich wie reale Situationen zu erzeugen.
Das Headset verfolgt die Drehung des Kopfes des Benutzers und ändert die virtuelle Ansicht entsprechend, sodass der Benutzer vollständig in die virtuelle Umgebung eingetaucht ist. daher kann es das normale visuelle Feedback liefern; und es kann auch das Sehen stören, indem es das Gesichtsfeld in der sagittalen Ebene dreht.
Kinetische Messungen
Die vertikale Reaktionskraft wird durch vier Wägezellen gemessen, die zwischen zwei Platten unter dem Fuß eingeklemmt sind (Materialtabelle). Das Knöcheldrehmoment wird direkt an Drehmomentwandlern mit einer Leistung von 565 Nm und einer Torsionssteifigkeit von 104 kNm/rad gemessen; es kann auch indirekt von den vertikalen Kräften gemessen werden, die von den Wägezellen transduziert werden, unter Verwendung ihrer Abstände zur Knöchelachse der Rotation23, vorausgesetzt, dass die horizontalen Kräfte, die auf die Füße im Stehen angewendet werden, klein sind2,24. Der Druckmittelpunkt (COP) wird in der sagittalen Ebene gemessen, indem das Knöcheldrehmoment durch die gesamte vertikale Kraft dividiert wird, gemessen von den Wägezellen23.
Kinematische Messungen
Der Fußwinkel ist derselbe wie der Pedalwinkel, denn wenn eine Knöchelstrategie verwendet wird, bewegt sich der Fuß des Motivs mit dem Pedal. Der Schaftwinkel in Bezug auf die Vertikale wird indirekt aus der linearen Verschiebung des Schafts, gemessen durch einen Laser-Entfernungsmesser (Materialtabelle) mit einer Auflösung von 50 m und einer Bandbreite von 750 Hz25erhalten. Knöchelwinkel ist die Summe des Fuß- und Schaftwinkels. Der Körperwinkel in Bezug auf die vertikale wird indirekt aus der linearen Verschiebung des Mittelpunkts zwischen der linken und rechten hinteren iliac Stachel (PSIS) erhalten, gemessen mit einem Laser-Entfernungsmesser (Tabelle der Materialien) mit einer Auflösung von 100 m und Bandbreite von 750 Hz23. Kopfposition und Drehung werden in Bezug auf das globale Koordinatensystem der VR-Umgebung von den VR-System-Basisstationen gemessen, die zeitgesteuerte Infrarotimpulse (IR) mit 60 Impulsen pro Sekunde aussenden, die vom Headset-IR-Sensoren mit Submillimeter aufgenommen werden. genauigkeit.
Datenerfassung
Alle Signale werden mit einem Anti-Aliasing-Filter mit einer Eckfrequenz von 486,3 gefiltert und dann bei 1000 Hz mit leistungsstarkem 24-Bit/8-Kanal, simultaner Probenahme, dynamischer Signalerfassungskarten (Tabelle der Materialien) mit einer dynamischen Reichweite von 20 V.
Sicherheitsmechanismen
Sechs Sicherheitsmechanismen wurden in das stehende Gerät eingebaut, um Verletzungen von Personen zu verhindern; die Pedale werden separat gesteuert und stören sich nie gegenseitig. (1) Die Aktuatorwelle verfügt über eine Nocke, die mechanisch ein Ventil aktiviert, das den hydraulischen Druck abschaltet, wenn die Wellendrehung 20° von ihrer horizontalen Position überschreitet. (2) Zwei einstellbare mechanische Stopps begrenzen den Bewegungsbereich des Aktuators; diese werden vor jedem Experiment auf den Bewegungsumfang jedes Subjekts festgelegt. (3) Sowohl das Subjekt als auch der Experimentator halten einen Panikknopf; Durch Drücken der Taste wird die hydraulische Leistung von den Aktuatoren getrennt und sie lösen, so dass sie manuell bewegt werden können. (4) Handläufe auf beiden Seiten des Themas stehen zur Verfügung, um im Falle einer Instabilität Unterstützung zu leisten. (5) Der Betreff trägt einen Ganzkörpergurt(Materialtabelle), der an starren Querträgern in der Decke befestigt ist, um sie im Falle eines Sturzes zu stützen. Der Gurt ist schwach und stört nicht das normale Stehen, es sei denn, das Subjekt wird instabil, wo der Gurt verhindert, dass das Subjekt fällt. Im Falle des Sturzes werden die Pedalbewegungen manuell entweder vom Motiv, mit dem Panikknopf oder vom Experimentator gestoppt. (6) Die Servoventile stoppen die Drehung der Aktuatoren mit ausfallsicheren Mechanismen bei Unterbrechung der Stromversorgung.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Alle experimentellen Methoden wurden von der McGill University Research Ethics Board genehmigt und Probanden unterzeichnen informierte Zustimmungen vor der Teilnahme.
1. Experimente
HINWEIS: Jedes Experiment umfasst die folgenden Schritte.
- Vortest
- Bereiten Sie einen bestimmten Überblick über alle durchzuführenden Versuche vor, und erstellen Sie eine Checkliste für die Datenerfassung.
- Geben Sie dem Betreffenden ein Zustimmungsformular mit allen notwendigen Informationen, bitten Sie ihn, es gründlich zu lesen, alle Fragen zu beantworten und dann das Formular unterschreiben zu lassen.
- Zeichnen Sie das Gewicht, die Größe und das Alter des Motivs auf.
- Themenvorbereitung
- Elektromyographie-Messung
- Verwenden Sie einzelne Differentialelektroden (Materialtabelle) mit einem Zwischenelektrodenabstand von 1 cm für die Messung der Elektromyographie (EMG) der Knöchelmuskulatur.
- Verwenden Sie einen Verstärker (Tabelle der Materialien) mit einer Gesamtverstärkung von 1000 und einer Bandbreite von 20 bis 2000 Hz.
- Um ein hohes Signal-Rausch-Verhältnis (SNR) und minimales Quergespräch zu gewährleisten, können Sie die Elektrodenaufsatzbereiche nach den Richtlinien des Seniam-Projekts26lokalisieren und markieren, wie unten: (1) für den medialen Gastrocnemius (MG), die markanteste Ausbuchtung der Muskel; (2) für den seitlichen Gastrocnemius (LG), 1/3 der Linie zwischen dem Kopf der Fibel und der Ferse; (3) für Soleus (SOL), 2/3 der Linie zwischen den medialen Kondylen des Oberschenkelknochens und dem medialen Malleolus; (4) für tibialis anterior (TA), 1/3 der Linie zwischen der Spitze der Fibel und der Spitze des medialen Malleolus.
- Rasieren Sie die markierten Bereiche mit einem Rasiermesser und reinigen Sie die Haut mit Alkohol. Lassen Sie die Haut gründlich trocknen.
- Rasieren Sie einen knöchernen Bereich auf der Patella für die Referenzelektrode, und reinigen Sie mit Alkohol.
- Lassen Sie das Thema in einer entspannten Supine-Position liegen.
- Legen Sie die Referenzelektrode auf den rasierten Bereich der Patella.
- Befestigen Sie die Elektroden nacheinander an den rasierten Bereichen der Muskeln, mit doppelseitigem Klebeband, wobei darauf geachtet wird, dass die Elektroden sicher an der Haut befestigt werden.
- Bitten Sie nach dem Platzieren jeder Elektrode den Betreffenden, eine plantarflexing/dorsiflexing Kontraktion gegen Widerstand durchzuführen, und untersuchen Sie die Wellenformen auf einem Oszilloskop, um sicherzustellen, dass das EMG-Signal einen hohen SNR hat. Wenn das Signal SNR schlecht ist, bewegen Sie die Elektroden, bis eine Position mit einem hohen SNR gefunden ist.
- Stellen Sie sicher, dass die Bewegungen des Motivs nicht durch die EMG-Kabel behindert werden.
- Kinematische Messungen
- Befestigen Sie einen reflektierenden Marker am Schaft mit einem Gurt, der für die Shankwinkelmessung verwendet werden kann.
HINWEIS: Platzieren Sie den Schaftmarker so hoch wie möglich auf dem Schaft, um die größtmögliche lineare Verschiebung für eine bestimmte Drehung zu erzeugen, wodurch die Winkelauflösung verbessert wird. - Lassen Sie das Thema auf den Körpergurt legen.
- Befestigen Sie einen Reflexionsmarker an der Taille des Motivs mit einem Gurt, der für die Messung des Oberkörperwinkels verwendet werden soll. Stellen Sie sicher, dass der reflektierende Taillenmarker in der Mitte zwischen dem linken und rechten PSIS platziert wird und dass die Kleidung des Motivs die reflektierende Oberfläche der Taille nicht bedeckt.
- Lassen Sie das Thema auf den stehenden Apparat zu bekommen.
- Passen Sie die Fußposition des Motivs an, um die seitlichen und medialen Malleoli jedes Beins an der Drehachse des Pedals auszurichten.
- Umreißen Sie die Fußpositionen des Motivs mit einem Marker und weisen Sie sie an, ihre Füße während der Experimente an den gleichen Stellen zu halten. Dadurch wird sichergestellt, dass die Drehachsen der Knöchel und Aktoren während der Experimente ausgerichtet bleiben.
- Passen Sie die vertikale Position der Laser-Entfernungsmesser so an, dass sie auf die Mitte der reflektierenden Marker zeigen. Passen Sie den horizontalen Abstand zwischen dem Laser-Entfernungsmesser und den reflektierenden Markern so an, dass die Entfernungsfinder im mittleren Bereich arbeiten und im stillen Stehen nicht sättigen.
- Lassen Sie das Motiv um den Knöchel nach vorne und rückwärts lehnen und sicherstellen, dass die Laser in ihrem Arbeitsbereich bleiben.
- Messen Sie die Höhe der Laser-Entfernungsmesser in Bezug auf die Knöchelachse der Rotation.
HINWEIS: Diese Höhen werden verwendet, um lineare Verschiebungen in Winkel umzuwandeln.
- Befestigen Sie einen reflektierenden Marker am Schaft mit einem Gurt, der für die Shankwinkelmessung verwendet werden kann.
- Experimentelle Protokolle
- Informieren Sie das Thema darüber, was sie für jede Versuchsbedingung erwartet.
- Weisen Sie das Subjekt an, still mit den Händen an der Seite zu stehen, während es nach vorne schaut, und ihr Gleichgewicht zu wahren, wie sie es tun, wenn es den realen Störungen gegenübersteht.
- Bei gestörten Versuchen beginnen Sie die Störung und lassen Sie das Subjekt sich daran anpassen.
- Starten Sie die Datenerfassung, sobald der Betreff ein stabiles Verhalten festgestellt hat.
- Geben Sie dem Betreffenden nach jeder Studie eine ausreichende Ruhezeit, um Ermüdung zu vermeiden. Kommunizieren Sie mit ihnen, um zu sehen, ob sie mehr Zeit benötigen.
- Führen Sie die folgenden Tests durch.
- Führen Sie für den Gerätetest einen 2-min-Test durch, um die Sensordaten 2 h vor der Ankunft des Probanden zu untersuchen. Suchen Sie in den aufgezeichneten Sensordaten nach unregelmäßig großen Geräuschen oder Offsets. Wenn es Probleme gibt, lösen Sie sie, bevor das Thema eintrifft.
- Für leises Stehen, führen Sie eine 2-min ruhige Standprüfung ohne Störungen durch.
HINWEIS: Diese Studie bietet eine Referenz, die erforderlich ist, um zu bestimmen, ob/wie sich Haltungsvariablen als Reaktion auf Störungen ändern. - Für gestörte Experimente führen Sie die Störung aus und erfassen Sie Daten für 2 x 3 min. Tragen Sie Pedalstörungen auf, wenn das Ziel darin besteht, die Rolle des somatosensorischen Systems/Knöchelsteifigkeit im Stehen zu untersuchen. Wenden Sie visuelle Störungen an, wenn das Ziel darin besteht, die Rolle des Sehens bei der Haltungskontrolle zu untersuchen. Wenden Sie visuelle und Pedalstörungen gleichzeitig an, wenn das Ziel darin besteht, die Wechselwirkung der beiden Systeme in der Haltungskontrolle zu untersuchen.
HINWEIS: Pedalstörungen werden als Drehung der stehenden Gerätepedale angewendet. In ähnlicher Weise werden visuelle Störungen angewendet, indem das virtuelle Gesichtsfeld mithilfe des VR-Headsets rotiert wird. Der Winkel des Pedal-/Gesichtsfeldes folgt einem Signal, das je nach Studienziel ausgewählt wird. Der Diskussionsabschnitt enthält Einzelheiten zu den Störungsarten, die für die Untersuchung der Haltungskontrolle verwendet werden, und die Vorzüge jeder Störung.
- Führen Sie mindestens 3 Versuche für jede spezifische Störung durch.
ANMERKUNG: Es werden mehrere Versuche durchgeführt, um die Zuverlässigkeit der Modelle bei der Analyse der gesammelten Daten zu gewährleisten. z.B. ist es möglich, die Modelle zu validieren. - Führen Sie die Versuche in einer zufälligen Reihenfolge durch, um sicherzustellen, dass die Probanden nicht lernen, auf eine bestimmte Störung zu reagieren; dies ermöglicht es auch, auf zeitveränderndes Verhalten zu überprüfen.
- Überprüfen Sie die Daten nach jeder Testversion visuell, um sicherzustellen, dass die erfassten Signale von hoher Qualität sind.
- Elektromyographie-Messung
2. Identifizierung der menschlichen Haltungskontrolle
- Nicht-parametrische Identifizierung des dynamischen Verhältnisses des Körperwinkels zu visuellen Störungen
- versuch
- Erwerben Sie visuell gestörte Versuche für 2 min gemäß den Schritten in den Abschnitten 1.1 und 1.2.
- Verwenden Sie ein Trapezsignal (TrapZ) mit einer Peak-to-Peak-Amplitude von 0,087 rad und einer Geschwindigkeit von 0,105 rad/s.
- Halten Sie die Pedalposition konstant im Nullwinkel.
- analyse
HINWEIS: Die Datenanalyse in den Abschnitten 2.1.2 und 2.2.2 wird mit MATLAB durchgeführt.- Dezimieren Sie den rohen Körperwinkel und visuelle Störungssignale (z. B. dass die höchste beobachtbare Frequenz 10 Hz ist), mit den folgenden Befehlen:
wo
HINWEIS: Bei einer Abtastrate von 1 kHz muss das Dezimierungsverhältnis 50 betragen, um eine höchste Frequenz von 10 Hz zu haben. - Wählen Sie die niedrigste Zinshäufigkeit aus, die die Fensterlänge für die Leistungsschätzung bestimmt.
HINWEIS: Hier wird eine Mindestfrequenz von 0,1 Hz gewählt, so dass die Fensterlänge für die Leistungsschätzung 1/0,1 Hz = 10 s beträgt. Die Frequenzauflösung ist die gleiche wie die minimale Frequenz, und daher werden die Berechnungen für 0.1, 0.2, 0.3, ..., 10 Hz durchgeführt. - Wählen Sie den Fenstertyp und den Überlappungsgrad aus, um die Leistungsspektren zu finden.
HINWEIS: Bei einer Versuchslänge von 120 s ergeben 10 s Hanning-Fenster mit 50% Überlappung eine Mittelung von 23 Segmenten für die Leistungsspektrumschätzung. Da wir die Daten auf 20 Hz dezimiert haben, hat ein 10 s Fenster eine Länge von 200 Proben. - Verwenden
Sie die Funktion, um den Frequenzgang (FR) des Systems zu finden:
wo
ANMERKUNG: Die vorgestellte Funktion berechnet das Kreuzspektrum zwischen der dezimierten VR-Störung und 
dem Körperwinkel in den von 
angegebenen Frequenzen mithilfe eines Hanning-Fensters mit der angegebenen Länge und der Anzahl der Überlappungen 
(d. h. 50% Überlappung). In ähnlicher Weise berechnet es das auto-Spektrum des VR-Eingangs. Anschließend berechnet es anhand des geschätzten Kreuzspektrums und des Auto-Spektrums die FR des Systems. - Suchen Sie die Verstärkung und Phase der geschätzten FR in Schritt 2.1.2.4 mit den folgenden Befehlen:
wo
- Berechnen Sie die Kohärenzfunktion mit dem folgenden Befehl:
wo
ANMERKUNG:
Die Funktion folgt 
einem ähnlichen 
Verfahren, um die Kohärenz zwischen und 
zu finden. - Zeichnen Sie die Verstärkung, Phase und Kohärenz als Funktion der Frequenz.
ANMERKUNG: Die vorgestellte Methode kann auf den Fall ausgedehnt werden, in dem sowohl visuelle als auch mechanische Störungen angewendet werden, bei denen eine MIMO-Identifikationsmethode mit mehreren Eingaben und mehreren Ausgängen (MIMO) verwendet werden muss9. Die Identifizierung kann auch mit der Subspace-Methode (die sich inhärent mit MIMO-Systemen befasst)27 oder mit parametrischen Übertragungsfunktionsmethoden wie MIMO Box-Jenkins28erfolgen. Sowohl Subspace als auch Box-Jenkins (und andere Methoden) werden in der MATLAB Systemidentifikations-Toolbox implementiert.
- Dezimieren Sie den rohen Körperwinkel und visuelle Störungssignale (z. B. dass die höchste beobachtbare Frequenz 10 Hz ist), mit den folgenden Befehlen:
- versuch
- Parametrische Identifizierung der intrinsischen Steifigkeit des Knöchels im Stehen
- versuch
- Führen Sie mechanisch gestörte Versuche für 2 min. Verwenden Sie eine pseudo-zufällige binäre Sequenzen (PRBS) Störung mit einer Peak-to-Peak-Amplitude von 0,02 rad und einem Schaltintervall von 200 ms. Stellen Sie sicher, dass der Mittlere Winkel des Pedals Null ist.
- analyse
- Unterscheiden Sie das Fußsignal einmal, um Fußgeschwindigkeit zu erhalten ( ,
zweimal, um Fußbeschleunigung zu erhalten (
und dreimal, um seinen Ruck zu erhalten (
Ähnlich unterscheiden Sie das Drehmoment, um seine Geschwindigkeit und Beschleunigung zu erhalten, mit den folgenden befehlen:
wo
- Berechnen Sie die Position der lokalen Maxima und lokalen Minima der Fußgeschwindigkeit, um Impulse zu lokalisieren, mit dem folgenden Befehl:
wo
HINWEIS:
Funktion findet alle lokalen Maxima (positive Fußgeschwindigkeit) und ihre Positionen. Um die lokale Minima zu finden, wird die gleiche Funktion verwendet, aber das Zeichen der Fußwinkelgeschwindigkeit muss umgekehrt werden. - Entwerfen Sie einen8. Butterworth Tiefpassfilter mit einer Eckfrequenz von 50 Hz mit dem folgenden Befehl:
- Filtern Sie alle Signale mit Nullphasenverschiebung mit dem Butterworth-Filter:
HINWEIS: "filtfilt" Funktion verursacht keine Verschiebung des gefilterten Signals. Verwenden Sie nicht die Funktion "Filter", da sie eine Verschiebunggeneriert. - Zeichnen Sie die Fußgeschwindigkeit, und finden Sie visuell eine Schätzung des Zeitraums zwischen dem Extrem a der Fußgeschwindigkeit und dem Beginn des Pulses (der erste Punkt mit Null-Fuß-Geschwindigkeit vor der Spitzengeschwindigkeit ist). Für die Störung in dieser Studie trat dieser Punkt 25 ms vor der Geschwindigkeitsextrema in Schritt 2.2.2.2 auf.
- Berechnen Sie für jeden Impuls das Knöchelhintergrunddrehmoment als Mittelwert des Knöcheldrehmoments von 25 ms vor Dem Start des Impulses, d.h. dem Mittelwert des Drehmoments im Segment, das 50 ms bis 25 ms vor der Geschwindigkeitsextrema beginnt. Tun Sie dies für den kth Puls mit einer positiven Geschwindigkeit mit dem folgenden Befehl:
HINWEIS: Dies geschieht sowohl für maximale als auch für minimale Geschwindigkeiten (negative Fußgeschwindigkeit), die in Schritt 2.2.2.2 gefunden werden. - Finden Sie das Minimum und Maximum aller Hintergrunddrehmomente für alle Impulse mit dem folgenden Befehl:
- Extrahieren Sie für jeden Impuls die Drehmomentdaten von 65 ms nach dem Impulsstart (als intrinsisches Drehmomentsegment) mit folgendem Befehl:
HINWEIS: Dies geschieht auch für die erste und zweite Ableitung des Knöcheldrehmoments (um die erste und zweite Ableitung des intrinsischen Drehmoments bereitzustellen), sowie für Fußwinkel, Fußgeschwindigkeit, Fußbeschleunigung und Fußruck. - Berechnen Sie die Änderung des k th-Initius-Drehmomentsegments anhand des Anfangswerts mit dem folgenden Befehl:
HINWEIS: Dies geschieht ähnlich für
Fußwinkel zu erhalten. - Teilen Sie den Drehmomentbereich (in Schritt 2.2.2.7) in 3 Nm breite Behälter und finden Sie die Impulse mit Hintergrunddrehmoment in jedem Behälter.
HINWEIS: Dies geschieht mit der"Find"-Funktion und der Indizierung. Es wird angenommen, dass die intrinsische Steifigkeit in jedem Behälter konstant ist, da sich das Knöchelhintergrunddrehmoment nicht wesentlich ändert. - Schätzen Sie die intrinsischen Steifigkeitsparameter des erweiterten intrinsischen Modells (EIM)29, für den jth bin mit den Impulsen in Gruppe j ( ).
- Verketten Sie alle intrinsischen Drehmomentantworten im
j th bin, um den Vektor zu bilden:
wobei
die i
th ( ) intrinsische Drehmomentantwort in Gruppe j ist.
ANMERKUNG: In ähnlicher Weise verketten Fußwinkel, Geschwindigkeit und Beschleunigung sowie erste und zweite Ableitungen des intrinsischen Drehmoments derj. Gruppe, die in Schritt 2.2.2.11.2 verwendet werden sollen. - Setzen Sie den Fußwinkel, die Geschwindigkeit, die Beschleunigung und den Ruck sowie die erste und zweite Ableitung des Drehmoments der Gruppe j zusammen, um die Regressionsmatrix zu bilden:
- Suchen Sie die intrinsischen Steifigkeitsparameter für die jth-Gruppe mithilfe des umgekehrten Schrägstrichs:
- Extrahieren Sie das
vierte Element der
niederfrequenten intrinsischen Steifigkeit .
- Verketten Sie alle intrinsischen Drehmomentantworten im
- Führen Sie Schritte in Abschnitt 2.2.2.11 für alle Gruppen (Bins) aus, und schätzen Sie die entsprechende niederfrequente Intrinsische Steifigkeit.
- Teilen Sie alle geschätzten Niedrigfrequenzsteifigkeitswerte durch die kritische Steifigkeit des Motivs:
wobei m die Masse des Subjekts ist, g
die Gravitationsbeschleunigung und die Höhe des Körpermittelpunkts über der Knöchelachse der Rotation, abgeleitet von anthropometrischen Daten30. Dies ergibt die normalisierte Steifigkeit (
). - Konvertieren Sie das Knöchelhintergrunddrehmoment in
die COP-Position des Knöchelhintergrunds ( ), indem Sie die Knöchelhintergrunddrehmomente mit den entsprechenden gemessenen vertikalen Kräften dividieren. - Plot
als Funktion des Druckzentrums.
wo
- Unterscheiden Sie das Fußsignal einmal, um Fußgeschwindigkeit zu erhalten ( ,
- versuch
Sie die Funktion, um den Frequenzgang (FR) des Systems zu finden:
dem Körperwinkel in den von 
angegebenen Frequenzen mithilfe eines Hanning-Fensters mit der angegebenen Länge und der Anzahl der Überlappungen 
(d. h. 50% Überlappung). In ähnlicher Weise berechnet es das auto-Spektrum des VR-Eingangs. Anschließend berechnet es anhand des geschätzten Kreuzspektrums und des Auto-Spektrums die FR des Systems.
Die Funktion folgt 
einem ähnlichen 
Verfahren, um die Kohärenz zwischen und 
zu finden.
zweimal, um Fußbeschleunigung zu erhalten (
und dreimal, um seinen Ruck zu erhalten (
Ähnlich unterscheiden Sie das Drehmoment, um seine Geschwindigkeit und Beschleunigung zu erhalten, mit den folgenden befehlen:
Funktion findet alle lokalen Maxima (positive Fußgeschwindigkeit) und ihre Positionen. Um die lokale Minima zu finden, wird die gleiche Funktion verwendet, aber das Zeichen der Fußwinkelgeschwindigkeit muss umgekehrt werden.
Fußwinkel zu erhalten.
j th bin, um den Vektor zu bilden:
die i
th ( ) intrinsische Drehmomentantwort in Gruppe j ist.
vierte Element der
niederfrequenten intrinsischen Steifigkeit .
die Gravitationsbeschleunigung und die Höhe des Körpermittelpunkts über der Knöchelachse der Rotation, abgeleitet von anthropometrischen Daten30. Dies ergibt die normalisierte Steifigkeit (
).
die COP-Position des Knöchelhintergrunds ( ), indem Sie die Knöchelhintergrunddrehmomente mit den entsprechenden gemessenen vertikalen Kräften dividieren.
als Funktion des Druckzentrums.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Pseudo-Random-Ternary-Sequenz (PRTS) und TrapZ-Signale
Abbildung 2A zeigt ein PRTS-Signal, das durch die Integration eines Pseudo-Zufallsgeschwindigkeitsprofils erzeugt wird. Für jede 
Probezeit kann die Signalgeschwindigkeit gleich Null sein oder einen vordefinierten positiven oder negativen Wert erfassen. 
Durch Steuerung 
und können PRTS-Eingänge mit einer breiten Spektralbandbreite generiert und auf verschiedene Peak-to-Peak-Amplituden skaliert werden. Darüber hinaus ist das PRTS periodisch, aber unvorhersehbar, was für die Untersuchung der Haltungskontrolle wünschenswert ist. Der Leser wird auf den folgenden Artikel verwiesen, um das PRTS-Signal31ausführlich zu erklären.
Abbildung 2B zeigt ein TrapZ-Signal. Es beginnt bei einem Nullwert 
und nach 
einer zufälligen Periode (deren Minimum ist
), rast 
das Signal zufällig auf seine maximale
Amplitude 
( ) mit einer Geschwindigkeit oder Rampen bis zu seiner minimalen Amplitude ( ) mit einer Geschwindigkeit . Das Signal bleibt an seinem Maximum oder 
Minimum für einen zufälligen Zeitraum (Minimum von ) und kehrt dann mit Geschwindigkeit oder auf Null zurück. Die Schleife beginnt erneut bei Null. Es ist offensichtlich, dass das TrapZ im Gegensatz zum PRTS ein Null-Mittelsignal ist und daher keine Nichtstationarität in der Haltungsantwort verursacht. Darüber hinaus ist es unvorhersehbar, da der Zeitpunkt der Änderung des Signalwertes und die Richtung der Änderung (d. h. positive oder negative Geschwindigkeit) zufällig sind.
Identifikation des Körperwinkels zum visuellen Störungssystem
Abbildung 3 zeigt die Signale einer typischen Standprüfung mit TrapZ-Visuellen Störungen. Abbildung 3A zeigt die VR-Störung, bei der sich das Sichtfeld in der sagittalen Ebene von 0 bis 0,087 rad (5°) dreht. Abbildung 3C,E zeigt die Knöchel- und Körperwinkel, die sehr ähnlich sind, da der Fußwinkel Null ist und Schaft und Oberkörper sich zusammen bewegen. Abbildung 3G zeigt das Knöcheldrehmoment, das mit dem Schaft- und Körperwinkel korreliert. Abbildung 3B ,D,F,H zeigt die EMGs aus den Knöchelmuskeln. Es ist offensichtlich, dass SOL und LG kontinuierlich aktiv sind, MG erzeugt periodisch große Ausbrüche von Aktivitäten mit Körperwechsel, und TA ist stumm.
Abbildung 4 zeigt die FR der Übertragungsfunktion, die die visuelle Eingabe mit dem Körperwinkel für die Daten in Abbildung 3in Beziehung zu stellt. Der erste Schritt besteht darin, die Kohärenz zu untersuchen, da Gewinn und Phase nur dann sinnvoll sind, wenn die Kohärenz hoch ist (wenn die Kohärenz 1 ist, besteht eine lineare, geräuschfreie Beziehung zwischen dem Eingang und dem Ausgang; eine Kohärenz kleiner als 1 tritt auf, wenn der Eingangsausgang Beziehung ist nichtlinear oder die Daten sind laut). Die Kohärenz ist bei niedriger Frequenz am höchsten, zwischen 0,1 und 1 Hz und fällt bei höheren Frequenzen signifikant ab. Der Gewinn steigt zunächst von 0,1 Hz auf 0,2 Hz und verringert sich dann auf 1 Hz, was das erwartete Tiefpassverhalten aufgrund der hohen Trägheit des Körpers zeigt. Die Phase beginnt ebenfalls bei Null und nimmt fast linear mit der Frequenz ab, was darauf hinweist, dass sich die Ausgabe in Bezug auf den Eingang verzögert.
Identifizierung der intrinsischen Steifigkeitsparameter des Knöchels
Abbildung 5 zeigt die Signale, die für eine typische gestörte Standprüfung gemessen wurden. Abbildung 5A zeigt die Pedalstörung – ein PRBS mit einer Spitzen-zu-Spitzen-Amplitude von 0,02 rad und einem Schaltintervall von 200 ms. Die Pedalposition wechselt zwischen zwei Werten (-0,01 und 0,01) bei ganzzahligen Vielfachen des Schaltintervalls. Abbildung 5C zeigt den Knöchelwinkel, bei dem die schnellen Veränderungen auf die Fußbewegung zurückzuführen sind, während die anderen Veränderungen das Ergebnis einer Schaftbewegung mit Schwanken sind. Abbildung 5E zeigt den Körperwinkel als Reaktion auf die Störung mit einer Spitzenbewegung von etwa 0,04 rad. Abbildung 5G zeigt das gemessene Knöcheldrehmoment; zwei Komponenten sind offensichtlich: die Modulation des Drehmoments mit Körperschwung und große Abwärtsspitzen, die die Dehnungsreflex-Drehmomentreaktion zeigen (in der Regel geschieht nach einem dorsiflexing Impuls). Abbildung 5B ,D,F,H zeigt die SOL, MG, LG und TA EMGs. Es ist klar, dass die TS-Muskeln kontinuierlich aktiv sind und aufgrund von Dehnungsreflexreaktionen große Aktivitätsausbrüche aufweisen. TA ist meist stumm, mit Ausnahme einiger Spitzen, die von den TS-Muskeln zu übersprechen scheinen, da sie gleichzeitig mit der Dehnungsreflexaktivität der TS-Muskeln auftreten.
Abbildung 6 zeigt eine typische Pulspositionsstörung, ihre Geschwindigkeit und das entsprechende SOL EMG und Drehmomentverhalten. Die intrinsische Reaktion beginnt 25 ms vor und dauert bis 40 ms nach der Spitzengeschwindigkeit; der Höhepunkt im SOL EMG zeigt das Vorhandensein einer Reflexantwort. Das Pre-Response-Segment, beginnend 50 ms vor der Spitzengeschwindigkeit wird verwendet, um das Hintergrunddrehmoment zu finden.
Abbildung 7 zeigt die intrinsische Steifigkeit als Funktion die COP-Position für die linke und rechte Seite des Motivs in Abbildung 5dargestellt; die Steifigkeit wurde mit der vorgestellten Analysemethode geschätzt. Es ist offensichtlich, dass die intrinsische Steifigkeit nicht konstant ist, sondern sich mit dem Haltungsgefühl signifikant verändert. Diese Veränderungen erscheinen funktional angemessen, da die Steifigkeit zunimmt, wenn sich die COP weiter von der Knöchelachse der Rotation entfernt, wo es eine höhere Fallgefahr gibt23.
Abbildung 1: Haltungskontrollmodell: Der Körper ist von Natur aus instabil und unterliegt destabilisierenden Schwerkraftmomenten (
) und Störungen. Stabile aufrechte Haltung wird durch korrigierende Muskelkräfte, die durch einen zentralen Controller, Spinaldehnungsreflexe und intrinsische mechanische Gelenksteifigkeit erzeugt werden. Die Muskelaktivierung durch Dehnungsreflex und zentrale Beiträge zeigt sich in der EMG-Aktivität. Nur die Signale in Rot können gemessen werden, während schwarze Signale nicht gemessen werden können. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 2: Erzeugung von PRTS- und TrapZ-Signalen. (A) PRTS-Signal. Aus einer PRTS-Sequenz von 242 Längen wird ein Stimulus erzeugt, der Werte von 0, 1 und 2 enthält, die 
festen Geschwindigkeiten von 0, +v und -v für eine feste Dauer von entsprechen. Die Geschwindigkeit wird integriert, um die Position zu erzeugen, die als Störsignal verwendet wird. Die Periode des Störsignals ist gleich 
, wobei m die Stufennummer des Schichtregistrars ist, die die Reihenfolge der Geschwindigkeit bestimmt. (B) TrapZ-Signal. Das Signal beginnt bei Null; nach einem zufälligenZeitintervall ( ) rast esauf seinen
maximalen ( ) oder minimalen Wert ( miteiner konstanten Geschwindigkeit; das Signal geht nach einem zufälligen Zeitintervall ( ) auf Null zurück und die gesamte Schleife beginnt wieder. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 3: Typische experimentelle Studie mit TrapZ-Visueller Störung; die Spitzen-zu-Spitzen-Störungsamplitude beträgt 0,174 rad und die Geschwindigkeit beträgt 0,105 rad/s. (A) VR-Störungswinkel, der die Drehung des Sichtfeldes in der sagittalen Ebene anzeigt. (C) Knöchelwinkel, der mit dem Schaftwinkel identisch ist, da sich der Fuß nicht bewegt. (E) Körperwinkel. (G) Knöcheldrehmoment. (B, D, F, H) Rohrektifiziertes EMG von SOL, MG, LG und TA; SOL und LG sind kontinuierlich aktiv, während MG einen Ausbruch der Aktivität im Zusammenhang mit Körperschwanken zeigt und TA stumm ist. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 4: Frequenzgang des dynamischen Verhältnisses des Körperwinkels zur visuellen Störung, geschätzt aus den in Abbildung 3 dargestellten Daten. Gain (oberes Panel) zeigt das Verhältnis der Amplitude des Ausgangs zum Eingang als Funktion der Frequenz; Es zeigt ein Low-Pass-Verhalten. Phase (mittleres Panel) zeigt den Unterschied zwischen der Eingangs- und Derausgangsphase als Funktion der Frequenz. Die Kohärenz (untere Ebene) stellt einen Index bereit, der misst, wie viel der Ausgangsleistung linear mit der Eingangsleistung bei jeder Frequenz verbunden ist. Eine Kohärenz von 1 zeigt eine perfekte lineare Eingangs-Ausgangs-Beziehung; das Vorhandensein von Rauschen oder Nichtlinearität reduziert es jedoch. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 5: Typische PRBS-Positionsstörungsstudie; die Peak-to-Peak-Störungsamplitude beträgt 0,02 rad und das Schaltintervall 200 ms. (A) Fußwinkel, der mit der Position ist, da sich der Fuß mit dem Pedal bewegt. (C) Knöchelwinkel; die zufälligen Veränderungen sind auf die Schaftbewegung mit Schwanken zurückzuführen. (E) Körperwinkel, erhalten, wenn der Körper als invertiertes Pendel wirkt. (G) Gemessenes Knöcheldrehmoment bilden die Daten der Wägezellen. (B, D, F, H) Roh-EMG von SOL, MG, LG und TA; die TS-Muskeln sind alle kontinuierlich aktiv, während die großen Spitzen die Dehnungsreflexaktivität reflektieren; TA ist meist still. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 6: Ein einzelner Impuls aus der in Abbildung 5 dargestellten Studie auf einer erweiterten Zeitskala. (A) Fußwinkel, (B) Fußgeschwindigkeit, (C) SOL EMG und (D) Knöcheldrehmoment. Die vertikalen gepunkteten Linien trennen die Antwort in die Vorantwort (25 ms), die intrinsische Antwort (65 ms) und die Reflexantwort (300 ms); positive Drehmomente und Winkel entsprechen der Dorsiflexion. Die Daten für diese Zahl stammen aus Amiri und Kearney23. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 7: Geschätzte normalisierte intrinsische Steifigkeit in Abhängigkeit von der COP-Position für die linke und rechte Seite eines typischen Motivs, die aus den in Abbildung 5 dargestellten Daten ermittelt wird. Balken geben die 95%-Konfidenzintervalle der Steifigkeitswerte an. Die Daten für diese Zahl stammen aus Amiri und Kearney23. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Mehrere Schritte sind entscheidend bei der Durchführung dieser Experimente, um die menschliche Haltungskontrolle zu untersuchen. Diese Schritte sind mit der korrekten Messung der Signale verbunden und umfassen: 1) Korrekte Ausrichtung der Schaftknöchel-Drehungsachse an der der Pedale, für die korrekte Messung der Knöchelmomente. 2) Korrekte Einrichtung der Entfernungsmesser, um sicherzustellen, dass sie in ihrem Bereich arbeiten und während der Experimente nicht gesättigt sind. 3) Messung von EMG mit guter Qualität und minimalem Quergespräch. 4) Anwendung geeigneter Störungen, die ausreichende Reaktionen hervorrufen, aber die normale Haltungskontrolle nicht stören. 5) Auswahl einer geeigneten Versuchslänge, basierend auf der beabsichtigten Analyse, bei gleichzeitiger Vermeidung von Körperverschiebungen und Ermüdung. Neben den Experimenten muss die Analyse auch sorgfältig durchgeführt werden. Für die Abschätzung der intrinsischen Steifigkeit aus Daten, die im mechanisch gestörten Stehen erfasst werden, ist es wichtig, die Länge der intrinsischen Reaktion so auszuwählen, dass kein Reflexmoment (das kurz nach einem Ausbruch der Aktivität in den TS-Muskeln beginnt) iinklusive. Obwohl viele Studien davon ausgegangen sind, dass sich die intrinsische Steifigkeit im Stehen11,14,15nicht ändert, hat eine aktuelle Studie gezeigt, dass es wichtig ist, die Modulation der Steifigkeit mit Veränderungen des Knöcheldrehmoments im Zusammenhang mit dem Haltungsgang23,32. Um die FR der dynamischen Beziehung von jedem Eingang zum Ausgang zu bestimmen, besteht der wichtigste Schritt darin, das Kreuzspektrum und das Leistungsspektrum korrekt abzuschätzen, indem die Fensterlänge und -überlappung ausgewählt wird, die der Datensatzlänge angemessen sind.
Die Gestaltung der Störungen ist ein wichtiger Schritt in menschlichen Stehexperimenten. Für die Untersuchung der Haltungskontrolle wurden verschiedene Arten von mechanischen und visuellen Störungen verwendet, die als Winkel der Stützfläche oder des Winkels des Gesichtsfeldes angegeben sind. Dazu gehören Multisinus, Low-Pass-gefiltertes Rauschen, pseudo-zufällige ternäre Sequenz (PRTS) und andere3,9,10,12,18,24,31 ,33,34. Die Verwendung einer pseudozufälligen Binärsequenz (PRBS) ist jedoch vorteilhaft für mechanische Störungen, da: 1) Für eine gegebene Peak-to-Peak-Amplitude bietet sie die höchste Leistung über einen weiten Frequenzbereich, der durch Auswahl der Schaltrate3; 2) Es ist unvorhersehbar, aber wiederholbar, so dass es möglich ist, Lärm durch Mittelung zu reduzieren; 3) Ein PRBS-Eingang mit niedriger absoluter mittlerer Geschwindigkeit erzeugt Reflexantworten, die eine Quantifizierung von Dehnungsreflexen im Stehen ermöglichen. Für das visuelle System rufen Schrittimpulse keine signifikanten Haltungsreaktionen hervor, da das visuelle System schnellen Veränderungen des Gesichtsfeldes nicht folgen kann. Darüber hinaus können vorhersagbare Eingänge wie Sinusoide mit einer Frequenz vorausschauendes Verhalten erzeugen. Multisinussignale sind nicht wirksam für das Studium der visuellen Reaktionen, weil ihre schnellen und kontinuierlichen Veränderungen schwer zu folgen sind und dazu führen können, dass Probanden bewegungskrank werden. PRTS-Signale wurden ausgiebig verwendet, um visuelles System im Stehen zu studieren, da es sich um einen informativen Input handelt; die Bewegungen des Gesichtsfeldes sind diskret und nicht kontinuierlich und ihre Geschwindigkeit kann gesteuert werden, um kohärente visuelle Reaktionen zu erzeugen. Obwohl das PRTS gut abschneidet, ist es ein mittleres Signal ungleich Null, das nicht-stationaritäten in der Haltungskontrolle verursachen kann und die Identifizierung erschwert. Daher wurde trapZ entwickelt, um dieses Problem zu beheben, das unvorhersehbar, diskret und mit einem Nullmittelwert ist (Abbildung 2B). Ein weiterer wichtiger Aspekt bei der Gestaltung der Experimente ist die Störamplitude. Im Allgemeinen sollten Störungen mit niedrigen Amplituden verwendet werden, wenn das Ziel darin besteht, eine lineare Analyse durchzuführen und nicht von einer Knöchelstrategie abzuweichen. Die Gültigkeit der Knöchelstrategie kann analytisch35überprüft werden, und wenn es große Abweichungen gibt, die durch größere Störamplituden erzeugt werden können, können nichtlineare Analysemethoden, begleitet von mehrteiligen Körpermodellen im Stehen, erforderlich36.
Eine weitere Überlegung für die Störungskonstruktion ist die Versuchslänge, die lang genug sein muss, um zuverlässige Schätzungen der Modellparameter zu ermöglichen. Sehr lange Versuche sind jedoch unerwünscht, da sie dazu führen können, dass das Subjekt die Körperorientierung verschiebt, was zu einer Nicht-Stationarität führt, die die Systemmodellierung und -identifikation erschwert. Eine Probelänge zwischen 2 und 3 Minuten ist optimal. Diese Versuchslänge führt in der Regel nicht zu Ermüdung, sofern zwischen den Versuchen eine ausreichende Ruhezeit durchgesetzt wird. Die Analysemethode beeinflusst auch die erforderliche Versuchslänge. Wenn eine lineare Analyse mit FR oder Impulsantwortfunktion verwendet wird, bestimmt die niedrigste Zinshäufigkeit die Datensatzlänge. Die Umkehrung der Fensterlänge entspricht der Minimalfrequenz, so dass, wenn niedrigere Frequenzen untersucht werden sollen, längere Fenster verwendet werden müssen. Darüber hinaus muss die Studie lang genug sein, um genügend Mittelwerte zu liefern, um robuste spektrale Schätzungen zu liefern. Nichtlineare Analysen erfordern im Allgemeinen noch längere Datensätze, da nichtlineare Modelle in der Regel mehr Parameter als lineare Modelle aufweisen.
Die Untersuchung der menschlichen Haltungskontrolle erfordert die Auswahl einer geeigneten Identifizierungsmethode. Parametrische und nicht-parametrische lineare Identifikationsmethoden können verwendet werden, um die Haltungskontrolle10,12,18,19,20,28,31 zu untersuchen ,37,38,39,40,41,42,43,44,45 ,46,47,48,49,50,51,52,53,54 . Die nicht-parametrische Identifizierungwurde unter Verwendung der FR-Schätzung ausgiebig zur Untersuchung der Haltungskontrolle verwendet, da sie sich gut für die Identifizierung von Daten eignet, die im geschlossenen Kreislaufzustand von stehend24 erfasst wurden, und nur wenige a-priori Annahmen (Details zu dieser Methode siehe24). Die am häufigsten verwendete Methode ist die Schätzung der FR des Closed-Loop-Systems zwischen einer externen (mechanischen/sensorischen) Störung und einem Ausgang (z. B. Körperwinkel, Knöcheldrehmoment oder Muskel-EMG), der eine Kombination aus Regler, Anlage und Feedback ist. Um die physikalische Signifikanz zu erhalten und jede Komponente separat zu untersuchen, haben viele Studien ein parametrisches Modell des Closed-Loop-Systems verwendet und die Parameter geschätzt, die der FR des parametrischen Modells entsprechen, und die geschätzte Ausgabeempfindlichkeit10 ,18,31,37,38,39,40,41,42,43 ,44,45,46,47,48,49,50,51. Die parametrische Identifikationgeht dagegen davon aus, dass die Systemeingabe und -ausgabe durch eine Modellstruktur mit einer begrenzten Anzahl von Parametern, bekannt a-priori,verknüpft sind. Die Vorhersagefehlermethode wird verwendet, um die Modellparameter zu finden, die den Fehler zwischen der gemessenen Ausgabe und der Modellvorhersage55minimieren. Im Gegensatz zu FR-Modellen, bei denen die externe Störung gemessen und für die Analyse verwendet werden muss, können diese Methoden direkt auf zwei beliebige Signale angewendet werden, solange ein separates Rauschmodell, das ausreichend parametrisiert ist, ebenfalls56geschätzt wird. Dies bedeutet, dass es nicht notwendig ist, die äußere Störung zu messen. Obwohl die Modellreihenfolgen a priori bestimmt werden müssen, weisen parametrische Modelle in der Regel weniger Parameter als die FR-Modelle auf und liefern daher robustere Parameterschätzungen. Der Hauptnachteil eines parametrischen Modells besteht darin, dass ein korrektes Rauschmodell verwendet werden muss, um unvoreingenommene Schätzungen der Parameter zu erhalten.
Ein wichtiger Aspekt bei der menschlichen Haltungskontrolle ist ihre bemerkenswerte Anpassungsfähigkeit an neue experimentelle und ökologische Bedingungen. Dies wird durch multisensorische Integration erreicht, was bedeutet, dass das ZNS die Informationen aus somatosensorischen, visuellen und vestibulären Systemen kombiniert, während es genaueren (und weniger variablen) sensorischen Eingängen in allen experimentellen Systemen ein größeres Gewicht verleiht. Bedingungen für die Haltungskontrolle. Wenn z. B. die Propriozeption durch Fußrotation gestört wird, stützt sich das ZNS mehr auf visuelle und vestibuläre Eingänge. Peterka31 hat eine Methode entwickelt, um die multisensorische Integration zu quantifizieren. Für ein stehendes Experiment mit einer spezifischen äußeren Störung identifizierte er die FR des geschlossenen Schleifensystems und fügte dann ein parametrisches Modell darauf an (wie im vorherigen Absatz erläutert). Das parametrische Modell bestand aus einer zentralen Steuerung, deren Eingabe die gewichtete Summe der Eingänge der drei sensorischen Systeme war; die Gewichte wurden verwendet, um die Bedeutung jeder sensorischen Quelle für die Haltungskontrolle zu quantifizieren, d.h. je höher das Gewicht, desto wichtiger ist der sensorische Eingang. Die Anwendung dieser Methode auf die experimentellen Daten zeigte, dass das gestörte sensorische System aufgrund der Ungenauigkeit seiner Eingabe ein geringeres Gewicht und eine geringere Bedeutung hat und somit weniger zur Haltungskontrolle beiträgt31. Diese Methode wurde verwendet, um zu zeigen, wie sich die Haltungskontrolle auch aufgrund von Alterung und Krankheiten verändert38,39. Ein ähnlicher Ansatz kann mit unseren Versuchsgeräten verwendet werden, wo mechanische oder/und visuelle Störungen angewendet werden, um die Rolle und Interaktion der wichtigen sensorischen Systeme in der Haltungskontrolle zu untersuchen.
Die vorgestellten Methoden haben einige Einschränkungen, da die experimentellen und analytischen Methoden für die Untersuchung der Haltungskontrolle bestimmt sind, wenn eine Knöchelstrategie verwendet wird. Daher müssen die Störungen so gestaltet sein, dass übermäßige Körperbewegungen vermieden werden. Wenn die Störungen jedoch groß sind oder die Stützfläche konform ist, wird eine Hüftstrategie verwendet, was bedeutet, dass sowohl Knöchel- als auch Hüftbewegungen signifikant sind. Die Hüftstrategie zeichnet sich durch eine Antiphasenbewegung des Unter- und Oberkörpers aus, die speziell bei Frequenzen größer als 1 Hz57ausgeprägt ist. Die Untersuchung der Hüftstrategie erfordert die Modellierung des Körpers mit mindestens zwei Gliedern, d.h. einem doppelt invertierten Pendelmodell.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Die Autoren haben nichts zu verraten.
Acknowledgments
Dieser Artikel wurde durch NPRP-Stipendium #6-463-2-189 von der Qatar National Research und MOP Grant #81280 von den Canadian Institutes of Health Research ermöglicht.
Materials
| Name | Company | Catalog Number | Comments |
| 5K potentiometer | Maurey | 112P19502 | Measures actuator shaft angle |
| 8 channel Bagnoli surface EMG amplifiers and electrodes | Delsys | Measures the EMG of ankle muscles | |
| AlienWare Laptop | Dell Inc. | P69F001-Rev. A02 | VR-ready PC laptop |
| Data acquisition card | National instruments | 4472 | Samples the analogue signals from the sensors |
| Directional valve | REXROTH | 4WMR10C3X | Bypasses the flow if the angle of actuator shaft goes beyond ±20° |
| Full body harness | Jelco | 740 | Protect the subjects from falling |
| Laser range finder | Micro-epsilon 1302-100 | 1507307 | Measures shank linear displacement |
| Laser range finder | Micro-epsilon 1302-200 | 1509074 | Measures body linear displacement |
| Load cell | Omega | LC302-100 | Measures vertical reaction forces |
| Proportional servo-valve | MOOG | D681-4718 | Controls the hydraulic flow to the rotary actuators |
| Rotary actuator | Rotac | 26R21VDEISFTFLGMTG | Applies mechanical perturbations |
| Torque transducer | Lebow | 2110-5k | Measures ankle torque |
| Virtual Environment Motion Trackers | HTC inc. | 1551984681 | Tracks the head motion |
| Virtual Reality Headset | HTC inc. | 1551984681 | Provides visual perturbations |
References
- Horak, F. B. Postural orientation and equilibrium: what do we need to know about neural control of balance to prevent falls? Age and Ageing. 35, 7-11 (2006).
- Morasso, P. G., Schieppati, M. Can muscle stiffness alone stabilize upright standing? Journal of Neurophysiology. 82 (3), 1622-1626 (1999).
- Kearney, R. E., Hunter, I. W. System identification of human joint dynamics. Critical Reviews in Biomedical Engineering. 18 (1), 55-87 (1990).
- Mirbagheri, M. M., Barbeau, H., Kearney, R. E. Intrinsic and reflex contributions to human ankle stiffness: variation with activation level and position. Experimental Brain Research. 135 (4), 423-436 (2000).
- Weiss, P. L., Hunter, I. W., Kearney, R. E. Human ankle joint stiffness over the full range of muscle activation levels. Journal of Biomechanics. 21 (7), 539-544 (1988).
- Golkar, M. A., Sobhani Tehrani, E., Kearney, R. E. Linear Parameter Varying Identification of Dynamic Joint Stiffness during Time-Varying Voluntary Contractions. Frontiers in Computational Neuroscience. 11, 35 (2017).
- Weiss, P. L., Kearney, R. E., Hunter, I. W. Position dependence of ankle joint dynamics--I. Passive mechanics. Journal of Biomechanics. 19 (9), 727-735 (1986).
- Weiss, P. L., Kearney, R. E., Hunter, I. W. Position dependence of ankle joint dynamics--II. Active mechanics. Journal of Biomechanics. 19 (9), 737-751 (1986).
- Engelhart, D., Boonstra, T. A., Aarts, R. G. K. M., Schouten, A. C., van der Kooij, H. Comparison of closed-loop system identification techniques to quantify multi-joint human balance control. Annual Reviews in Control. 41, 58-70 (2016).
- Kiemel, T., Elahi, A. J., Jeka, J. J. Identification of the plant for upright stance in humans: multiple movement patterns from a single neural strategy. Journal of Neurophysiology. 100 (6), 3394-3406 (2008).
- Loram, I. D., Lakie, M. Direct measurement of human ankle stiffness during quiet standing: the intrinsic mechanical stiffness is insufficient for stability. Journal of Physiology-London. 545 (3), 1041-1053 (2002).
- Fitzpatrick, R., Burke, D., Gandevia, S. C. Loop gain of reflexes controlling human standing measured with the use of postural and vestibular disturbances. Journal of Neurophysiology. 76 (6), 3994-4008 (1996).
- Dakin, C. J., Son, G. M. L., Inglis, J. T., Blouin, J. S. Frequency response of human vestibular reflexes characterized by stochastic stimuli. The Journal of Physiology. 583 (3), 1117-1127 (2007).
- Vlutters, M., Boonstra, T. A., Schouten, A. C., vander Kooij, H. Direct measurement of the intrinsic ankle stiffness during standing. Journal of Biomechanics. 48 (7), 1258-1263 (2015).
- Casadio, M., Morasso, P. G., Sanguineti, V. Direct measurement of ankle stiffness during quiet standing: implications for control modelling and clinical application. Gait and Posture. 21 (4), 410-424 (2005).
- Sakanaka, T. E. Causes of Variation in Intrinsic Ankle Stiffness and the Consequences for Standing. , University of Birmingham. Doctoral dissertation (2017).
- Sakanaka, T. E., Lakie, M., Reynolds, R. F. Sway-dependent changes in standing ankle stiffness caused by muscle thixotropy. Journal of Physiology. 594 (3), 781-793 (2016).
- Peterka, R. J., Murchison, C. F., Parrington, L., Fino, P. C., King, L. A. Implementation of a Central Sensorimotor Integration Test for Characterization of Human Balance Control During Stance. Frontiers in Neurology. 9, 1045 (2018).
- Engelhart, D., Schouten, A. C., Aarts, R. G., van der Kooij, H. Assessment of Multi-Joint Coordination and Adaptation in Standing Balance: A Novel Device and System Identification Technique. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 23 (6), 973-982 (2015).
- Boonstra, T. A., Schouten, A. C., van der Kooij, H. Identification of the contribution of the ankle and hip joints to multi-segmental balance control. Journal of Neuroengineering and Rehabilitation. 10, 23 (2013).
- Forster, S. M., Wagner, R., Kearney, R. E. A bilateral electro-hydraulic actuator system to measure dynamic ankle joint stiffness during upright human stance. Proceedings of the 25th Annual International Conference of the IEEE Engineering in Medicine and Biology Society. , Cancun, Mexico. (2003).
- Davis, J., Hsieh, Y. -H., Lee, H. -C. Humans perceive flicker artifacts at 500 Hz. Scientific Reports. 5, 7861 (2015).
- Amiri, P., Kearney, R. E. Ankle intrinsic stiffness changes with postural sway. Journal of Biomechanics. 85, 50-58 (2019).
- van der Kooij, H., van Asseldonk, E., van der Helm, F. C. Comparison of different methods to identify and quantify balance control. Journal of Neuroscience Methods. 145 (1-2), 175-203 (2005).
- Amiri, P., MacLean, L. J., Kearney, R. E. Measurement of shank angle during stance using laser range finders. International Conference of the IEEE Engineering in Medicine and Biology. , Orlando, FL. (2016).
- The SENIAM project. , Available from: http://www.seniam.org/ (2019).
- Jalaleddini, K., Tehrani, E. S., Kearney, R. E. A Subspace Approach to the Structural Decomposition and Identification of Ankle Joint Dynamic Stiffness. IEEE Transactions on Biomedical Engineering. 64 (6), 1357-1368 (2017).
- Amiri, P., Kearney, R. E. A Closed-loop Method to Identify EMG-Ankle Torque Dynamic Relation in Human Balance Control. Conference Proceedings of the Annual International Conference of the IEEE Engineering in Medicine and Biology Society. , Berlin, Germany. (2019).
- Sobhani Tehrani, E., Jalaleddini, K., Kearney, R. E. Ankle Joint Intrinsic Dynamics is More Complex than a Mass-Spring-Damper Model. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 25 (9), 1568-1580 (2017).
- NASA. Anthropometry and biomechanics. , Available from: http://msis.jsc.nasa.gov/sections/section03.htm (1995).
- Peterka, R. J. Sensorimotor integration in human postural control. Journal of Neurophysiology. 88 (3), 1097-1118 (2002).
- Amiri, P., Kearney, R. E. Ankle intrinsic stiffness is modulated by postural sway. Conference Proceedings of the Annual International Conference of the IEEE Engineering in Medicine and Biology Society. , Seogwipo, South Korea. (2017).
- Jeka, J. J., Allison, L. K., Kiemel, T. The dynamics of visual reweighting in healthy and fall-prone older adults. Journal of Motor Behavior. 42 (4), 197-208 (2010).
- Jilk, D. J., Safavynia, S. A., Ting, L. H. Contribution of vision to postural behaviors during continuous support-surface translations. Experimental Brain Research. 232 (1), 169-180 (2014).
- Winter, D. A., Patla, A. E., Prince, F., Ishac, M., Gielo-Perczak, K. Stiffness control of balance in quiet standing. Journal of Neurophysiology. 80 (3), 1211-1221 (1998).
- Pasma, J. H., Boonstra, T. A., van Kordelaar, J., Spyropoulou, V. V., Schouten, A. C. A Sensitivity Analysis of an Inverted Pendulum Balance Control Model. Frontiers in Computational Neuroscience. 11, 99 (2017).
- Pasma, J. H., et al. Changes in sensory reweighting of proprioceptive information during standing balance with age and disease. Journal of Neurophysiology. 114 (6), 3220-3233 (2015).
- Pasma, J. H., et al. Impaired standing balance: The clinical need for closing the loop. Neuroscience. , 157-165 (2014).
- Engelhart, D., et al. Impaired Standing Balance in Elderly: A New Engineering Method Helps to Unravel Causes and Effects. Journal of the American Medical Directors Association. 15 (3), (2014).
- Pasma, J. H., Boonstra, T. A., Campfens, S. F., Schouten, A. C., Van der Kooij, H. Sensory reweighting of proprioceptive information of the left and right leg during human balance control. Journal of Neurophysiology. 108 (4), 1138-1148 (2012).
- Goodworth, A. D., Peterka, R. J. Sensorimotor integration for multisegmental frontal plane balance control in humans. Journal of Neurophysiology. 107 (1), 12-28 (2012).
- Kiemel, T., Zhang, Y., Jeka, J. J. Identification of neural feedback for upright stance in humans: stabilization rather than sway minimization. Journal of Neuroscience. 31 (42), 15144-15153 (2011).
- van der Kooij, H., van Asseldonk, E. H. F., Geelen, J., van Vugt, J. P. P., Bloem, B. R. Detecting asymmetries in balance control with system identification: first experimental results from Parkinson patients. Journal of Neural Transmission. 114 (10), 1333 (2007).
- Fujisawa, N., et al. Human standing posture control system depending on adopted strategies. Medical and Biological Engineering and Computing. 43 (1), 107-114 (2005).
- Johansson, R., Magnusson, M., Fransson, P. A., Karlberg, M.
- Jeka, J., Oie, K., Schöner, G., Dijkstra, T., Henson, E. Position and Velocity Coupling of Postural Sway to Somatosensory Drive. Journal of Neurophysiology. 79 (4), 1661-1674 (1998).
- Peterka, R. J., Benolken, M. S. Role of somatosensory and vestibular cues in attenuating visually induced human postural sway. Experimental Brain Research. 105 (1), 101-110 (1995).
- Maki, B. E., Fernie, G. R. A system identification approach to balance testing. Progress in Brain Research. 76, 297-306 (1988).
- Johansson, R., Magnusson, M., Akesson, M.
- Maki, B. E., Holliday, P. J., Fernie, G. R. A Posture Control Model and Balance Test for the Prediction of Relative Postural Stability. IEEE Transactions on Biomedical Engineering. BME-34. 10 (10), 797-810 (1987).
- Werness, S. A., Anderson, D. J. Parametric analysis of dynamic postural responses. Biological Cybernetics. 51 (3), 155-168 (1984).
- Hwang, S., Agada, P., Kiemel, T., Jeka, J. J. Identification of the Unstable Human Postural Control System. Frontiers in Systems Neuroscience. 10, 22 (2016).
- Ishida, A., Imai, S., Fukuoka, Y. Analysis of the posture control system under fixed and sway-referenced support conditions. IEEE Transactions on Biomedical Engineering. 44 (5), 331-336 (1997).
- Ishida, A., Miyazaki, S. Maximum likelihood identification of a posture control system. IEEE Transactions on Biomedical Engineering. 34 (1), 1-5 (1987).
- Ljung, L. System Identification: Theory for the User. , Prentice-Hall, Inc. Upper Saddle River, NJ. (1986).
- Forssell, U., Ljung, L.
- Horak, F. B., Nashner, L. M. Central programming of postural movements: adaptation to altered support-surface configurations. Journal of Neurophysiology. 55 (6), 1369-1381 (1986).
