Bioengineering

Experimentella metoder för att studera mänsklig Postural kontroll

Published: September 11, 2019 doi: 10.3791/60078

Pouya Amiri¹, Abolfazl Mohebbi¹, Robert Kearney¹

¹Department of Biomedical Engineering, McGill University

Summary

Denna artikel presenterar en experimentell/analytisk ram för att studera mänsklig Postural kontroll. Protokollet innehåller steg-för-steg-procedurer för att utföra stående experiment, mäta kroppens kinematik och kinetiksignaler, och analysera resultaten för att ge insikt i mekanismerna bakom människans Postural kontroll.

Abstract

Många komponenter i nervsystemet och muskuloskeletala systemet agerar i samförstånd för att uppnå den stabila, upprätt mänskliga hållningen. Kontrollerade experiment som åtföljs av lämpliga matematiska metoder behövs för att förstå vilken roll de olika delsystemen som deltar i människans Postural kontroll har. Denna artikel beskriver ett protokoll för att utföra oroad stående experiment, förvärva experimentella data, och utföra den efterföljande matematiska analysen, i syfte att förstå rollen av muskuloskeletala systemet och Central kontroll i mänskliga upprätt hållning. De resultat som genereras av dessa metoder är viktiga, eftersom de ger insikt i hälsosam balans kontroll, utgör grunden för att förstå etiologi av försämrad balans hos patienter och äldre, och stöd i utformningen av insatser för att förbättra Postural kontroll och stabilitet. Dessa metoder kan användas för att studera betydelsen av somatosensorisk system, inneboende stelhet i fotleden, och visuellt system i Postural kontroll, och kan också utvidgas för att undersöka rollen av vestibulära systemet. Metoderna ska användas i fallet med en fotled strategi, där kroppen rör sig främst om fotleden och anses vara en Single-Link inverterad pendel.

Introduction

Human Postural kontroll realiseras genom komplexa interaktioner mellan centralanervsystemet och muskuloskeletala system¹. Den mänskliga kroppen i stående är till sin natur instabil, föremål för en mängd olika interna (t. ex., andning, hjärtslag) och yttre (t. ex., gravitation) perturbations. Stabilitet uppnås genom en distribuerad styrenhet med central-, reflex-och inneboende komponenter (figur 1).

Postural kontroll uppnås genom: en aktiv Controller, medierad av centralanervsystemet (CNS) och ryggmärgen, som förändrar muskel aktiveringen; och en inneboende styvhet regulator som motstår gemensamma rörelser utan förändring i muskelaktivering (figur 1). Den centrala styrenheten använder sensorisk information för att generera fallande kommandon som producerar korrigerande muskel krafter för att stabilisera kroppen. Sensorisk information är sensorik av de visuella, vestibulära och somatosensoriska system. Specifikt, det somatosensoriska systemet genererar information om stöd ytan och gemensamma vinklar; Vision ger information om miljön; och vestibulära systemet genererar information om huvudet vinkelhastighet, linjär acceleration, och orientering med avseende på gravitation. Den centrala, sluten-loop Controller fungerar med långa förseningar som kan vara destabiliserande². Den andra delen av den aktiva styrenheten är reflex stelhet, som genererar muskelaktivitet med kort fördröjning och producerar vridmoment motstå gemensamma rörelser.

Det finns en fördröjning som är associerade med båda komponenterna i Active Controller; följaktligen spelar gemensam inneboende styvhet, som fungerar utan fördröjning, en viktig roll i Postural kontroll³. Inneboende styvhet genereras av passiva Visco-elastiska egenskaper för upphandlande muskler, mjuk vävnad och tröghets egenskaper i armar och ben, som genererar resistiva vridmoment omedelbart som svar på någon gemensam rörelse⁴. Den roll som led styvhet (inneboende och reflex stelhet) i Postural kontroll är inte klart förstås, eftersom det ändras med driftförhållanden, definierad av muskelaktivering⁴^,⁵^,⁶ och gemensam ståndpunkt ⁴ ^, ⁷ ^, ⁸, som båda förändras med kroppen gungning, inneboende till stående.

Att identifiera rollerna för den centrala styrenheten och ledstelhet i Postural kontroll är viktigt, eftersom det utgör grunden för: diagnostisera etiologi av balans nedskrivningar; utformningen av riktade interventioner för patienter; bedömning av risken för fall; utveckling av strategier för fallprevention hos äldre; och utformningen av hjälpmedel såsom ortoser och protetik. Det är dock svårt, eftersom de olika delsystemen fungerar tillsammans och endast den övergripande resulterande kroppen kinematik, gemensamma vridmoment, och muskler Elektromyografi kan mätas.

Därför är det viktigt att utveckla experimentella och analytiska metoder som använder de mätbara postural variablerna för att utvärdera varje delsystems bidrag. En teknisk svårighet är att mätningen av postural variabler sker i sluten slinga. Som ett resultat, ingångar och utgångar (orsak och verkan) är sammankopplade. Följaktligen är det nödvändigt att: a) tillämpa externa störningar (som indata) för att framkalla postural reaktioner i svar (som utgångar), och b) anställa specialiserade matematiska metoder för att identifiera systemmodeller och skilja orsak och verkan⁹.

Den nuvarande artikeln fokuserar på postural kontroll när en fotled strategi används, det vill, när rörelserna uppstår främst om fotleden. I detta tillstånd, överkroppen och nedre extremiteterna flytta tillsammans, följaktligen kan kroppen modelleras som en enda länk inverterad pendel i sagittal plan¹⁰. Fotleden strategi används när stödet ytan är fast och störningar är små¹^,¹¹.

En stående apparat som kan tillämpa lämpliga mekaniska (proprioceptive) och visuella sensoriska störningar och registrering av kroppens kinematik, kinetik och muskelaktivitet har utvecklats i vårt laboratorium¹². Enheten ger den experimentella miljön som behövs för att studera rollen av vrist stelhet, centrala kontrollmekanismer, och deras interaktioner genom att generera postural svar med hjälp av visuella eller/och somatosensoriska stimuli. Det är också möjligt att förlänga enheten för att studera rollen av vestibulära systemet genom tillämpning av direkt elektrisk stimulering till mastoida processer, som kan generera en känsla av huvud hastighet och framkalla postural svar¹²,¹³.

Andra har också utvecklat liknande anordningar för att studera mänsklig Postural kontroll, där linjära piezo elektriska manöverdon¹¹, roterande elektriska motorer¹⁴^,¹⁵, och linjära elektriska motorer¹⁶^,¹⁷ ^, ¹⁸ användes för att tillämpa mekaniska störningar till fotled i stående. Mer komplexa enheter har också utvecklats för att studera flersegmentspostural kontroll, där det är möjligt att tillämpa flera störningar till fotled och höftleder samtidigt¹⁹^,²⁰.

Stående apparat

Två servostyrda elektrohydrauliska roterande ställdon flyttar två pedaler för att tillämpa kontrollerade störningar i vristläget. Ställdon kan generera stora vridmoment (> 500 Nm) som behövs för Postural kontroll; Detta är särskilt viktigt i fall som framåt Lean, där kroppens centrum av massan är långt (Anterior) från vrist rotationsaxel, vilket resulterar i stora värden av vrist vridmoment för Postural kontroll.

Varje roterande ställdon styrs av en separat proportionell servoventil med hjälp av pedal positions återkoppling, mätt med en högpresterande potentiometer på ställdons axeln (tabell över material). Styrenheten implementeras med hjälp av ett MATLAB-baserat xPC realtid, digital signal processing system. Manöverdonet/servoventilen har tillsammans en bandbredd på mer än 40 Hz, mycket större än bandbredden för det totala postural styrsystemet, vristledstelhet och Central Controller²¹.

Enhet och miljö för virtuell verklighet

Ett VR-headset (Virtual Reality) (tabell över material) används för att stör visionen. Headsetet innehåller en LCD-skärm (Dual AMOLED 3,6 ' ' skärm med en upplösning på 1080 x 1200 pixlar per öga) som ger användaren en stereoskopiska bild av media som skickas till enheten, som erbjuder tredimensionell djup perception. Uppdateringsfrekvensen är 90 Hz, tillräcklig för att ge en solid virtuell känsla till användarna²². Synfält på skärmen är 110 °, tillräckligt för att generera visuella störningar som liknar verkliga situationer.

Headsetet spårar rotationen av användarens huvud och ändrar den virtuella vyn i enlighet med detta så att användaren är helt nedsänkt i den virtuella miljön. Därför kan det ge normal visuell återkoppling; och det kan också stör vision genom att rotera synfältet i sagittal plan.

Kinetiska mätningar

Vertikal reaktionskraft mäts med fyra lastceller, inklämt mellan två plattor under foten (tabell över material). Vridnings momentet mäts direkt genom momentgivare med en kapacitet på 565 nm och en vridstyvhet på 104 kNm/rad; Det kan också mätas indirekt från de vertikala krafterna sensorik av belastningen celler, med hjälp av deras avstånd till vrist axelrotation²³, förutsatt att horisontella krafter tillämpas på fötterna i stående är små²^,²⁴. Tryckcentrum (COP) mäts i sagittal plan genom att dividera vristmomentet med den totala vertikala kraften, mätt med belastnings cellerna²³.

Kinematiska mätningar

Fot vinkeln är densamma som pedal vinkel, för när en fotled strategi används, motivet fot rör sig med pedalen. Skaft vinkel med avseende på den vertikala erhålls indirekt från den linjära förskjutningen av skaftet, mätt med en laser Range Finder (tabell över material) med en upplösning på 50 μm och bandbredd 750 Hz²⁵. Vrist vinkel är summan av foten och skaft vinklar. Kroppsvinkel med avseende på den vertikala erhålls indirekt från den linjära förskjutningen av mitten av punkten mellan vänster och höger bakre överlägsen iliaca Taggar (PSIS), mätt med en laser Range Finder (tabell över material) med en upplösning på 100 μm och bandbredd 750 Hz²³. Huvud position och rotation mäts med avseende på VR-systemets globala koordinatsystem av VR-systembasstationerna som avger tidsinställda infraröda (IR) pulser vid 60 pulser per sekund som plockas upp av headsetets IR-sensorer med sub-millimeter Precision.

Data insamling

Alla signaler filtreras med ett anti-aliasing-filter med en hörn frekvens på 486,3 och samplas sedan på 1000 Hz med högpresterande 24-bit/8-kanals, samtidig provtagning, dynamiska signal förvärvs kort (tabell över material) med en dynamisk räckvidd på 20 V.

Säkerhetsmekanismer

Sex säkerhetsmekanismer har integrerats i den stående apparaten för att förhindra skador på försökspersonerna. pedalerna styrs separat och får aldrig störa varandra. (1) manöverdons axeln har en kam, som mekaniskt aktiverar en ventil som kopplar bort hydraultrycket om axelns rotation överskrider ± 20 ° från dess horisontella läge. (2) två justerbara mekaniska stopp begränsar manöverdonets rörelseomfång. dessa är inställda på varje ämnes rörelseomfång före varje experiment. (3) både motivet och försöksledaren håller en panik knapp. genom att trycka på knappen kopplas hydraulikkraften bort från manöverdonet och de lossnar så att de kan flyttas manuellt. (4) ledstänger placerade på vardera sidan av motivet finns tillgängliga för att ge stöd i händelse av instabilitet. (5) motivet bär en helkroppssele (tabell över material), fäst vid stela tvärstaplar i taket för att stödja dem i händelse av ett fall. Selen är slack och stör inte normalt stående, om inte motivet blir instabilt, där selen förhindrar att motivet faller. I fallet med fall, pedal rörelser kommer att stoppas manuellt antingen av motivet, med hjälp av panik-knappen eller av försöksledaren. (6) servoventilerna stoppar rotationen av manöverdonen med hjälp av felsäkra mekanismer vid avbrott i elförsörjningen.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Alla experimentella metoder har godkänts av McGill universitets forskningsetik nämnd och ämnen undertecknar informerade medgivanden innan de deltar.

1. experiment

Anmärkning: varje experiment omfattar följande steg.

Pre-test
1. Förbered en tydlig översikt över alla prövningar som ska utföras och gör en checklista för datainsamling.
2. Förse ämnet med en Samtyckesblankett med all nödvändig information, be dem att läsa den grundligt, besvara eventuella frågor och sedan få dem att underteckna formuläret.
3. Anteckna ämnes vikt, längd och ålder.
Ämne förberedelse
1. Elektromyografi mätning
  1. Använd enstaka differential elektroder (tabell över material) med en Inter-elektrodavstånd av 1 cm för mätning av Elektromyografi (EMG) av fotled muskler.
  2. Använd en förstärkare (tabell över material) med en total vinst på 1000 och en bandbredd på 20 − 2000 Hz.
  3. För att säkerställa en hög signal-brus-förhållande (SNR) och minimal Cross-Talk, lokalisera och markera elektrod fästen områden enligt riktlinjer från Seniam Project²⁶, enligt nedan: (1) för mediala gastrocnemius (mg), den mest framträdande bula i muskel (2) för den laterala gastrocnemius (LG), 1/3 av linjen mellan huvudet av vadbenet och hälen; (3) för soleus (SOL), 2/3 av linjen mellan mediala kondylerna av lårbenet och mediala fotben; (4) för tibialis anterior (TA), 1/3 av linjen mellan spetsen på vadbenet och spetsen på den mediala fotben.
  4. Raka de markerade områdena med en rakkniv och rengör huden med alkohol. Låt huden torka ordentligt.
  5. Raka en benig område på patella för referenselektroden, och rengör med alkohol.
  6. Har motivet ligger i en avslappnad ryggläge.
  7. Placera referenselektroden på den rakade delen av patella.
  8. Fäst elektroderna en efter en till de rakade områdena i musklerna, med dubbelhäftande tejp, noga med att se till att elektroderna är fixerade på huden säkert.
  9. Efter att ha placerat varje elektrod, be ämnet att utföra en plantarflexing/dorsiflexing kontraktion mot motstånd och undersöka vågformerna på ett oscilloskop för att säkerställa att EMG signalen har en hög SNR. Om signalen SNR är dålig, flytta elektroderna tills en plats med en hög SNR finns.
  10. Se till att motivet är rörelser inte hindras av EMG kablarna.
2. Kinematiska mätningar
  1. Fäst en Reflekterande markör i skaftet med en rem, som ska användas för mätning av skaft vinkel.
    Anmärkning: placera skaft markören så högt som möjligt på skaftet för att generera största möjliga linjära förskjutning för en given rotation, därför förbättra vinkelupplösning.
  2. Har motivet sätta på kroppen sele.
  3. Fäst en reflektera markör på motivet midja med en rem, som skall användas för övre kroppsvinkel mätning. Se till att midjan reflekterande markören placeras i mitten av punkten mellan vänster och höger PSISs och att motivet kläder inte täcker midjan reflekterande yta.
  4. Har motivet komma på den stående apparaten.
  5. Justera motivet fot position att anpassa den laterala och mediala malleolerna av varje ben till pedalaxel rotation.
  6. Redogöra för motivet fot positioner med en markör och instruera dem att hålla fötterna på samma platser under experimenten. Detta säkerställer att axlarna för rotation av vrister och ställdon förblir justerade under experimenten.
  7. Justera laser avstånds Finders vertikala position så att den pekar mot mitten av de reflekterande markeringarna. Justera det horisontella avståndet mellan laser Range Finder och reflekterande markörer, så att Range Finders fungerar i sin Mid-range och inte mätta under tyst stående.
  8. Har motivet luta sig framåt och bakåt om fotleden och se till att lasrar kvar inom sitt arbetsområde.
  9. Mät höjden på laser Range Finders med avseende på vristen axelrotation.
    Obs: dessa höjder används för att omvandla linjära förskjutningar till vinklar.
3. Experimentella protokoll
  1. Informera ämnet om vad som väntar för varje försöks tillstånd.
  2. Instruera motivet att stå stilla med händerna vid sidan medan ser fram emot, och att behålla sin balans som de gör, när de möter verkliga perturbations.
  3. För oroad prövningar, starta störning och låta ämnet att anpassa sig till den.
  4. Starta datainsamling när ämnet har etablerat ett stabilt beteende.
  5. Ge ämnet tillräckligt med viloperiod efter varje rättegång för att undvika trötthet. Kommunicera med dem för att se om de behöver mer tid.
  6. Utför följande prövningar.
    1. För apparat test, utför en 2-min test för att undersöka sensordata 2 h före försöks kundens ankomst. Leta efter oregelbundet stora ljud eller förskjutningar i den inspelade sensordata. Om det finns problem, lösa dem innan ämnet anländer.
    2. För tyst stående, utföra en 2-min tyst stående rättegång utan perturbations.
      Obs: denna rättegång ger en referens, som behövs för att avgöra om/hur postural variabler ändras som svar på perturbations.
    3. För oroad experiment, kör störning och förvärva data för 2 − 3 min. Applicera pedal störningar om målet är att undersöka rollen av somatosensoriskt system/vriststyvhet i stående. Tillämpa visuella störningar om målet är att undersöka synförmågan i Postural kontroll. Tillämpa visuella och pedal-störningar samtidigt om målet är att undersöka samspelet mellan de två systemen i Postural kontroll.
      Anmärkning: pedal störningar tillämpas som rotation av stående anordningen pedaler. På samma sätt används visuella störningar genom att rotera det virtuella synfältet med VR-headsetet. Vinkeln på pedal/synfält följer en signal, som väljs beroende på studiens mål. I diskussionsavsnittet finns information om de olika typerna av störningar, som används för studier av Postural kontroll och fördelarna med varje störning.
  7. Utför minst 3 prövningar för varje specifik störning.
    Obs: flera prövningar görs för att säkerställa tillförlitligheten i modellerna när de utför analysen på insamlade data; t. ex. är det möjligt att passera validera modellerna.
  8. Utföra försöken i slumpmässig ordning för att säkerställa att försökspersonerna inte lär sig att reagera på en specifik störning; Detta gör det också möjligt att kontrollera tidsvarierande beteende.
  9. Kontrollera data visuellt efter varje prov för att säkerställa att de förvärvade signalerna är av hög kvalitet.

2. identifiering av mänsklig Postural kontroll

Icke-parametrisk identifiering av den dynamiska relationen mellan kroppsvinkeln och de visuella perturbationerna
1. Experiment
  1. Förvärva visuellt oroad prövningar för 2 min enligt stegen i avsnitten 1,1 och 1,2.
  2. Använd en trapetsformad signal (TrapZ) med en topp-till-topp-amplitud på 0,087 rad och en hastighet av 0,105 rad/s.
  3. Håll pedal positionen konstant i nollvinkeln.
2. Analys
  Anmärkning: data analys i avsnitten 2.1.2 och 2.2.2 utförs med hjälp av MATLAB.
  1. Decimera den råa kroppsvinkeln och de visuella störnings signalerna (så att den högsta observerbara frekvensen är 10 Hz), med hjälp av följande kommandon:
    
    Där
    
    Anmärkning: för en samplingsfrekvens på 1 kHz måste decimering förhållandet vara 50 för att ha en högsta frekvens på 10 Hz.
  2. Välj den lägsta frekvensen av ränta, som kommer att avgöra fönster längd för effekt uppskattning.
    Obs: här väljs en minsta frekvens på 0,1 Hz, så fönster längden för effekt uppskattning är 1/0,1 Hz = 10 s. Frekvens upplösningen är densamma som den minsta frekvensen, och därför görs beräkningarna för 0,1, 0,2, 0,3,..., 10 Hz.
  3. Välj typ av fönster och grad av överlappning för att hitta kraft spektra.
    Anmärkning: för en prov längd på 120 s, 10 s Hanning fönster med 50% överlappning resulterar i genomsnitt av 23 segment för makt spektrum uppskattning. Eftersom vi decimerade data till 20 Hz, en 10 s fönster har en längd av 200 prover.
  4. Använd funktionen för att hitta frekvensrespons (FR) av systemet:
    
    Där
    
    Anmärkning: den presenterade funktionen beräknar tvärspektrat mellan decimerad VR störning och kroppsvinkel i de frekvenser som anges av , med hjälp av en Hanning fönster med den längd som anges av och antalet överlappningar som motsvarar (dvs. 50% överlappning). På samma sätt beräknar det Auto-spektrumet av VR-ingången. Sedan, med hjälp av den uppskattade Cross-Spectrum och Auto-spektrum, beräknar det FR i systemet.
  5. Hitta vinst och fas för den uppskattade FR i steg 2.1.2.4, med hjälp av följande kommandon:
    
    Där
  6. Beräkna funktionen för enhetlighet med hjälp av följande kommando:
    
    Där
    
    Anmärkning: funktionen följer ett liknande förfarande för att hitta samstämmighet mellan och.
  7. Rita upp förstärkningen, fasen och samstämmigheten som en funktion av frekvensen.
    
    Anmärkning: den presenterade metoden kan utvidgas till att omfatta fall där både visuella och mekaniska störningar tillämpas, där en identifieringsmetod med flera ingångar, flera utgångar (MIMO) FR måste användas⁹. Identifieringen kan också göras med hjälp av Subspace-metoden (som till sin natur handlar om MIMO-system)²⁷ eller använda parametriska överförings funktionsmetoder som MIMO Box-Jenkins²⁸. Både Subspace och Box-Jenkins (och andra metoder) implementeras i MATLAB System Identification Toolbox.
Parametrisk identifiering av vrist inneboende stelhet i stående
1. Experiment
  1. Utför mekaniskt oroad prövningar för 2 min. Använd en pseudo-random binära sekvenser (PRBS) störning med en topp-till-topp amplitud på 0,02 rad och ett växlings intervall på 200 MS. se till att pedal medelvärdet vinkeln är noll.
2. Analys
  1. Differentiera fot signalen en gång för att få fotenhastighet (, två gånger för att få mul acceleration (och tre gånger för att få sin Jerk (på samma sätt differentiera vridmomentet för att få sin hastighet och acceleration, med hjälp av följande Kommandot:
    
    Där
  2. Beräkna placeringen av den lokala maxima och lokala minima av foten hastighet för att lokalisera pulser, med hjälp av följande kommando:
    
    Där
    
    ANMÄRKNINGAR: funktionen hittar alla lokala maxima (positiv fot hastighet) och deras platser. För att hitta den lokala minima, samma funktion används, men tecknet på foten vinkelhastighet måste vändas.
  3. Designa en 8^{: e} order Butterworth lågpassfilter med en hörn frekvens på 50 Hz, med hjälp av följande kommando:
  4. Filtrera alla signaler med Zero-Phase Shift med hjälp av Butterworth filter:
    
    Obs: "filtfilt" -funktionen orsakar inte någon förskjutning i den filtrerade signalen. Använd inte "filter" -funktionen, eftersom den genererar ett skift.
  5. Rita foten hastighet, och visuellt hitta en uppskattning av tidsperioden mellan extrema av foten hastighet och början av pulsen (som är den första punkten med noll fot hastighet innan toppfarten). För störning i denna studie, denna punkt inträffade 25 MS innan hastigheten extrema hittades i steg 2.2.2.2.
  6. För varje puls, beräkna vristen bakgrunds momentet som medelvärdet av vristen vridmoment 25 MS före början av pulsen, dvs medelvärdet av vridmomentet i segmentet med början 50 ms tills 25 MS innan hastigheten extrema. Gör detta för den k^th pulsen med en positiv hastighet med hjälp av följande kommando:
    
    Obs: Detta görs för både högsta och lägsta hastigheter (negativ fot hastighet) som finns i steg 2.2.2.2.
  7. Hitta minimum och maximum av alla bakgrund vridmoment för alla pulser, med hjälp av följande kommando:
  8. För varje puls, extrahera moment data för 65 MS efter puls start (som inneboende moment segmentet), med hjälp av följande kommando:
    
    Anmärkning: Detta görs också för första och andra derivatan av vrist vridmoment (för att ge den första och andra derivat av inneboende vridmoment), samt, fot vinkel, fot hastighet, fot acceleration, och fot ryck.
  9. Beräkna förändringen i den k^th inneboende moment segmentet från dess initiala värde, med hjälp av följande kommando:
    
    Obs: Detta görs på samma sätt för fot vinkel attfå.
  10. Dividera vridmomentintervallet (erhålls i steg 2.2.2.7) i 3 nm breda papperskorgar och hitta pulserna med bakgrunds moment i varje behållare.
    Obs: Detta görs med hjälp av "find" -funktionen och indexering. Det förutsätts att den inneboende styvheten är konstant i varje behållare, eftersom vristen bakgrunds momentet inte förändras avsevärt.
  11. Uppskatta de inneboende styvhets parametrarna för den utvidgade inneboende modellen (EIM)²⁹, för j^{-bin med} hjälp av pulserna i gruppj ().
    1. Sammanfoga alla inneboende vridmoment svar i j^th bin att bilda vektorn :
      
      där är den i^th () inneboende vridmoment svar i grupp j.
      Notera: på samma sätt sammanfoga fot vinkeln, hastigheten och accelerationen samt första och andra derivaten av det inneboende vridmomentet i^{den j-} grupp som ska användas i steg 2.2.2.11.2.
    2. Placera fot vinkeln, hastigheten, accelerationen och ryck, samt första och andra derivatan av vridmomentet i grupp j tillsammans för att bilda regressor Matrix:
    3. Hitta inneboende styvhets parametrarna för j^th -gruppen med hjälp av operatorn omvänt snedstreck (\):
    4. Extrahera den fjärde delen av som lågfrekventa inneboende styvhet.
  12. Utför steg i avsnitt 2.2.2.11 för alla grupper (lagerplatser) och uppskatta motsvarande lågfrekventa inneboende styvhet.
  13. Dela upp alla uppskattade lågfrekventa styvhets värden med motivet kritiska styvhet:
    
    där m är motivet massa, g är gravitations acceleration, och är höjden av kroppens centrum av massan över vristen rotationsaxel, härrör från antropometriska data³⁰. Detta ger den normaliserade styvheten().
  14. Konvertera vristen bakgrund vridmoment till fotled bakgrund COP position() genom att dividera fotleden bakgrund vridmoment med motsvarande uppmätta vertikala krafter.
  15. Handlingen som en fungera av centrerar av pressar.
    
    Där

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Pseudo random ternära sekvens (prts) och trapz signaler

Figur 2A visar en prts-signal, som genereras genom att en pseudo-slumpmässig hastighetsprofil integreras. För varje samplings tid Equation 76 kan signal hastigheten vara lika med noll eller få ett fördefinierat positivt eller negativt värde Equation 77 . Genom att kontrol Equation 78 lera och, prts ingångar med en bred spektralbandbredd kan genereras och skalas till olika Peak-to-Peak amplituder. Dessutom är PRTS periodiska, men oförutsägbara, vilket är önskvärt för studier av Postural kontroll. Avläsaren är hänvisad till efter artikeln för specificerad förklaring av PRTS signalerar³¹.

Figur 2b visar en trapz-signal. Det börjar på ett nollvärde och efter en slumpmässig period Equation 79 (vars minimum är Equation 80 ), signalen ramper upp slumpmässigt till sin maximala amplitud Equation 81 () med en Equation 82 hastighet eller ramper ner till sin minsta Equation 83 amplitud () Equation 84 med en hastighet. Signalen stannar på sin högsta eller lägsta för en Equation 85 slumpmässig period, (minimum av Equation 80 ) och återgår sedan till noll med hastighet eller. Slingan startar igen från noll. Det är uppenbart att till skillnad från PRTS, TrapZ är en nollmedelvärde signal, och därför, inte orsakar icke-stationaritet i den postural svar. Dessutom är det oförutsägbart, eftersom tidpunkten för förändring av signalvärde och riktningen av förändringen (dvs positiv eller negativ hastighet) är slumpmässiga.

Identifiering av kroppsvinkeln till det visuella störningar systemet

Figur 3 visar signalerna från en typisk stående rättegång med trapz visuella perturbations. Figur 3a visar VR-störning, där synfältet roterar från 0 till ± 0,087 rad (5 °) i det sagittal planet. Figur 3c, E visar vristen och kroppen vinklar, som är mycket lika, eftersom foten vinkeln är noll, och skaft och överkroppen flytta tillsammans. Figur 3G visar vristmomentet, som är korrelerat med skaft och kropps vinklar. Figur 3b , D, F, H visar EMGS från fotleden muskler. Det är uppenbart att SOL och LG är kontinuerligt aktiva, MG genererar regelbundet stora skurar av verksamhet med kroppen gungning, och TA är tyst.

Figur 4 visar överföringsfunktionens fr för den visuella ingången till kroppsvinkeln för data i figur 3. Det första steget är att undersöka samstämmigheten, eftersom vinst och fas är meningsfulla endast när samstämmigheten är hög (när samstämmigheten är 1, det finns ett linjärt buller fritt förhållande mellan input och output; en samstämmighet mindre än 1 inträffar när ingångs utgången förhållandet är ickelinjär eller data är bullrigt). Samstämmigheten är den högsta vid låg frekvens, mellan 0,1 − 1 Hz och sjunker betydligt vid högre frekvenser. Förstärkningen ökar initialt från 0,1 Hz till 0,2 Hz och sedan minskar till 1 Hz, visar den förväntade låg pass beteende på grund av kroppens höga tröghet. Fasen börjar också på noll och minskar nästan linjärt med frekvens, vilket indikerar att produktionen fördröjs med avseende på ingången.

Identifiering av vristen inneboende styvhet parametrar

Figur 5 visar de signaler som mäts för en typisk oroad stående rättegång. Figur 5a visar pedalen perturbation-en PRBS med en topp-till-topp amplitud på 0,02 rad och ett växlings intervall på 200 MS. pedal positionen växlar mellan två värden (-0,01 och 0,01) vid heltal multipler av växlings intervallet. Figur 5c visar vristvinkeln, där de snabba förändringarna beror på fot rörelsen medan de andra förändringarna är resultatet av skaft rörelser med gungning. Figur 5e visar kroppsvinkeln som svar på störning med en topp-till-topp rörelse på runt 0,04 rad. figur 5G visar det uppmätta vristmomentet. två komponenter är uppenbara: moduleringen av vridmoment med Body Sway, och stora nedåtriktade toppar, som visar stretch reflex vridmoment svar (i allmänhet händer efter en dorsiflexing puls). Figur 5b , D, F, H visar sol, mg, LG och ta EMGS. Det är tydligt att TS-musklerna kontinuerligt är aktiva och visar stora utbrott av aktivitet på grund av stretch reflex-svar. TA är mestadels tyst, med undantag för några toppar, som verkar vara överhörning från TS muskler, eftersom de förekommer samtidigt med stretch reflex aktivitet av TS muskler.

Figur 6 visar en vanlig puls positions störning, dess hastighet och motsvarande sol EMG-och vridmomentrespons. Den inneboende responsen börjar 25 MS före och varar till 40 MS efter toppen fot hastighet; toppen i SOL EMG visar närvaron av ett reflex svar. Den pre-Response segmentet, med början 50 ms innan den högsta hastigheten används för att hitta bakgrunds momentet.

Figur 7 visar den inneboende styvheten som en funktion COP-positionen för den vänstra och högra sidan av motivet som visas i figur 5. styvheten uppskattades med hjälp av den presenterade analysmetoden. Det är uppenbart att den inneboende styvheten inte är konstant utan förändras signifikant med postural gungning. Dessa förändringar verkar funktionellt lämpligt, eftersom styvheten ökar när COP rör sig längre från vristen axelrotation, där det finns större möjlighet att falla²³.

Figur 1: postural kontrollmodell: kroppen är till sin natur instabil och föremål för destabiliserande gravitation vridmoment ( Equation 87 ) och störningar. Stabil upprätt hållning upprätthålls av korrigerande muskel styrkor, som genereras av en central Controller, spinal stretch reflexer, och inneboende mekanisk ledstelhet. Muskelaktivering på grund av stretch reflex och centrala bidrag är uppenbar i EMG aktivitet. Endast signalerna i rött kan mätas, medan svarta signaler inte kan mätas. Vänligen klicka här för att se en större version av denna siffra.

Figur 2: generering av PRTS-och TrapZ-signaler. (A) prts signal. En stimulans skapas från en 242-längd PRTS sekvens, som innehåller värden 0, 1 och 2, vilket motsvarar fasta hastigheter på 0, + v, och-v för en fast varaktighet Equation 88 . Hastigheten är integrerad för att generera positionen, som används som den störningssignal. Tiden för den störningssignal är lika med Equation 89 , där m är det skede nummer Skift registratorn, fastställa sekvensen av hastigheten. (B) trapz-signal. Signalen börjar vid noll; efter ett Equation 79 slumpmässigt tidsintervall (), ramper det upp eller ner till dess högsta ( Equation 81 ) eller minsta värde ( Equation 90 med en konstant hastighet, signalen går tillbaka till noll efter ett slumpmässigt tidsintervall ( Equation 85 ) och hela slingan startar igen. Vänligen klicka här för att se en större version av denna siffra.

Figur 3: typiska experimentella försök med trapz visuell störning; Peak-to-Peak störning amplitud är 0,174 rad, och hastigheten är 0,105 rad/s. A) enstörnings vinkel för VR som visar synfälts rotationen i sagittal Plane. (C) vristvinkel, som är densamma som skaft vinkeln, eftersom foten inte rör sig. (E) kroppsvinkel. Gvridmoment i vristen. (B, D, F, H) Rå renad EMG av SOL, MG, LG och TA; SOL och LG är kontinuerligt aktiva, medan MG visar explosion av aktivitet i samband med Body Sway, och TA är tyst. Vänligen klicka här för att se en större version av denna siffra.

Figur 4: Frekvensomfång för den dynamiska relationen mellan kroppsvinkel och visuell störning beräknad utifrån de data som presenteras i figur 3. Gain (övre panelen) visar förhållandet mellan amplituden av utdata till ingången som en funktion av frekvens; Det visar ett lågt pass beteende. Fas (Mittenpanelen) visar skillnaden mellan in-och utgångs fasen som en funktion av frekvensen. Samstämmighet (botten panel) ger ett index som mäter hur mycket av uteffekten som är linjärt relaterat till ingångseffekten vid varje frekvens. En konsekvens av 1 visar perfekt linjär input-output relation; förekomsten av brus eller icke-linearitet minskar den dock. Vänligen klicka här för att se en större version av denna siffra.

Figur 5: typisk PRBS-positionsstörning. den Peak-to-Peak störning amplitud är 0,02 rad, och bytesintervallet är 200 MS. (A) fotens vinkel, som är densamma som positions störningar eftersom foten rör sig med pedalen. Cvristvinkel. de slumpmässiga förändringarna beror på skaft rörelse med gungning. (E) kroppsvinkel, erhålls förutsatt att kroppen fungerar som en inverterad pendel. Gvriden uppmätt form av belastnings cells data. (B, D, F, H) Rå EMG av SOL, MG, LG och TA; TS-musklerna är alla kontinuerligt aktiva, medan de stora topparna återspeglar stretch reflex aktivitet; TA är mestadels tyst. Vänligen klicka här för att se en större version av denna siffra.

Figur 6: en individuell puls från rättegången som visas i figur 5, på en utökad tidsskala. (A) fotvinkel, (B) fot hastighet, (C) sol EMG och (D) vristmoment. Den vertikala streckade linjer separera svaret i pre-svar (25 MS), inneboende svar (65 MS), och reflex Response (300 MS); positivt vridmoment och vinklar motsvarar dorsiflexion. Uppgifterna för denna siffra är hämtade från Amiri och Kearney²³. Vänligen klicka här för att se en större version av denna siffra.

Figur 7: uppskattad normaliserad inneboende stelhet som en funktion av COP-positionen för vänster och höger sida av ett typiskt motiv, som erhålls från de data som visas i figur 5. Staplarna anger 95% konfidensintervall för styvhets värden. Uppgifterna för denna siffra är hämtade från Amiri och Kearney²³. Vänligen klicka här för att se en större version av denna siffra.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Flera steg är avgörande för att utföra dessa experiment för att studera mänsklig Postural kontroll. Dessa steg är förknippade med korrekt mätning av signalerna och inkluderar: 1) korrekt anpassning av skaftets vridningsaxel till pedalernas, för korrekt mätning av vristvridmoment. 2) korrekt uppsättning av Range Finders för att säkerställa att de arbetar i sitt sortiment och inte är mättade under experimenten. 3) mätning av EMG med god kvalitet och minimal Cross Talk. 4) tillämpning av lämpliga perturbations, som väcker tillräcklig respons, men inte störa den normala Postural kontroll. 5) val av en lämplig försöks längd, baserat på den avsedda analysen, samtidigt som man undviker kropps förskjutning och trötthet. Utöver experimenten måste analysen också göras noggrant. För uppskattning av inneboende styvhet från data som erhållits i mekaniskt oroad stående, är det viktigt att välja längden på inneboende respons på ett sätt som garanterar att inget reflex moment (som börjar strax efter en explosion av aktivitet i TS muskler) är Ingår. Dessutom, även om många studier har antagit att den inneboende styvheten inte förändras i stående¹¹^,¹⁴^,¹⁵, en nyligen genomförda studien visade att det är viktigt att redogöra för modulering av styvheten med förändringar i vristmoment i samband med postural gungning²³^,³². För att bestämma FR för den dynamiska relationen från indata till utdata, är det viktigaste steget att korrekt uppskatta tvär spektrum och makt spektrum genom att välja fönster längd och överlappning, lämplig för postlängden.

Utformningen av störningar är ett viktigt steg i mänskliga ständiga experiment. Olika typer av mekaniska och visuella störningar har använts för studiet av Postural kontroll, givet som vinkeln på stöd ytan eller vinkeln på synfältet. Dessa inkluderar multi-sine, Low-pass filtrerad buller, pseudo-random ternära sekvens (prts) och andra³^,⁹^,¹⁰^,¹²^,¹⁸^,²⁴^,³¹ ^,³³^,³⁴. Dock är användningen av en pseudo slumpmässig binär sekvens (PRBS) fördelaktigt för mekaniska störningar, eftersom: 1) för en given topp-till-topp-amplitud ger den den högsta effekten över ett brett spektrum av frekvenser, som kan styras genom att välja växlingshastighet³; 2) det är oförutsägbart, men upprepbart, vilket gör det möjligt att minska bullret genom medelvärdes; 3) en PRBS ingång med låg absolut medelvärde hastighet genererar reflex svar, vilket möjliggör kvantifiering av stretch reflexer i stående. För det visuella systemet, steg pulser framkalla inga betydande postural svar, eftersom det visuella systemet inte kan följa snabba förändringar i synfältet. Dessutom kan förutsägbara indata som sinusoider med en frekvens generera föregripande beteende. Multi-sinus signaler är inte effektiva för studiet av visuella svar, eftersom deras snabba och kontinuerliga förändringar är svåra att följa och kan orsaka ämnen att bli Rörelsesjuka. PRTS signaler har använts i stor utsträckning för att studera visuellt system i stående, eftersom det är en informativ input; synfälts rörelserna är diskreta snarare än kontinuerliga och deras hastighet kan styras för att generera sammanhängande visuella svar. Även om PRTS presterar väl, det är en icke-noll Mean signal, som kan orsaka icke-stationariteter i Postural kontroll och gör identifieringen svårt. Därför var TrapZ utformats för att lösa detta problem, som är oförutsägbar, diskret, och har en nollmedelvärde (figur 2b). En annan viktig faktor vid utformningen av experimenten är den störning amplituden. Allmänt, störningar med låga amplituder bör användas när målet är att utföra linjär analys och inte avvika från en fotled strategi. Giltigheten av fotled strategi kan kontrolleras analytiskt³⁵, och om det finns stora avvikelser, som kan genereras av större störning amplituder, ickelinjär analysmetoder, tillsammans med flera segment modeller av kroppen i stående, kan vara krävs³⁶.

En annan faktor för störning design är försöks längd, som måste vara tillräckligt lång för att möjliggöra tillförlitliga uppskattningar av modell parametrarna. Emellertid, mycket långa prövningar är oönskade, eftersom de kan resultera i motivet skiftande kropps orientering, vilket resulterar i en icke-stationaritet som gör systemmodellering och identifiering svårt. En försöks längd mellan 2 och 3 minuter är optimal. Denna försöks längd leder i allmänhet inte till trötthet, förutsatt att en tillräcklig viloperiod upprätthålls mellan försöken. Analysmetoden påverkar också den begärda försöks längden. Om en linjär analys med hjälp av FR eller impulssvar funktion används, då den lägsta frekvensen av ränta kommer att avgöra rekord längd. Inversen av fönster längden är lika med den minsta frekvensen, så om lägre frekvenser ska undersökas måste längre fönster användas. Dessutom måste rättegången vara tillräckligt lång för att ge tillräckligt medelvärde för att ge robusta spektrala uppskattningar. Ickelinjär analys kommer, i allmänhet kräver ännu längre dataposter, eftersom ickelinjära modeller har oftast fler parametrar än linjära modeller.

Studiet av mänsklig Postural kontroll kräver val av en lämplig identifieringsmetod. Parametriska och icke-parametriska linjära identifieringsmetoder kan användas för att studera Postural kontroll¹⁰^,¹²^,¹⁸^,¹⁹^,²⁰^,²⁸^,³¹ ^,³⁷^,³⁸^,³⁹^,⁴⁰^,⁴¹^,⁴²^,⁴³^,⁴⁴^,⁴⁵ ^,⁴⁶^,⁴⁷^,⁴⁸^,⁴⁹^,⁵⁰^,⁵¹^,⁵²^,⁵³^,⁵⁴. Icke-parametrisk identifiering, med hjälp av fr uppskattning, har använts i stor utsträckning för att studera Postural kontroll, eftersom det är väl lämpad för identifiering av data som förvärvats i sluten slinga villkor stående²⁴ och kräver få a-priori- antaganden (för detaljerna i denna metod se²⁴). Den vanligaste metoden är att uppskatta FR i det slutna kretsloppet mellan en extern (mekanisk/sensorisk) störning och en utgång (t. ex. kroppsvinkel, vristvridmoment eller muskel EMG), som är en kombination av styrenhet, anläggning och återkoppling. För att ge fysisk betydelse och undersöka varje komponent separat, har många studier använt en parametrisk modell av det slutna kretsloppet och uppskattat parametrarna som matchar parametriska modellens FR till den beräknade utgångs känsligheten¹⁰ ^,¹⁸^,³¹^,³⁷^,³⁸^,³⁹^,⁴⁰^,⁴¹^,⁴²^,⁴³ ^,⁴⁴^,⁴⁵^,⁴⁶^,⁴⁷^,⁴⁸^,⁴⁹^,⁵⁰^,⁵¹. Parametrisk identifiering, å andra sidan, förutsätter att systemets indata och utdata är relaterade av vissa modellstruktur med ett begränsat antal parametrar, känd a-priori. Metoden förutsägelse fel används för att hitta modell parametrarna som minimerar felet mellan den uppmätta utdata och modell förutsägelse⁵⁵. I motsats till FR-modeller, där den externa störning måste mätas och användas för analysen, dessa metoder kan appliceras direkt på två signaler, så länge en separat buller modell, som är tillräckligt parametriserade, uppskattas samt⁵⁶. Detta innebär att det inte finns något behov av att mäta den externa störning. Även om modell beställningar måste bestämmas a-priori, parametriska modeller har vanligtvis färre parametrar än fr-modellerna och därmed ger mer robusta parameter uppskattningar. Den huvudsakliga nackdelen med en parametrisk modell är att en korrekt brus modell måste användas för att erhålla objektiva uppskattningar av parametrarna.

En viktig faktor i människans Postural kontroll är dess anmärkningsvärda anpassningsförmåga till nya experimentella och miljömässiga förhållanden. Detta uppnås genom multisensorisk integration, vilket innebär att CNS kombinerar information från somatosensoriska, visuella och vestibulära system, medan det ger en större vikt till mer exakt (och mindre varierande) sensoriska ingångar i någon experimentell villkor för Postural kontroll. Till exempel, när proprioception är oroad genom fot rotation, CNS förlitar sig mer på visuella och vestibulära ingångar. En metod har utvecklats av Peterka³¹ för att kvantifiera multisensorisk integration. För ett stående experiment med en specifik extern störning, identifierade han FR i slutna kretslopp och monterade sedan en parametrisk modell till den (som förklaras i föregående stycke). Den parametriska modellen bestod av en central kontroll, vars input var den viktade summan av ingångarna från de tre sensoriska systemen. vikterna användes för att ge ett sätt att kvantifiera vikten av varje sensorisk Källa till Postural kontroll, dvs ju högre vikt, desto viktigare den sensoriska ingången. Tillämpningen av denna metod till experimentella data visade att det oroad sensoriska systemet har en lägre vikt och lägre betydelse på grund av felaktigheter i dess input och därför bidrar mindre till Postural kontroll³¹. Denna metod har använts för att visa hur den postural kontrollen också ändras på grund av åldrande och sjukdomar³⁸^,³⁹. En liknande metod kan användas med vår experimentella apparat, där mekanisk eller visuell störning tillämpas för att undersöka roll och interaktion hos de viktiga sensoriska systemen i Postural kontroll.

De presenterade metoderna har vissa begränsningar eftersom experimentella och analytiska metoder är avsedda för studier av Postural kontroll när en fotled strategi används. Därför måste störningar utformas för att undvika överdriven kroppsrörelse. Men när störningar är stora eller stöd ytan är kompatibel, en höft strategi används, vilket innebär både fotled och höft rörelser är betydande. Höft strategi kännetecknas av anti-fas rörelse av den nedre och övre kroppen, som är särskilt uttalad i frekvenser större än 1 Hz⁵⁷. Studie av hip strategi kräver modellering kroppen med minst två länkar, dvs en dubbel-inverterad pendel modell.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Författarna har inget att avslöja.

Acknowledgments

Denna artikel har möjliggjorts av NPRP Grant #6-463-2-189 från Qatar National Research and MOP Grant #81280 från de kanadensiska instituten för hälsoforskning.

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

DOWNLOAD MATERIALS LIST

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. Multi-stimulus multi-response posturography. Mathematical Biosciences. 174 (1), 41-59 (2001).
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. Identification of human postural dynamics. IEEE Transactions on Biomedical Engineering. 35 (10), 858-869 (1988).
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. Closed-loop identification revisited. Automatica. 35 (7), 1215-1241 (1999).
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).

Bioengineering

Experimentella metoder för att studera mänsklig Postural kontroll

Summary

Abstract

Introduction

Protocol

Representative Results

Discussion

Disclosures

Acknowledgments

Materials

References

Tags

Cite this Article

Summary

Abstract

Introduction

Protocol

Representative Results

Discussion

Disclosures

Acknowledgments

Materials

References

Tags

Cite this Article

Get cutting-edge science videos from JoVE sent straight to your inbox every month.