Summary
本文提出了研究人类姿势控制的实验/分析框架。该协议提供了执行站立实验、测量身体运动学和动力学信号以及分析结果的分步程序,以深入了解人类姿势控制背后的机制。
Abstract
神经和肌肉骨骼系统的许多成分协同作用,以实现稳定、直立的人体姿势。需要进行对照实验,并辅之以适当的数学方法,以了解人类姿势控制中涉及的不同子系统的作用。本文介绍了一种用于进行扰动站立实验、获取实验数据以及进行后续数学分析的协议,目的是了解肌肉骨骼系统和中央控制在人体中的作用。直立姿势。这些方法所产生的结果很重要,因为它们提供了对健康平衡控制的洞察,为了解患者和老年人平衡受损病因奠定了基础,并有助于设计改善的干预措施姿势控制和稳定性。这些方法可用于研究躯体感觉系统的作用、踝关节的内在刚度和视觉系统在姿势控制中的作用,也可以扩展研究前庭系统的作用。这些方法将用于脚踝策略,其中身体主要移动的脚踝关节,被认为是单链倒摆。
Introduction
人类姿势控制是通过中枢神经系统和肌肉骨骼系统之间的复杂相互作用实现的。人体在站立中本质上是不稳定的,受各种内部(如呼吸、心跳)和外部(如重力)扰动的影响。稳定性由具有中央、反射和内在组件的分布式控制器实现(图1)。
姿势控制由:由中枢神经系统(CNS)和脊髓介导的主动控制器,改变肌肉激活;和一个内在刚度控制器,抵抗关节运动,肌肉激活没有变化 (图1)。中央控制器使用感觉信息来生成降序命令,产生矫正肌肉力量以稳定身体。感官信息由视觉、前庭和躯体感觉系统转换。具体来说,躯体感觉系统生成有关支撑面和关节角度的信息;愿景提供有关环境的信息;和前庭系统生成有关头部角速度、线性加速度和与重力方向有关的信息。中央闭环控制器运行时间长,可能会破坏稳定2。主动控制器的第二个元素是反射刚度,它产生短延迟的肌肉活动,并产生抵抗关节运动的扭矩。
活动控制器的两个组件都有延迟;因此,关节内在刚度,不延迟地作用,在姿势控制3中起着重要的作用。内在刚度是由收缩肌肉的被动粘弹性特性、软组织和四肢的惯性特性产生的,这些特性可立即产生电阻扭矩,以响应任何关节运动4。关节刚度(内在和反射刚度)在姿势控制中的作用并不清晰,因为它随着手术条件的变化而变化,由肌肉活化4、5、6和关节位置定义4,7,8,两者随身体摇摆而变化,与站立本身有内在影响。
确定中央控制器的作用和关节刚度在姿势控制中很重要,因为它为:诊断平衡损伤的病因提供了基础;为患者设计有针对性的干预措施;评估跌倒风险;制定老年人防堕落战略;和辅助设备的设计,如矫形器和假肢。然而,这是困难的,因为不同的子系统一起作用,只能测量整体产生的身体运动学,关节扭矩和肌肉肌电图。
因此,开发使用可测量的姿势变量来评估每个子系统的贡献的实验和分析方法至关重要。一个技术难题是,姿势变量的测量是在闭环中完成的。因此,输入和输出(因果)是相互关联的。因此,有必要:a) 应用外部扰动(作为输入)来唤起反应中姿势反应(作为输出),b) 使用专门的数学方法来识别系统模型并解开因果9。
本文的重点是使用脚踝策略时,即当运动主要发生在脚踝关节时,姿势控制。在这种情况下,上半身和下肢一起移动,因此,身体可以建模为单链倒置钟摆在下垂平面10。当支撑面牢固且扰动小1,11时,使用脚踝策略。
我们的实验室12开发了一种能够应用适当的机械(自体)和视觉感官扰动并记录身体运动学、动力学和肌肉活动的站立装置。该装置提供所需的实验环境,通过使用视觉或/和躯体感官刺激生成姿势反应,研究脚踝刚度、中央控制机制及其相互作用的作用。也可以扩展设备来研究前庭系统的作用,将直接电刺激应用于乳腺过程,从而产生头部速度的感觉,并唤起姿势反应12,13.
其他人也开发了类似的设备来研究人类姿势控制,其中线性压电执行器11,旋转电机14,15,和线性电机16,17,18用于在站立时对脚踝施加机械扰动。更复杂的设备也已经开发,以研究多段姿势控制,有可能同时对脚踝和髋关节应用多个扰动19,20。
站立式仪器
两个伺服控制电动液压旋转执行器移动两个踏板,以应用脚踝位置的控制扰动。执行器可以产生姿势控制所需的大扭矩(>500 Nm);这在诸如前倾等情况下尤其重要,因为身体的质量中心离脚踝旋转轴很远(前部),导致姿势控制的脚踝扭矩值较大。
每个旋转执行器由一个单独的比例伺服阀控制,使用踏板位置反馈,由执行器轴上的高性能电位计(材料表)测量。该控制器使用基于 MATLAB 的 xPC 实时数字信号处理系统实现。执行器/伺服阀的带宽一起超过40赫兹,远远大于整体姿势控制系统的带宽,脚踝关节刚度,以及中央控制器21。
虚拟现实设备与环境
虚拟现实 (VR) 耳机 (材料表) 用于干扰视觉.耳机包含一个 LCD 屏幕(双 AMOLED 3.6' 屏幕,每只眼睛的分辨率为 1080 x 1200 像素),为用户提供发送到设备的媒体的立体视图,提供三维深度感知。刷新率是90赫兹,足以为用户提供坚实的虚拟感22。屏幕的视场为 110°,足以产生类似于真实情况的视觉扰动。
耳机跟踪用户头部的旋转,并相应地更改虚拟视图,以便用户完全沉浸在虚拟环境中;因此,它可以提供正常的视觉反馈;并且,它还可以通过旋转视场在下视平面上来干扰视觉。
动力学测量
垂直反应力由四个称重传感器测量,夹在脚底下的两块板之间(材料表)。脚踝扭矩由扭矩传感器直接测量,容量为565Nm,扭转刚度为104 kNm/rad;它也可以间接测量从垂直力转导的称重传感器,使用其距离到脚踝轴的旋转23,假设水平力施加到脚站立是小2,24。压力中心(COP)在下垂平面上测量,方法是将脚踝扭矩除以总垂直力,由称重传感器23测量。
运动学测量
脚角与踏板角度相同,因为使用脚踝策略时,主体的脚随踏板移动。相对于垂直的刀柄角度是间接地从刀柄的线性位移获得,由分辨率为50 μm和带宽为750 Hz25的激光测距仪(材料表)测量。脚踝角是脚角和刀柄角度的总和。相对于垂直体的角度是间接从左右后部上部脊柱 (PSIS) 之间的中点线性位移获得的,使用激光测距仪(材料表)测量,分辨率为100 μm 和带宽 750 Hz23.头部位置和旋转由 VR 系统基站根据 VR 环境的全球坐标系进行测量,该基站以每秒 60 个脉冲发出定时红外 (IR) 脉冲,由带子毫米的耳机红外传感器拾取精度。
数据采集
所有信号均采用角频为 486.3 的抗锯齿滤波器进行滤波,然后在 1000 Hz 下采样,具有高性能 24 位/8 通道、同步采样动态信号采集卡(材料表),具有动态范围为 20 V。
安全机制
在常设仪器中已加入六个安全机制,以防止对受试者造成伤害;踏板是分开控制的,从不相互干扰。(1) 执行器轴有一个凸轮,该凸轮可机械地激活一个阀,当轴旋转超过其水平位置 ±20°时,该阀可断开液压。(2) 两个可调节的机械停止限制执行器的运动范围;这些被设置为每个受试者在每个实验前的运动范围。(3) 受试者和实验者都按住一个紧急按钮;按下按钮可断开执行器的液压动力,使其松动,因此可以手动移动。(4) 位于主体两侧的扶手可在不稳定时提供支持。(5)受试者佩戴全身安全带(材料表),附在天花板上的刚性横杆上,以防跌倒。线束松弛,不会干扰正常站立,除非主体变得不稳定,其中线束可防止主体掉落。在坠落的情况下,被主体使用紧急按钮或实验者手动停止踏板移动。(6) 伺服阀在电源中断时,使用故障安全机制停止执行器的旋转。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
所有实验方法均已获得麦吉尔大学研究伦理委员会的批准,受试者在参与前签署知情同意书。
1. 实验
注:每个实验都涉及以下步骤。
- 预测试
- 准备要执行的所有试验的明确大纲,并制定数据收集清单。
- 向受试者提供同意书,提供所有必要的信息,要求他们彻底阅读,回答任何问题,然后让他们在表格上签名。
- 记录受试者的体重、身高和年龄。
- 主题准备
- 肌X线测量
- 使用单微分电极(材料表),电极间距离为1厘米,用于测量脚踝肌肉的肌电图(EMG)。
- 使用总增益为1000和带宽为20~2000Hz的放大器(材料表)。
- 为确保高信噪比 (SNR) 和最小串扰,根据 Seniam 项目26提供的指南定位并标记电极附件区域,如下所示:(1) 用于中枢胃肠 (MG),这是肌肉;(2) 对于侧侧胃肠 (LG),纤维头和脚跟之间的线 1/3;(3) 对于鞋底 (SOL),股骨和内阴线之间的线 2/3;(4) 对于前部 (TA), 纤维尖和中端的尖端之间的线 1/3。
- 用剃须刀剃光标记区域,用酒精清洁皮肤。让皮肤彻底干燥。
- 在用于参考电极的骨质区域上剃除,并用酒精清洁。
- 让主题位于一个轻松的苏佩位置。
- 将参考电极放在骨的被拉的应洗区域。
- 使用双面胶带将电极逐个连接到肌肉的被检查区域,注意确保电极牢固地固定在皮肤上。
- 放置每个电极后,要求受试者执行针对电阻的平面弯曲/多向收缩,并检查示波器上的波形,以确保 EMG 信号具有高 SNR。如果信号 SNR 较差,则移动电极,直到找到具有高 SNR 的位置。
- 确保主体的移动不受 EMG 电缆的阻碍。
- 运动学测量
- 将反光标记与带子固定在刀柄上,用于刀柄角度测量。
注: 尽可能高地将刀柄标记放在刀柄上,以生成给定旋转的最大线性位移,从而改善角度分辨率。 - 将主体放在车身线束上。
- 用肩带将反射标记连接到受试者的腰部,用于上半身角度测量。确保腰部反光标记位于左右 PSIS 之间的中间点,并且主体的衣服不覆盖腰部反射表面。
- 让主体放在站立的设备上。
- 调整主体的脚部位置,使每条腿的侧侧和中侧马柳利与踏板的旋转轴对齐。
- 用标记勾勒出受试者的脚的位置,并指示他们在实验过程中将脚放在相同的位置。这可确保在整个实验中,脚踝和执行器的旋转轴保持对齐。
- 调整激光测距仪的垂直位置,以指向反射标记的中心。调整激光测距仪和反光标记之间的水平距离,以便测距仪在中端工作,在安静站立时不会饱和。
- 让受试者向前和向后倾斜脚踝,并确保激光保持在工作范围内。
- 测量激光测距仪相对于旋转的脚踝轴的高度。
注: 这些高度用于将线性位移转换为角度。
- 将反光标记与带子固定在刀柄上,用于刀柄角度测量。
- 实验协议
- 告知受试者每个试验条件的预期。
- 当面对现实世界的扰动时,指示受试者在向前看时,双手静静地站在一边,保持平衡。
- 对于扰动试验,启动扰动,让受试者适应它。
- 一旦受试者建立了稳定的行为,就开始数据采集。
- 在每次试验后为受试者提供足够的休息时间,以避免疲劳。与他们沟通,看看他们是否需要更多的时间。
- 执行以下试验。
- 对于设备测试,在受试者到达前进行 2 分钟测试以检查传感器数据 2 小时。在记录的传感器数据中查找不规则的大噪声或偏移。如果存在问题,在主题到达之前解决这些问题。
- 为了安静地站立,请执行 2 分钟的安静站立试验,没有扰动。
注:此试验提供了一个参考,需要确定姿势变量是否/如何变化以响应扰动。 - 对于扰动实验,运行扰动并获取数据2⁄3分钟。如果目的是调查躯体感觉系统/脚踝刚度在站立中的作用,则应用踏板扰动。如果目标是检查视觉在姿势控制中的作用,则应用视觉扰动。如果目标是检查两个系统在姿势控制中的相互作用,则同时应用视觉和踏板扰动。
注:踏板扰动在站立设备踏板的旋转时应用。同样,使用 VR 耳机旋转虚拟视觉场应用视觉扰动。踏板/目视场的角度跟随信号,根据研究目标进行选择。讨论部分详细介绍了用于研究姿势控制以及每种扰动的优点的扰动类型。
- 对每种特定的扰动至少执行 3 次试验。
注:在对收集的数据进行分析时,进行了多次试验,以确保模型的可靠性;例如,可以交叉验证模型。 - 以随机顺序执行试验,以确保受试者不学会对特定的扰动做出反应;这还使得检查随时间变化的行为成为可能。
- 每次试验后,目视检查数据,确保采集的信号具有高质量。
- 肌X线测量
2. 人类姿势控制鉴定
- 体角与视觉扰动动态关系的非参数识别
- 实验
- 根据第 1.1 和 1.2 节中的步骤,获得 2 分钟的目视干扰试验。
- 使用梯形信号 (TrapZ),峰值到峰值振幅为 0.087 rad,速度为 0.105 rad/s。
- 保持踏板位置在零角度不变。
- 分析
注:第 2.1.2 节和第 2.2.2 节中的数据分析使用 MATLAB 执行。- 使用以下命令抽取原始体角和视觉扰动信号(使可观测频率最高为 10 Hz):
其中
注: 对于 1 kHz 的采样速率,抽取比必须为 50 才能达到 10 Hz 的最高频率。 - 选择最低频率的利息,这将确定功率估计的窗口长度。
注: 此处选择最小频率为 0.1 Hz,因此功率估计的窗口长度为 1/0.1 Hz = 10 s。频率分辨率与最小频率相同,因此,计算为 0.1、0.2、0.3、...、10 Hz。 - 选择窗口类型和重叠程度以查找功率光谱。
注:对于 120 s 的试验长度,10 s Haning 窗口的重叠率为 50%, 因此,用于功率谱估计的平均为 23 个段。由于我们将数据量大到 20 Hz,因此 10 s 窗口的长度为 200 个样本。 - 使用函数查找系统的频率响应 (FR):
其中
注: 显示的函数使用指定长度和重叠数等于 (即 50% 重叠)。同样,它计算VR输入的自动频谱。然后,利用估计的交叉频谱和自动频谱计算系统的FR。 - 使用以下命令在步骤 2.1.2.4 中查找估计 FR 的增益和相位:
其中 - 使用以下命令计算相干函数:
其中
注:函数遵循类似的过程来查找 和之间的一致性。 - 将增益、相位和一致性绘制为频率函数。
注:所呈现的方法可以扩展到同时应用视觉和机械扰动的情况下,其中必须使用多输入、多输出 (MIMO) FR 识别方法9。也可以使用子空间方法(它本质上处理MIMO系统)27或使用参数传输函数方法,如MIMO Box-Jenkins28进行识别。子空间和 Box-Jenkins(和其他方法)都在 MATLAB 系统识别工具箱中实现。
- 使用以下命令抽取原始体角和视觉扰动信号(使可观测频率最高为 10 Hz):
- 实验
- 站立中脚踝内在刚度的参数识别
- 实验
- 执行2分钟的机械扰动试验。使用峰值至峰值振幅为0.02 rad且切换间隔为200 ms的伪随机二进制序列(PRBS)扰动。确保踏板平均角度为零。
- 分析
- 区分脚信号一次,以获得脚的速度(,两次获得脚加速(和三次获得其抽搐(同样区分扭矩,以获得其速度和加速度,使用以下命令:
其中 - 使用以下命令计算英尺速度的局部最大值和局部最小值的位置,以定位脉冲:
其中
注:函数查找所有局部最大值(正英尺速度)及其位置。要查找局部最小数,使用相同的函数,但必须反转脚角速度的标志。 - 使用以下命令设计一个 8阶Butterworth 低通滤波器,其角频率为 50 Hz:
- 使用巴特沃斯滤波器使用零相移过滤所有信号:
注:"滤网"功能不会导致过滤信号的任何偏移。不要使用"过滤器"功能,因为它会生成班次。 - 绘制英尺速度,并直观地查找脚速极值与脉冲开始(在峰值速度之前为零英尺速度的第一个点)之间的时间段估计值。对于本研究中的扰动,此点发生在步骤 2.2.2.2 中找到的速度极值之前 25 毫秒。
- 对于每个脉冲,将脚踝背景扭矩计算为脉冲开始前 25 ms 的脚踝扭矩平均值,即从速度极值前 50 ms 到 25 ms 的段中的扭矩平均值。使用以下命令对正速度的 kth 脉冲执行此操作:
注: 这是针对步骤 2.2.2.2 中找到的最大和最小速度(负脚速度)进行的。 - 使用以下命令查找所有脉冲的所有背景扭矩的最小和最大值:
- 对于每个脉冲,使用以下命令提取脉冲启动后 65 ms 的扭矩数据(作为内在扭矩段):
注:这也是为脚踝扭矩的第一和第二导数(提供内在扭矩的第一和第二个导导),以及脚角,脚速度,脚加速,和脚抽搐。 - 使用以下命令计算kth内部扭矩段从初始值的变化:
注: 对于获得的脚角,此操作类似。 - 将扭矩范围(在步骤 2.2.2.7 中获得)划分为 3 Nm 宽的箱,并在每个料箱中找到具有背景扭矩的脉冲。
注: 这是使用"查找"函数和索引完成的。假定每个料箱中的内在刚度是恒定的,因为脚踝背景扭矩没有显著变化。 - 使用组 j ( )中的脉冲,估计扩展内部模型 (EIM)29的固有刚度参数
- 将 jbin中的所有内在扭矩响应串联以形成矢量:
其中ith ( ) 组 j 中的内在扭矩响应。
注: 同样,串联脚角、速度和加速度,以及步骤2.2.11.2 中使用的 j 组内在扭矩的第一和第二导数。 - 将脚角、速度、加速度和抽搐以及组 j 扭矩的第一和第二导数放在一起,形成回归矩阵:
- 使用反斜杠 (*) 运算符查找j组的内在刚度参数:
- 提取第四个元素作为低频内在刚度。
- 将 jbin中的所有内在扭矩响应串联以形成矢量:
- 对所有组(箱)执行第 2.2.2.11 节中的步骤,并估计相应的低频内在刚度。
- 将所有估计的低频刚度值除以受试者的临界刚度:
其中m是受试者的质量,g是重力加速度,是身体质量中心的高度,在脚踝轴上方的旋转,派生自人体测量数据30。这给出了标准化刚度 ()。 - 通过将脚踝背景扭矩与相应的垂直力分开,将脚踝背景扭矩转换为脚踝背景 COP 位置 ( )。
- 绘图作为压力中心的函数。
其中
- 区分脚信号一次,以获得脚的速度(,两次获得脚加速(和三次获得其抽搐(同样区分扭矩,以获得其速度和加速度,使用以下命令:
- 实验
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
伪随机三元序列 (PRTS) 和 TrapZ 信号
图 2A显示了通过集成伪随机速度配置文件生成的 PRTS 信号。对于每个采样时间,信号速度可能等于零,或获取预定义的正值或负值。通过控制和,可以生成具有宽频谱带宽的PRTS输入,并将其缩放到不同的峰至峰振幅。此外,PRTS是周期性的,但不可预测,这是理想的研究姿势控制。有关 PRTS 信号31的详细说明,将参考以下文章。
图 2B显示了 TrapZ 信号。它从零值开始,经过一个随机周期(其最小值),信号随机上升到其最大振幅(),速度或斜率下降到其最小振幅()。 信号在随机周期(最小值)内保持其最大值或最小值,然后以速度或 返回零。循环从零开始。很明显,与 PRTS 不同,TrapZ 是一个零均值信号,因此,在姿势响应中不会导致非站数。此外,它是不可预测的,因为信号值和变化方向(即正或负速度)的更改时间是随机的。
身体角度与视觉扰动系统的识别
图 3显示了来自具有 TrapZ 视觉扰动的典型站立试验的信号。图 3A显示了 VR 扰动,其中视场在下垂平面中从 0 旋转到 ± 0.087 rad (5°)。图3C,E显示脚踝和身体的角度,这是非常相似的,因为脚角是零,和刀柄和上半身一起移动。图 3G显示了脚踝扭矩,该扭矩与刀柄和车身角度相关。图 3B,D,F,H显示脚踝肌肉的 EmG。很明显,SOL 和 LG 持续活跃,MG 会定期产生大量活动,并带有身体摇摆,并且 TA 处于静音状态。
图4显示了传输函数的FR,将视觉输入与图3中数据的体角相关联。第一步是检查一致性,因为增益和相位只有在相干性高时才有意义(当一致性为1时,输入和输出之间存在线性无噪声关系;当输入输出时,一致性小于1时发生关系是非线性的或数据是嘈杂的)。低频时,一致性最高,在 0.1±1 Hz 之间,在较高频率时显著下降。增益最初从 0.1 Hz 增加到 0.2 Hz,然后降低到 1 Hz,显示由于身体高惯性而导致的预期低通行为。相位也从零开始,几乎以线性频率降低,表明输出相对于输入延迟。
脚踝内在刚度参数的识别
图 5显示了为典型的扰动站立试验测量的信号。图 5A显示了踏板扰动 - 峰值到峰值振幅为 0.02 rad 且切换间隔为 200 ms的 PRBS。 踏板位置在两个值(-0.01 和 0.01)之间切换,以切换间隔的整数倍。图 5C显示了脚踝角度,其中快速变化是由于脚部运动造成的,而其他变化是摇摆的刀柄运动的结果。图5E显示了身体角度,以响应扰动,峰值到峰值运动在0.04 rad左右。图5G显示了测得的脚踝扭矩;两个组件是显而易见的:扭矩的调制与身体摇摆,和大的向下峰值,显示拉伸反射扭矩响应(通常发生在多西弯曲脉冲之后)。图 5B,D、F、H表示 SOL、MG、LG 和 TA EmG。很显然,TS肌肉持续活跃,并表现出大量的活动爆发,由于拉伸反射反应。TA大多是沉默的,除了一些高峰,这似乎是从TS肌肉的串扰,因为它们同时发生与TS肌肉的拉伸反射活动。
图 6显示了典型的脉冲位置扰动、其速度以及相应的 SOL EMG 和扭矩响应。内在反应在25 ms之前开始,直到峰值英尺速度后40 ms;SOL EMG 中的峰值显示反射响应的存在。预响应段,在峰值速度之前 50 ms 开始,用于查找背景扭矩。
图 7显示了作为函数的内部刚度,如图5所示,该函数位于主体的左右两侧的 COP 位置;采用分析方法对刚度进行了估计。很明显,内在刚度不是恒定的,而是随姿势摇摆而显著变化的。这些变化似乎在功能上是合适的,因为随着COP从旋转的脚踝轴移动得更远,僵硬度增加,其中下降的可能性更高。
图1:姿势控制模型:身体本质上是不稳定的,受到重力扭矩()和干扰的影响。稳定的直立姿势由中央控制器、脊柱拉伸反射和内在机械关节刚度产生的矫正肌肉力保持。肌肉激活由于拉伸反射和中央贡献是明显的EMG活动。只能测量红色信号,而不能测量黑色信号。请点击此处查看此图的较大版本。
图 2:PRTS 和 TrapZ 信号的生成。(A) PRTS 信号.刺激由 242 长度的 PRTS 序列创建,该序列包括 0、1 和 2 的值,对应于固定持续时间为 0、+v 和 -v的固定速度。速度被集成以生成位置,该位置用作扰动信号。扰动信号的周期等于,其中 m 是移位登记器的阶段数,确定速度的顺序。(B) 陷阱Z信号.信号从零开始;在随机时间间隔 ()之后,它向上或向下增加或下降到其最大值 ()或最小值(具有恒定速度;信号在随机时间间隔 () 后返回零,整个循环重新开始。请点击此处查看此图的较大版本。
图3:具有TrapZ视觉扰动的典型实验试验;峰至峰扰动振幅为0.174 rad,速度为0.105 rad/s。(A) VR 扰动角度,显示视场在下视平面上的旋转。(C) 脚踝角度,与刀柄角度相同,因为脚不移动。(E) 身体角度.(G) 脚踝扭矩.(B, D, F, H)SOL、MG、LG 和 TA 的原始纠正 EMG;SOL 和 LG 持续活跃,而 MG 显示与身体摇摆相关的活动突发,TA 处于静音状态。请点击此处查看此图的较大版本。
图4:根据图3中的数据估算出体角与视觉扰动的动态关系的频率响应。增益(顶部面板)显示输出振幅与输入的比率,作为频率的函数;它显示低通行为。相位(中间面板)将输入和输出相位之间的差异作为频率函数显示。一致性(底部面板)提供一个索引,用于测量输出功率与每个频率的输入功率呈线性关系。1的一致性显示了完美的线性输入输出关系;然而,噪声或非线性的存在减少了它。请点击此处查看此图的较大版本。
图5:典型PRBS位置扰动试验;峰峰值扰动幅度为0.02 rad,开关间隔为200 ms。(A) 脚角,与脚部随踏板移动后的位置扰动相同。(C) 脚踝角度;随机变化是由于刀柄移动与摇摆。(E) 身体角度,假设身体充当倒摆。(G) 脚踝扭矩测量为称重传感器数据.(B, D, F, H)SOL、MG、LG 和 TA 的原始 EMG;TS肌肉都持续活跃,而大峰反映拉伸反射活动;TA 大部分是沉默的。请点击此处查看此图的较大版本。
图 6:图 5 所示的试验中的单个脉冲,时间范围扩大。(A) 脚角 , (B) 脚速度, (C) SOL EMG, 和 (D) 脚踝扭矩.垂直虚线将响应分离到反应前(25 ms)、内在响应(65 ms)和反射响应(300 ms);正扭矩和角度对应于多西弯曲。这个数字的数据取自阿米里和科尔尼23。请点击此处查看此图的较大版本。
图 7:根据图 5 所示的数据得出,作为典型主体左侧和右侧 COP 位置的一个函数,估计标准化内部刚度。柱线表示刚度值的 95% 置信区间。这个数字的数据取自阿米里和科尔尼23。请点击此处查看此图的较大版本。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
有几个步骤是执行这些实验研究人类姿势控制的关键。这些步骤与信号的正确测量相关,包括:1) 旋转齿形轴与踏板轴的正确对齐,以便正确测量脚踝扭矩。2) 正确设置测距仪,确保它们在其范围内工作,且在实验期间不会饱和。3) 测量EMG具有良好的质量和最小的相声。4) 应用适当的扰动,引起足够的反应,但不中断正常的姿势控制。5) 根据预期分析选择适当的试验长度,同时避免身体换档和疲劳。除了实验外,分析也必须仔细进行。为了估计从机械扰动站立中获得的数据中的内在刚度,选择内在响应的长度至关重要,以确保无反射扭矩(在 TS 肌肉活动爆发后不久开始)是包括。此外,尽管许多研究假设内在刚度在站立11,14,15不会改变,但最近的研究表明,重要的是解释刚度的调制与姿势摇摆相关的脚踝扭矩的变化23,32.为了确定从任何输入到输出的动态关系的 FR,最重要的步骤是通过选择与记录长度相适应的窗口长度和重叠来正确估计跨频谱和功率谱。
扰动的设计是人类站立实验的重要一步。在姿势控制的研究中,由于支撑面的角度或视场的角度,使用了不同类型的机械和视觉扰动。这些包括多定、低通滤波噪声、伪随机三元序列(PRTS)和其他3,9,10,12,18,24,31 ,33,34.但是,使用伪随机二进制序列 (PRBS) 有利于机械扰动,因为:1) 对于给定的峰峰值振幅,它可以在宽频率范围内提供最高功率,可以通过选择开关速率3;2) 不可预测,但可重复,通过平均降低噪声;3) 具有低绝对平均速度的 PRBS 输入可生成反射响应,从而在站立中量化拉伸反射。对于视觉系统,步长脉冲不会引起显著姿势反应,因为视觉系统无法跟踪视觉场的快速变化。此外,可预测的输入(如具有一个频率的正弦素)可以产生预期行为。多正因信号对视觉反应的研究无效,因为它们的快速和连续变化很难跟随,并可能导致受试者生病。PRTS信号被广泛用于研究站立视觉系统,因为它是一种信息输入;视场的运动是离散的,而不是连续的,其速度可以被控制以产生连贯的视觉响应。虽然 PRTS 性能良好,但它是非零均值信号,可能导致姿势控制中的非站位,使识别变得困难。因此,TrapZ 旨在解决此问题,这是不可预测的、离散的,并且具有零均值(图 2B)。在设计实验时,另一个重要考虑因素是扰动振幅。通常,当目标是执行线性分析而不是偏离脚踝策略时,应使用低振幅的扰动。脚踝策略的有效性可以分析35,如果存在较大的偏差,这可能是由较大的扰动振幅,非线性分析方法,伴随着多段模型的身体站立,可以需要36.
扰动设计的另一个考虑因素是试验长度,必须足够长,以便对模型参数进行可靠的估计。然而,长时间的试验是不可取的,因为它们可能导致受试者改变身体方向,导致非站式,使系统建模和识别变得困难。试验时间在 2 到 3 分钟之间是最佳选择。这种试验时间一般不会导致疲劳,只要在审判之间执行足够的休息期。分析方法也会影响所需的试验长度。如果使用 FR 或脉冲响应函数进行线性分析,则最低兴趣频率将确定记录长度。窗口长度的反向等于最小频率,因此,如果要检查较低频率,则必须使用较长的窗口。此外,试验必须足够长,以提供足够的平均值,以产生可靠的光谱估计。非线性分析通常需要更长的数据记录,因为非线性模型通常比线性模型具有更多的参数。
人体姿势控制的研究需要选择适当的识别方法。参数和非参数线性识别方法可用于研究姿势控制 10、12、18、19、20、28、31 ,37,38,39,40,41,42,43,44,45 ,46,47,48,49,50,51,52,53,54.非参数识别,使用FR估计,已被广泛用于研究姿势控制,因为它非常适合识别在站24的闭环条件下获得的数据,需要很少a-先验假设(有关此方法的详细信息,请参阅24)。最常用的方法是估计外部(机械/感官)扰动和输出(例如,身体角度、脚踝扭矩或肌肉 EMG)之间的闭环系统的 FR,输出是控制器、植物和反馈的组合。为了提供物理意义并分别检查每个分量,许多研究使用了闭环系统的参数模型,并估计了参数与估计输出灵敏度 10 的参数匹配 ,18,31,37,38,39,40,41,42,43 ,44,45,46,47,48,49,50,51。参数识别,另一方面,假设系统输入和输出是由一些模型结构相关的,其参数数量有限,称为a-priori。预测误差法用于查找将测量输出与模型预测55之间的误差最小化的模型参数。与FR模型不同,在FR模型中,外部扰动必须测量并用于分析,这些方法可以直接应用于任何两个信号,只要一个单独的噪声模型,这是充分的参数化,估计以及56。这意味着无需测量外部扰动。尽管模型顺序必须先验地确定,参数模型的参数通常比 FR 模型少,因此可提供更可靠的参数估计。参数模型的主要缺点是必须使用正确的噪声模型来获得参数的无偏估计。
人类姿势控制的一个重要考虑因素是它对新的实验和环境条件的显著适应性。这是通过多感官集成实现的,这意味着CNS结合了来自躯体感觉、视觉和前庭系统的信息,而在任何实验中,它给更准确(和少变量)的感官输入以更大的权重姿势控制的条件。例如,当自体通过脚旋转受到干扰时,CNS 更依赖于视觉和前庭输入。Peterka31开发了一种量化多感官整合的方法。对于具有特定外部扰动的常设实验,他确定了闭环系统的 FR,然后为其安装参数模型(如上一段所述)。参数模型包括一个中央控制,其输入是来自三个感觉系统的输入的加权总和;重量被用来提供一种手段来量化每个感官源对姿势控制的重要性,即体重越高,感觉输入就越重要。该方法在实验数据中的应用表明,由于输入不准确,扰动的感官系统具有较低的重量和重要性,因此对姿势控制的贡献较小。这种方法已经用于显示姿势控制如何也改变,由于老化和疾病38,39。类似的方法可用于我们的实验设备,其中机械或/和视觉扰动用于研究重要感觉系统在姿势控制中的作用和相互作用。
由于实验和分析方法用于研究使用脚踝策略时,实验和分析方法具有一定的局限性。因此,必须设计扰动以避免身体过度运动。然而,当扰动较大或支撑表面符合要求时,使用髋关节策略,这意味着脚踝和臀部运动都很重要。髋关节策略的特点是下半身和上半身的抗相运动,在频率大于1赫兹57时特别明显。研究髋关节策略需要用至少两个环节(即双倒摆模型)对身体进行建模。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
作者没有什么可透露的。
Acknowledgments
本文由卡塔尔国家研究#6-463-2-189的NPRP赠款和加拿大卫生研究院的MOP赠款#81280。
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.
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).