基于负载感知的肌电驱动肌肉骨骼模型校准：提高关节扭矩估计的准确性与可泛化性
生物物理
2025-12-23 v1
摘要
准确的肌电驱动肌肉骨骼（MSK）建模对生物力学、康复和辅助技术至关重要。然而，大多数模型在单一负载下校准参数，忽略了动力学相似但机械需求不同的任务。本研究引入一种基于负载感知的校准框架，以提高关节扭矩预测的准确性和可泛化性. 记录来自 11 名受试者在 0、2 和 4 kg 负载下的肌电信号和关节动力学。我们评估了三种校准策略（负载特定、全局、跨负载）和三种优化框架（模拟退火 SA、粒子群优化 PSO、混合 PSO-模式搜索 PSO-PS）。结果表明，负载特定校准显著提升了性能，RMSE 降低，相关系数 提高。与肌肉力量、纤维长度和激活动力学相关的参数显示出高负载灵敏性。PSO 方法相对于模拟退火产生更一致且生物力学上合理的估计。该框架使 MSK 模型能够区分视觉上相似但机械上不同的任务，支持临床和实际应用中的个体化建模。
关键词
引用
@article{arxiv.2512.18710,
title = {Load-Aware Calibration of EMG-Driven Musculoskeletal Models for Accurate and Generalizable Joint Torque Estimation},
author = {Rajnish Kumar and Suriya Prakash Muthukrishnan and Lalan Kumar and Sitikantha Roy},
journal= {arXiv preprint arXiv:2512.18710},
year = {2025}
}