Artificial neural network that modifies muscle activity in sit-to-stand motion using sensory input
Artificial neural network that modifies muscle activity in sit-to-stand motion using sensory input
复制标题
使用感觉输入改变从坐到站运动中的肌肉活动的人工神经网络
DOI：
10.1080/01691864.2021.1917452
复制
发表时间：
2021
影响因子：
2
通讯作者：
Asama Hajime
中科院分区：
文献类型：
--
作者：
Yoshida Kazunori;An Qi;Hamada Hiroyuki;Yamakawa Hiroshi;Tamura Yusuke;Yamashita Atsushi;Asama Hajime
坐立运动是一项重要的日常活动，研究坐立运动的机制对提高坐立运动能力具有重要意义。为了研究这一机制，我们假设肌肉协同作用产生肌肉活动作为前馈信号，这是由感觉输入修改。本研究的重点是确定主要用于修改坐到站运动的感觉输入。为了实现这一点，我们建立了基于感觉输入和前馈信号产生肌肉活动的人工神经网络模型，并分析了每个输入对输出的影响。为每个运动阶段建立模型。输入是来自前庭和体感输入的信息，并将平均肌肉协同作用作为前馈信号，输出是肌肉协同作用。结果表明，人类可能主要利用髋关节角度向前弯曲，踝关节和垂直脚反作用力向上抬起髋关节，踝关节、膝关节和腰部角度和垂直脚反作用力伸展身体，腰部角度稳定。这表明用于控制每个运动阶段中的每个肌肉协同作用的感觉输入的类型。该信息应用于在执行运动的环境条件下修改坐到站运动。
Sit-to-stand motion is an important daily activity, and it is important to study the mechanism of the motion to improve the ability when it becomes weak. To study the mechanism, we hypothesized that muscle synergy generates muscle activity as a feedforward signal, which is modified by sensory input. This study focuses on determining the sensory input primarily used for modifying sit-to-stand motion. To obtain this, we built artificial neural network models that generate muscle activities based on sensory input and feedforward signals and analyzed the effect of each input on the output. The models were built for each motion phase. The input was information from vestibular and somatosensory input and averaged muscle synergy as feedforward signals, and the output was muscle synergy. As a result, it was revealed that humans may primarily use hip angle to bend forward, ankle and vertical foot reaction force to hip rise, ankle, knee, and lumber angles and vertical foot reaction force to extend body, and lumber angle to stabilize. This indicates the type of sensory input used to control each muscle synergy in each motion phase. The information should be used to modify the sit-to-stand motion in environmental conditions where the motion is performed.
登录
查看更多内容
一种确定人工神经网络模型中生物力学变量之间相互依赖关系的方法：以下肢肌肉活动和身体摇摆为例
影响因子：
6
作者：
Gongbing Shan;Ge Wu;L. Haugh
通讯作者：
L. Haugh
DOI：
--
发表时间：
2013
期刊：
J. Robotics Mechatronics
影响因子：
--
作者：
Qi An;Y. Ikemoto;H. Asama
通讯作者：
H. Asama
用于生物力学坐站运动的模糊降阶观察器控制器设计
DOI：
10.1109/smc.2016.7844733
发表时间：
2016
期刊：
2016 IEEE International Conference on Systems, Man, and Cybernetics (SMC)
影响因子：
--
作者：
A. Mughal;K. Iqbal
通讯作者：
K. Iqbal
影响因子：
64.8
作者：
Lee, DD;Seung, HS
通讯作者：
Seung, HS
影响因子：
2.5
作者：
Ivanenko, YP;Grasso, R;Lacquaniti, F
通讯作者：
Lacquaniti, F