Kinetics
Parent: ai_keywords
Kinetics（动力学）
核心定义
动力学是物理学与工程学分支，研究力与物体运动状态变化（加速度、速度、位移）之间的定量关系。在生物医学领域，尤其是神经科学中，特指人体运动动力学，即通过分析关节力矩、地面反作用力、肌肉激活模式等参数，揭示中枢神经系统对肢体运动的控制与调节机制。其核心依据牛顿第二定律 ( F = ma )，结合生物力学约束与神经控制策略。
关键技术点
-
运动捕捉与力传感技术
- 光学/惯性运动捕捉系统（如Vicon、IMU）记录三维运动轨迹；测力台（Kistler、AMTI）同步测量地面反作用力与力矩。二者结合为逆动力学分析提供输入数据。
-
逆动力学分析（Inverse Dynamics）
- 基于运动学数据和外部力，通过人体多刚体模型（如OpenSim、AnyBody）逐关节求解净肌肉力矩。该过程依赖递归牛顿-欧拉算法，是评估神经-肌肉协调的核心方法。
-
时间序列深度学习预测
- 使用LSTM、TCN（时序卷积网络）或Transformer模型对关节角度、力矩序列建模，预测运动意图或异常步态事件（如冻结步态），实现对神经退行性疾病（帕金森、亨廷顿）的早期预警。
-
生物力学仿真与肌肉激活优化
- 正向动力学仿真（如Simbody）结合肌肉-肌腱模型（Hill型），通过优化算法（如静态优化、计算肌肉控制CMC）反推中枢神经系统的肌肉激活指令，解释病理运动模式（如偏瘫患者的代偿策略）。
医学/神经科学应用场景：帕金森病步态冻结的动力学预警
首都医科大学神经病学系 依托国家重点学科资源，针对帕金森病（PD）患者常见的冻结步态（FOG） 开展动力学研究。团队在患者足底植入柔性压力传感器（16通道），并佩戴6轴惯性测量单元（IMU）于腰部与踝关节。通过采集自由行走状态下连续足底压力中心（COP）轨迹与踝关节力矩数据，构建基于注意力机制的时序Transformer模型。该模型利用步态周期内垂直地面反作用力（vGRF）的时域频域特征（如谐波比、颤振指数）和踝关节跖屈力矩的变异性，在冻结发作前 500ms 达到 89% 的预测准确率。该预警系统已进入临床预实验阶段，旨在通过外骨骼或cueing设备实时干预，显著降低PD患者的跌倒风险，为神经调控康复提供动力学决策支持。
