Development of a parametric running model in the AnyBody Modeling System based on a pipeline of kinematic running trials
Translated title
Udvikling af en parametrisk løbemodel i AnyBody Modeling System baseret på et dataflow af kinematiske løbetests
Author
Jacobsen, Lasse Schov
Term
4. semester
Education
Publication year
2019
Submitted on
2019-01-03
Pages
23
Abstract
Formålet var at bygge en parametrisk løbemodel i AnyBody Modeling System (AMS) på grundlag af mange løbeforsøg, med mulighed for senere at tilføje nye forsøg. Vi brugte 149 kinematiske løbeforsøg fra kunder hos Kaiser Sport & Orthopedics (KSO) til at drive en fuld-krops muskel-skeletmodel i AMS. Ledbevægelser (frihedsgrader) gennem løbecyklussen blev beskrevet med Fourier-rækker, som er en kompakt måde at beskrive periodiske bevægelser på. De tilhørende Fourier-koefficienter blev samlet i en matrix og analyseret med hovedkomponentanalyse (PCA), der sammenfatter de vigtigste variationsmønstre. Vi undersøgte også sammenhænge mellem kropsmål (antropometri) og alle ledbevægelser. I denne sammenhæng viser egenvektorer, hvordan parametre bidrager til hver hovedkomponent (PC). De første 39 PC'er forklarede 90 % af den samlede variation, og de første 10 PC'er forklarede 50 %. På dette grundlag blev en parametrisk løbemodel drevet af Fourier-koefficienter succesfuldt skabt. Vi genererede pseudo-modeller ved at variere hver PC med +/-3 standardafvigelser og sammenlignede dem samt parametre knyttet til de største egenværdier for at forstå, hvordan de ti øverste PC'er relaterer sig til løbeteknikker som tolket i KSO's kliniske praksis.
The aim was to build a parametric running model in the AnyBody Modeling System (AMS) based on many running trials, with the option to add new trials later. We used 149 kinematic trials from customers at Kaiser Sport & Orthopedics (KSO) to drive a full-body musculoskeletal model in AMS. Joint movements (degrees of freedom) over the running cycle were described with Fourier series, a compact way to represent periodic motion. The resulting Fourier coefficients were collected in a matrix and analyzed with principal component analysis (PCA), which summarizes the main patterns of variation. We also examined correlations between body measurements (anthropometrics) and all joint motions. In this framework, eigenvectors indicate how parameters contribute to each principal component (PC). The first 39 PCs explained 90% of the total variance, and the first 10 PCs explained 50%. On this basis, a Fourier-coefficient-driven parametric running model was successfully created. We generated pseudo models by varying each PC by +/-3 standard deviations and compared them, together with parameters associated with the largest eigenvalues, to interpret how the top ten PCs relate to running techniques as understood in KSO's clinical practice.
[This abstract was generated with the help of AI]
Documents