计算生物力学 计算生物力学是指对生物力学数据进行数据挖掘,这类数据挖掘方法通常涉及深度学习、机器学习或各类复杂计算,且没有商业软件内置计算功能,研究者通常需要通过研究论文对数据挖掘方法进行复现。例如通过非线性动力学视角评估人体姿态控制的稳定性。使用非负矩阵分解方法对肌电图数据进行分析,获得肌肉激活的空间模式与时间模式,以评价肌肉协同模式等。计算生物力学接近生物力学研究的底层,要求研究者拥有微积分、线性代数和微分方程方面的理论基础,并且起码精通一门以上的编程语言,例如Python、MATLAB、R等。在该领域开展研究时,研究者往往需要付出非常巨大的学习成本。 非线性动力学 非线性动力学是动力学与控制学科的一个重要而活跃的分支,主要研究非线 性系统各类运动模式和演化过程的定性和定量规律,尤其是不同运动模式之 间相互转换和系统长时间行为的复杂性。鉴于人体存在着高度的非线性特性, 非线性动力学近年来在生物力学领域开展了许多应用。常见的非线性动力系 统理论包括源自混论理论的熵分析以及李雅普诺夫稳定性理论等。 熵分析通过“复杂度”评价中枢神经系统对外界干扰的相应情况,因为熵值 反应的是生物系统的无序程度,从另一角度来说,无序程度也反映了活跃程 度。右图展示了随着年龄的增长,CNS对外界干扰的响应能力下降。而最大 李雅普诺夫指数则反映了动态系统的稳定性,右边的图片展示了步行过程中 形成的奇异吸引子。 泰克尔有能力使用各类非线性动力学方法对客户的数据进行处理与分析。 随着年龄的增长 中枢神经系统的复杂度下降 步态过程中的李雅普诺夫稳定性 机器学习近年来在大量领域得到了广泛应用,生物力学领域也不例外。机器学习提供了新的视角对数据进行二次挖掘。例如非负矩阵分解技术可用来对肌电图数据进行处理,以提取肌肉协同模式。PCA主成分分析可对连续数值数据进行降维处理以获得更多有用的信息。GAN对抗生成网络可用来对各类数据进行数据集扩充,当患有某些疾病的患者无法采集太多数据时,GAN方法将很有用。 泰克尔可根据用户需要开发各类机器学习算法应用于生物力学数据处理的程序脚本。 机器学习 |