Resumen

La modelización biomecánica estocástica se ha convertido en una herramienta útil que se implementa habitualmente mediante la simulación de Montecarlo, el teorema del valor medio avanzado o la modelización de cadenas de Markov. Las redes bayesianas son un método novedoso para la modelización probabilística en inteligencia artificial, modelización de riesgos y aprendizaje automático. El objetivo de este estudio era evaluar la idoneidad de las redes bayesianas para la modelización biomecánica utilizando un modelo biomecánico estático de las fuerzas de la columna vertebral durante la elevación. Se utilizó un modelo de red bayesiana de 20 nodos para implementar un modelo biomecánico bidimensional estático bien establecido para predecir las fuerzas de compresión y cizallamiento de L5/S1. El modelo también se implementó como una simulación Monte Carlo en MATLAB. La media de las estimaciones de la fuerza de compresión de la columna vertebral L5/S1 difirió en un 0,8%, y las estimaciones de la fuerza de cizallamiento fueron las mismas. El modelo se amplió para incorporar pruebas sobre la lesión discal, que pueden modificar las estimaciones de probabilidad a priori para proporcionar estimaciones de probabilidad a posteriori de la fuerza de compresión espinal. Un ejemplo mostró que cambiar el estado de lesión discal de falso a verdadero aumentó la estimación de la fuerza de compresión media L5/S1 en un 14,7%. Este trabajo muestra que las redes bayesianas pueden utilizarse para implementar un modelo biomecánico de cuerpo entero utilizado en biomecánica laboral e incorporar la lesión discal.

• Materias:Ingeniería biomédica Biomecánica Robots Antropometría
• Subjects:Biomedical engineering Biomechanics Robot Anthropometry
• Palabras claves:simulación monte carlo, red bayesiana, fuerza de compresión de la columna vertebral, media l5, lesión discal, estimaciones de la fuerza de cizallamiento, estimaciones de la probabilidad posterior, estimaciones de la probabilidad previa, teorema del valor medio, modelización de la cadena de markov
• Keywords:monte carlo simulation, bayesian network, spinal compression force, means l5, disc injury, shear force estimates, posterior probability estimates, prior probability estimates, means value theorem, markov chain modeling