The human neuromuscular system consisting of skeletal muscles and neural circuits is a complex system that is not yet fully understood. Surface electromyography (EMG) can be used to study muscle behavior from the outside. Computer simulations with detailed biophysical models provide a non-invasive tool to interpret EMG signals and gain new insights into the system. The numerical solution of such multi-scale models imposes high computational work loads, which restricts their application to short simulation time spans or coarse resolutions. We tackled this challenge by providing scalable software employing instruction-level and task-level parallelism, suitable numerical methods and efficient data handling. We implemented a comprehensive, state-of-the-art, multi-scale multi-physics model framework that can simulate surface EMG signals and muscle contraction as a result of neuromuscular stimulation. This work describes the model framework and its numerical discretization, develops new algorithms for mesh generation and parallelization, covers the use and implementation of our software OpenDiHu, and evaluates its computational performance in numerous use cases. We obtain a speedup of several hundred compared to a baseline solver from the literature and demonstrate, that our distributed-memory parallelization and the use of High Performance Computing resources enables us to simulate muscular surface EMG of the biceps brachii muscle with realistic muscle fiber counts of several hundred thousands. We find that certain model effects are only visible with such high resolution. In conclusion, our software contributes to more realistic simulations of the neuromuscular system and provides a tool for applied researchers to complement in vivo experiments with in-silico studies. It can serve as a building block to set up comprehensive models for more organs in the musculoskeletal system.


翻译:由骨骼肌肉和神经电路组成的人类神经肌肉肌肉系统是一个复杂的系统,目前还不能完全理解。 表面电磁学(EMG)可用于研究外部肌肉行为。 使用详细的生物物理模型的计算机模拟提供了一个非侵入工具,用于解释EMG信号和对系统有新的洞察力。 这种多尺度模型的数字解决方案要求高计算工作量,限制其应用到短模拟时间跨度或粗糙分辨率。 我们通过提供可扩缩的软件来应对这一挑战,使用教学水平和任务水平平行、适当的数字方法以及高效的数据处理。 我们实施了一个全面、最新、多尺度的多物理模型框架,可以模拟表层EMG信号和肌肉收缩,作为神经肌肉肌肉刺激的结果。 这项工作描述了模型框架及其数字离散化,开发了用于中子生成和平行的新的算法,覆盖了软件Open DiHu的使用和实施,并评估了它在许多应用案例中的计算性表现。 我们得到了一个与直观、最新、多尺度的神经模型的模型的模型,我们得到了几百个快速的模型模型, 用于从基础的内基解的系统, 向磁质的系统展示的系统展示了我们运行的系统, 的模型可以让我们的系统提供一些直观的磁质解的磁力的模型, 的模型, 的磁力的模型可以用来显示的系统, 的系统, 以演示的系统, 演示的模型的系统, 以显示的硬质的硬的系统,以显示的系统, 的系统, 演示的模型可以让我们的系统, 的系统, 的模型的模型可以让我们的模型, 的系统在高分辨率的系统, 的模型的模型的模型的模型的模型的模型的模型的模型可以让我们的硬基的模型可以显示的硬的模型的磁的系统, 的模型, 的模型可以显示的系统, 的系统, 的模型可以提供的系统, 的系统, 的系统, 的系统, 的模型可以提供的模型可以显示的系统, 的模型可以提供的硬的模型的磁的系统, 的系统, 的模型可以显示的系统的磁的系统, 的模型可以让我们的系统的系统的系统, 的硬的硬的模型可以让我们的硬的系统, 的模型的

0
下载
关闭预览

相关内容

ACM/IEEE第23届模型驱动工程语言和系统国际会议,是模型驱动软件和系统工程的首要会议系列,由ACM-SIGSOFT和IEEE-TCSE支持组织。自1998年以来,模型涵盖了建模的各个方面,从语言和方法到工具和应用程序。模特的参加者来自不同的背景,包括研究人员、学者、工程师和工业专业人士。MODELS 2019是一个论坛,参与者可以围绕建模和模型驱动的软件和系统交流前沿研究成果和创新实践经验。今年的版本将为建模社区提供进一步推进建模基础的机会,并在网络物理系统、嵌入式系统、社会技术系统、云计算、大数据、机器学习、安全、开源等新兴领域提出建模的创新应用以及可持续性。 官网链接:http://www.modelsconference.org/
【干货书】机器学习速查手册,135页pdf
专知会员服务
126+阅读 · 2020年11月20日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
79+阅读 · 2020年7月26日
[综述]深度学习下的场景文本检测与识别
专知会员服务
78+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
94+阅读 · 2019年10月10日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
已删除
将门创投
4+阅读 · 2018年11月15日
Arxiv
0+阅读 · 2021年9月15日
Real-time Scalable Dense Surfel Mapping
Arxiv
5+阅读 · 2019年9月10日
VIP会员
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
已删除
将门创投
4+阅读 · 2018年11月15日
Top
微信扫码咨询专知VIP会员