Biomechanics BIOEN 520 | ME 527 Mini-Lab 4 Mee>ng - - PowerPoint PPT Presentation

Musculoskeletal ¡ Biomechanics ¡

BIOEN ¡520 ¡| ¡ME ¡527 ¡

Mini-­‑Lab ¡4 ¡

Mee>ng ¡ Presenta>ons ¡

Laboratory ¡4 ¡Overview... ¡

• Tradi>onally, ¡two ¡types ¡of ¡presenta>ons: ¡
• Posters ¡and ¡podiums ¡
• Thema>c ¡posters ¡
• Poster ¡>ps ¡
• Podium ¡>ps ¡

Poster ¡vs. ¡podium ¡

• Podium ¡is ¡more ¡pres>gious, ¡usually ¡beLer ¡

scoring ¡abstracts ¡

• Podiums ¡definitely ¡more ¡stressful ¡
• Similar ¡amounts ¡of ¡work ¡
• Posters ¡afford ¡more ¡1-­‑on-­‑1 ¡discussions ¡

¡

Thema>c ¡posters ¡

• best ¡of ¡both ¡worlds ¡

¡ ¡poster ¡in ¡room ¡ ¡ ¡1 ¡or ¡2 ¡or ¡3 ¡slides ¡ ¡ ¡open ¡forum ¡discussion ¡ ¡ ¡really ¡depends ¡on ¡having ¡a ¡good ¡moderator ¡

Posters ¡

• follow ¡instruc>ons! ¡ ¡

§ especially ¡on ¡the ¡dimensions ¡

• use ¡university ¡colors ¡
• add ¡university ¡/ ¡ins>tu>on ¡logos ¡
• follow ¡abstract ¡format ¡

§ intro, ¡methods, ¡results, ¡discussion ¡

• acknowledge ¡your ¡funding ¡sources ¡
• prepare ¡a ¡1-­‑minute ¡elevator ¡talk, ¡as ¡well ¡as ¡a ¡

5-­‑minute ¡overview ¡

• think ¡of ¡poten>al ¡ques>ons ¡

Posters ¡

• format ¡well ¡– ¡make ¡sure ¡things ¡are ¡symetric, ¡

tabs ¡line ¡up, ¡etc. ¡

• bring ¡printed ¡copies ¡of ¡posters ¡to ¡hand ¡out ¡

¡

Poster ¡Tips ¡

• light ¡(+) ¡vs. ¡dark ¡(-­‑) ¡backgrounds ¡

Posters ¡

Posters ¡

Poster ¡Tips ¡

• light ¡(+) ¡vs. ¡dark ¡(-­‑) ¡backgrounds ¡vs. ¡ugly ¡

backgrounds ¡(-­‑-­‑-­‑-­‑) ¡

Posters ¡

Poster ¡Tips ¡

• light ¡(+) ¡vs. ¡dark ¡(-­‑) ¡backgrounds ¡
• bullets ¡(+) ¡vs. ¡paragraphs ¡(-­‑) ¡

Posters ¡

Posters ¡

Poster ¡Tips ¡

• light ¡(+) ¡vs. ¡dark ¡(-­‑) ¡backgrounds ¡
• bullets ¡(+) ¡vs. ¡paragraphs ¡(-­‑) ¡
• large ¡(+) ¡vs. ¡small ¡(-­‑) ¡text ¡

§ 100% ¡size, ¡read ¡4 ¡feet ¡away ¡

Posters ¡

Posters ¡

Podium ¡presenta>ons ¡

• follow ¡instruc>ons! ¡ ¡

§ especially ¡on ¡the ¡>ming ¡

• use ¡university ¡colors ¡
• add ¡university ¡/ ¡ins>tu>on ¡logos ¡
• follow ¡abstract ¡format ¡

§ intro, ¡methods, ¡results, ¡discussion ¡

• acknowledge ¡your ¡funding ¡sources ¡
• prac>ce, ¡prac>ce, ¡prac>ce ¡– ¡get ¡>ming ¡down ¡
• do ¡not ¡read ¡from ¡hand ¡held ¡notes! ¡

Podium ¡presenta>ons ¡

• laser ¡pointer ¡ ¡
• number ¡of ¡slides ¡– ¡1 ¡to ¡3 ¡per ¡minute ¡

§ how ¡fast ¡do ¡you ¡want ¡to ¡talk? ¡

• think ¡of ¡poten>al ¡ques>ons ¡
• format ¡well ¡– ¡make ¡sure ¡things ¡are ¡symetric, ¡

tabs ¡line ¡up, ¡etc. ¡

• Ums, ¡ahs, ¡etc. ¡
• Jokes? ¡Baby ¡pictures? ¡Nature ¡pictures? ¡

¡

Podium ¡Tips ¡

• dark ¡(+) ¡vs. ¡light ¡(-­‑) ¡backgrounds ¡

Podium ¡

Podium ¡

Podium ¡Tips ¡

• dark ¡(+) ¡vs. ¡light ¡(-­‑) ¡backgrounds ¡vs. ¡ugly ¡

backgrounds ¡(-­‑-­‑-­‑) ¡

Podium ¡

Podium ¡

Podium ¡Tips ¡

• dark ¡(+) ¡vs. ¡light ¡(-­‑) ¡backgrounds ¡
• bullets ¡(+) ¡vs. ¡text ¡(-­‑) ¡

Podium ¡

Podium ¡

Podium ¡Tips ¡

• dark ¡(+) ¡vs. ¡light ¡(-­‑) ¡backgrounds ¡
• bullets ¡(+) ¡vs. ¡text ¡(-­‑) ¡
• proper ¡(+) ¡vs. ¡improper ¡(-­‑) ¡text ¡to ¡image ¡ra>o ¡

Podium ¡

Podium ¡

Podium ¡

Podium ¡Tips ¡

• dark ¡(+) ¡vs. ¡light ¡(-­‑) ¡backgrounds ¡
• bullets ¡(+) ¡vs. ¡text ¡(-­‑) ¡
• proper ¡(+) ¡vs. ¡improper ¡(-­‑) ¡text ¡to ¡image ¡ra>o ¡
• choose ¡colors ¡wisely ¡(+) ¡vs. ¡unwisely ¡(-­‑) ¡

Podium ¡

Podium ¡

Podium ¡Tips ¡

• dark ¡(+) ¡vs. ¡light ¡(-­‑) ¡backgrounds ¡
• bullets ¡(+) ¡vs. ¡text ¡(-­‑) ¡
• proper ¡(+) ¡vs. ¡improper ¡(-­‑) ¡text ¡to ¡image ¡ra>o ¡
• choose ¡colors ¡wisely ¡(+) ¡vs. ¡unwisely ¡(-­‑) ¡
• small ¡(+) ¡vs. ¡big ¡(-­‑) ¡tables ¡

Podium ¡

Podium ¡

Podium ¡

Poster ¡and ¡Podium ¡Presenta>ons ¡ ¡

• No silly fonts!!!!
• No silly fonts!!!!
• No silly fonts!!!!
• And never,
• never,
• never, use…
• Comic sans!!!!!!

Student ¡selected ¡presenta>ons ¡

• good ¡and ¡bad ¡ones ¡ ¡
• why… ¡

Student ¡selected ¡presenta>ons ¡

• Prof. ¡Sam ¡Burden's ¡(UW ¡EE) ¡presenta>on ¡for ¡

the ¡UW ¡Robo>cs ¡Colloquium ¡2015 ¡

Predictable behavior from internal models

forward model inverse model

– theoretical and empirical evidence for pairing of

forward + inverse models

Bhushan, Shadmehr Bio. Cybern. 1999; Sanner, Kosha Bio. Cybern. 1999

+

– parallels in control theory, robotics, artificial intelligence:

adaptive control, internal model principle, learning

Francis, Wonham Automatica 1976; Sastry, Bodson Prentice Hall 1989 Sutton, Barto, Williams IEEE CSM 1992; Atkeson, Schaal ICML 1997 Papavassiliou, Russell IJCAI 1999

Student ¡selected ¡presenta>ons ¡

• 18th ¡European ¡Congress ¡of ¡Physical ¡& ¡

Rehabilita>on ¡Medicine ¡in ¡2012 ¡

Student ¡selected ¡presenta>ons ¡

• Arizona ¡Physiological ¡Society ¡Annual ¡Mee>ng ¡

(2014) ¡

Student ¡selected ¡presenta>ons ¡

• TED ¡talk ¡

Student ¡selected ¡presenta>ons ¡

• University ¡of ¡Minnesota ¡Design ¡of ¡Medical ¡

Devices ¡Compe>>on ¡

Student ¡selected ¡presenta>ons ¡

• ORS ¡2015 ¡
• Cross sectional area smallest 45-55% of the insertion-insertion distance
• ATT loading caused thinner/wider ACL (p=0.01)
• Aspect ratio ranged between: 1.4-2.8; highest near femur
• Aspect ratio increased 0.31 with ATT load (p=0.04)

Specimen group

• 9 fresh-frozen human knees
• All male, mean age: 57 yrs (range: 47-68)
• No signs of previous injury or degeneration
• Bone shafts embedded in epoxy resin
• Carefully dissected by surgeon using loupes

Robotic positioning system

• CASPAR Staubli RX90 (Ortho MAQUET, Germany)
• 6 degrees of freedom manipulation
• Repeatability: 0.02mm
• Model 4015 Universal force sensor (JR3, USA)
• Accuracy ± 0.2 N, ± 0.1 Nm

Statistical analysis

• All data normalized as 0-100% of the femoral-tibial

insertion site distance

• Morphology as a function of flexion/anterior load

assessed using repeated-measures ANOVA (knee position * cross-sectional slice location)

In situ analysis of anterior cruciate ligament shape and morphology

Eric Thorhauer1, Yoshimasa Fujimaki2, Ruben O’Hara-Plotnik1, Scott Tashman1, Freddie Fu1

1 Department of Orthopaedic Surgery, University of Pittsburgh, Pittsburgh, PA, USA 2 Department of Orthopaedic Surgery, Showa University, Tokyo, Japan Benedum Engineering Laboratory, University of Pittsburgh

The shape of the ACL has been highly contested: described as a series of bundles, a band, or a ribbon1,2,3. Understanding the true nature of the ligament is key to the design and selection of grafts that adequately restore the anatomy. Previous assessments of ACL shape and morphology have been conducted in a destructive manner using non-physiological anatomical positions. Purpose: 1.) Develop a method for accurately and objectively classifying ligament shape and morphology. 2.) Explore ACL morphology as a function of applied load and flexion angle

Introduction

ACL in situ shape and morphology were quantified using objective, non-contacting measures in multiple loading/flexion positions.

• ACL shape is load/flexion angle dependent
• All aspect ratios were smaller than 3: the ACL is not a “ribbon”
• Cross-sectional shapes were mostly elliptical
• Native ACL shape varies along the ligament axis unlike standard grafts

These results may aid surgeons in graft design and placement decisions.

Summary

Acknowledgements Corresponding Author

Methods Results

Shape varied along the ACL axis and with different knee positions/loading

• Elliptical shapes detected in 48% of unloaded ACL cross sections, 67% loaded
• Bean/C-shapes were more common near the femoral insertion (34% of all unloaded and

26% of all loaded cross sections)

• Triangle shapes were least common (18% unloaded, 7% loaded)

References

• 1. Siebold, KSSTA, 2014
• 2. Triantafyllidi, J. Arth. Rel. Surg., 2013
• 3. Smigielski, KSSTA, 2014

Student ¡selected ¡presenta>ons ¡

• International summer program from

Nagoya University ¡

Student ¡selected ¡presenta>ons ¡

• hLp://www.k2.t.u-­‑tokyo.ac.jp/percep>on/

SmartLaserTracking/index-­‑e.html ¡