Validation of lower limb joint center localization and kinematics in markerless motion capture during sloped walking

Decennialang hebben wetenschappers die de menselijke beweging bestuderen vertrouwd op een methode die lijkt op een technologisch geavanceerde versie van een spelletje verbind de puntjes. Om de mechanica van een loopstap te begrijpen, bevestigen onderzoekers kleine reflecterende markers aan de huid van een persoon en gebruiken ze camera's om hun posities te volgen. Deze techniek, bekend als optische motion capture, is lang de gouden standaard geweest voor het meten van gewrichtshoeken en bewegingspatronen. Het heeft echter een aanzienlijk nadeel: de huid beweegt onafhankelijk van de botten eronder. Terwijl spieren samentrekken en verschuiven tijdens een stap, glijden de markers op het oppervlak, wat een wazige reeks gegevens creëert die niet perfect overeenkomt met de werkelijke beweging van het skelet. Dit probleem, bekend als soft tissue artifact, wordt vooral moeilijk op te lossen wanneer een persoon op steile heuvels loopt of complexe bewegingen uitvoert, omdat de huid dan dramatischer uitrekt en bollt.

In de afgelopen jaren is er een nieuwe benadering ontstaan die de markers volledig overslaat. Met behulp van geavanceerde computer vision en deep learning analyseren deze markerloze systemen videobeelden om te schatten waar de gewrichten zich bevinden op basis van de vorm van het lichaam zelf. Hoewel deze technologie de belofte inhoudt om bewegingsanalyse natuurlijker en toegankelijker te maken, zijn wetenschappers voorzichtig geweest over hoe goed het standhoudt onder druk. De vraag blijft of deze digitale schattingen de precisie van de traditionele marker-gebaseerde systemen kunnen evenaren, vooral wanneer het lichaam onder de spanning staat van het lopen op steile hellingen.

Een team van onderzoekers in Japan besloot de grenzen van deze nieuwe technologie te testen door het door een rigoureuze proef te sturen op een loopband. Ze rekruteerden vierentwintig gezonde volwassenen en vroegen hen om met een gestaag tempo te lopen onder vijf verschillende omstandigheden: vlak terrein, matige hellingen omhoog en omlaag, en steile hellingen omhoog en omlaag. Om een eerlijke vergelijking te garanderen, droegen de deelnemers nauwsluitende pakken die de losse stof die de camera's in verwarring zou kunnen brengen, minimaliseerden, en zij liepen terwijl ze gelijktijdig werden opgenomen door twee verschillende systemen. Eén systeem gebruikte de traditionele reflecterende markers en infraroodcamera's, terwijl het andere systeem acht standaard videocamera's gebruikte om de beweging zonder fysieke bevestigingen vast te leggen. De onderzoekers gebruikten vervolgens krachtige software om de exacte positie van de heup-, knie- en enkelgewrichten, evenals de hoeken van de benen, voor elk moment van de loopcyclus te berekenen.

De resultaten onthulden een verhaal van zowel opmerkelijk succes als specifieke, voorspelbare beperkingen. Wanneer de onderzoekers naar de werkelijke locatie van de gewrichtscentra in drie dimensionale ruimte keken, presteerde het markerloze systeem met buitengewone precisie. De geschatte posities van de heupen, knieën en enkels kwamen bijna perfect overeen met het traditionele systeem, ongeacht of de persoon op vlak terrein of op een steile helling van vijftien procent liep. Dit suggereert dat de computeralgoritmen uitzonderlijk goed zijn in het vinden van het centrum van een gewricht, zelfs wanneer het lichaam snel beweegt of het zicht gedeeltelijk geblokkeerd wordt door andere lichaamsdelen.

Echter, het verhaal veranderde toen de onderzoekers de hoeken van de gewrichten onderzochten. Hoewel de algemene vorm van de bewegingscurves zeer vergelijkbaar was tussen de twee systemen, waren er consistente verschillen in hoe de hoeken werden gerapporteerd. Voor de heup en knie die naar voren en naar achteren bewegen, kwamen de twee systemen nauw overeen, maar het markerloze systeem rapporteerde consequent een iets andere beginhelling van het bekken. Deze kleine, constante afwijking betekende dat hoewel het bewegingspatroon correct was, de absolute getallen verschoven waren. De verschillen werden duidelijker bij de zijwaartse en draaiende bewegingen van de gewrichten. Het traditionele systeem, dat vertrouwt op markers die op de huid zijn geplakt, vertoonde meer grillige fluctuaties, waarschijnlijk omdat de huid over het bot gleed. In contrast hiermee produceerde het markerloze systeem gladdere gegevens, maar deze gladheid maskeerde soms de ware, complexe bewegingen van de botten, wat leidde tot aanzienlijke onenigheid over de mate waarin de heup en enkel zijwaarts roteerden of kantelden.

Het meest opvallende verschil deed zich voor toen de deelnemers bergafwaarts liepen. In deze conditie moeten de spieren harder werken om het lichaam te controleren tijdens de afdaling en de schok van de landing op te vangen. De onderzoekers ontdekten dat de onenigheid tussen de twee systemen groter werd tijdens het afdalen, met name voor de zijwaartse beweging van de heup. Zij vermoeden dat de intense spieractiviteit en de impact van de landing ervoor zorgden dat de huid op de dij bewoog en vibreerde op manieren die het traditionele marker-systeem in verwarring brachten, terwijl het markerloze systeem, getraind op gemiddelde bewegingspatronen, deze extreme variaties wegfilterde. Dit suggereert dat hoewel de nieuwe technologie robuust genoeg is om gewrichtslocaties op steil terrein te volgen, de specifieke hoeken die het berekent voor draaiende en zijwaartse bewegingen zorgvuldige interpretatie vereisen, vooral wanneer het lichaam onder hoge fysieke stress staat.

Uiteindelijk bevestigt de studie dat markerloze motion capture een krachtig instrument is voor het analyseren van beweging in uitdagende omgevingen waar traditionele methoden mogelijk moeite zouden hebben met apparatuur of obstructie. De technologie kan betrouwbaar de locaties van de gewrichten volgen, wat het geschikt maakt voor veldonderzoek en complexe taken. Toch dienen de bevindingen als een herinnering dat de getallen die het produceert voor gewrichtshoeken niet identiek zijn aan die van de oudere, marker-gebaseerde methoden. Wetenschappers en clinici die deze nieuwe technologie gebruiken, zullen rekening moeten houden met deze systematische verschillen, met name bij het analyseren van het draaien en kantelen van het lichaam tijdens veeleisende activiteiten zoals het afdalen van een steile heuvel.