SIMSPINE: A Biomechanics-Aware Simulation Framework for 3D Spine Motion Annotation and Benchmarking

Título: SIMSPINE: Um Framework de Simulação Consciente da Biomecânica para Anotação e Benchmarking de Movimento da Coluna Vertebral em 3D

1. O Problema

A modelagem do movimento da coluna vertebral é fundamental para a compreensão da biomecânica humana, mas permanece subexplorada na visão computacional. Os principais desafios identificados são:

• Complexidade Cinemática: A coluna possui mais de duas dúzias de vértebras articuladas com múltiplos graus de liberdade, exibindo padrões de movimento não lineares e interdependentes.
• Falta de Dados 3D: Não existem grandes conjuntos de dados públicos com anotações 3D em nível de vértebra para movimentos corporais completos e naturais.
• Limitações das Abordagens Atuais:
  • Métodos de captura de movimento (MoCap) tradicionais focam em membros grandes, perdendo micro-movimentos vertebrais essenciais para estabilidade e prevenção de lesões.
  • Abordagens baseadas em RGB existentes são frequentemente 2D, com anotações opacas e verificação biomecânica limitada.
  • Métodos médicos (como fluoroscopia ou MRI) são precisos, mas caros, invasivos, restritos a ambientes controlados e não escaláveis para visão computacional geral.

O objetivo é criar uma solução para a estimativa 3D de movimento da coluna que seja biomecanicamente precisa, clinicamente relevante e "desrestrita" (não limitada a sujeitos estáticos ou ângulos fixos).

2. Metodologia

Os autores propõem um pipeline de simulação de pontos-chave consciente da biomecânica que enriquece o conjunto de dados existente Human3.6M com anotações 3D precisas da coluna. O processo segue cinco etapas principais (ilustrado na Fig. 2 do artigo):

1. Detecção e Triangulação Multi-visão:
   • Um detector 2D pré-treinado (SpinePose) identifica 9 pontos-chave da coluna em imagens RGB sincronizadas de múltiplas câmeras.
   • Esses pontos 2D são triangulados robustamente para gerar posições 3D "pseudo" (ruidosas), filtradas para remover outliers e jitter.
2. Fusão com Marcadores Reais:
   • Os pontos 3D pseudo da coluna são alinhados temporalmente e fundidos com os marcadores corporais 3D de ground-truth do Human3.6M (que incluem pelve, cabeça, etc.).
3. Escala do Sujeito e Cinemática Inversa (IK):
   • Um modelo musculo-esquelético completo (baseado em OpenSim e adaptado de modelos de Rajagopal e Beaucage-Gauvreau) é escalado para a altura e massa de cada sujeito.
   • O IK resolve o estado das juntas do modelo para minimizar a diferença entre os marcadores do modelo e os dados observados (fusão de marcadores reais e pseudo).
   • Simplificação Biomecânica: A região lombar (L1–L5) é modelada como totalmente articulada (3 DOFs por junta intervertebral). A região torácica e cervical são tratadas como segmentos rígidos, com movimento permitido apenas na junção cervico-torácica (agregado de 3 DOFs), para garantir estabilidade numérica e identificabilidade a partir de dados RGB.
4. Cinemática Direta (FK) e Geração de Dados:
   • Marcadores virtuais são anexados aos corpos vertebrais. Usando a solução de IK, a FK calcula as trajetórias 3D exatas desses marcadores.
   • São exportados também os ângulos de rotação Euler por vértebra (flexão/extensão, inclinação lateral, rotação axial).
5. Controle de Qualidade:
   • Filtros temporais e validação de curvatura plausível são aplicados para garantir a continuidade do movimento.

3. Principais Contribuições

1. Dataset SIMSPINE: O primeiro conjunto de dados aberto com anotações 3D em nível de vértebra para movimentos corporais completos.
   • Contém 2,14 milhões de quadros (1,56M de treino, 0,58M de teste).
   • Inclui 15 pontos-chave (9 na coluna, 2 no crânio, 2 na clavícula, 2 nas escápulas) e parâmetros cinemáticos.
   • Baseado em 7 sujeitos realizando 15 ações do Human3.6M.
2. Framework de Simulação: Um pipeline reprodutível que integra modelos musculo-esqueléticos (OpenSim) com visão computacional para gerar anotações biomecanicamente consistentes.
3. Baselines Pré-treinados:
   • Detectores 2D ajustados (SpinePose, HRNet, RTMPose, ViTPose).
   • Modelos de "lifting" 3D monoculares (root-relative).
   • Pipelines de reconstrução 3D multi-visão.
4. Benchmark Unificado: Estabelecimento de métricas e protocolos para avaliação de estimativa de movimento da coluna, cobrindo detecção 2D, triangulação 3D e lifting 3D.

4. Resultados e Avaliação

Os autores validaram a qualidade dos dados e o desempenho dos modelos em três tarefas:

• Validação Biomecânica:
  • As distribuições de curvatura (Lordose Lombar e Cifose Torácica) e os intervalos de movimento (ROM) simulados alinham-se com estudos in vivo e cadavéricos da literatura médica.
  • O modelo captura tendências específicas de ações (ex.: redução da lordose ao sentar, aumento da rotação lateral ao falar ao telefone).
• Estimativa 2D (Detecção):
  • O ajuste fino (fine-tuning) combinando dados reais (SpineTrack) e simulados (SIMSPINE) melhorou significativamente o estado da arte.
  • AUC em ambientes controlados: de 0,63 para 0,80.
  • AP para rastreamento "in-the-wild": de 0,91 para 0,93.
• Reconstrução 3D Multi-visão:
  • Com detectores ajustados, o erro médio de posição (MPJPE) foi de 31,8 mm.
  • Com detectores de ground-truth (limite superior geométrico), o erro caiu para sub-milimétrico, confirmando a consistência geométrica dos dados simulados.
• Lifting 3D Monocular:
  • Modelos treinados com pontos-chave do corpo inteiro (37 juntas) superaram os treinados apenas na coluna (15 juntas), indicando que o contexto global ajuda na localização vertebral.
  • Erro P-MPJPE (alinhado por Procrustes) para a coluna inteira: 13,48 mm (com GT 2D).

5. Significado e Limitações

Significado:
O trabalho preenche uma lacuna crítica entre a modelagem musculo-esquelética e a visão computacional. O SIMSPINE permite o aprendizado baseado em dados de micro-movimentos vertebrais a partir de variações sutis de postura, algo impossível com dados 2D ou MoCap tradicional. Ele serve como um recurso de pré-treinamento escalável para modelos que precisam entender a cinemática vertebral, não apenas a geometria das juntas.

Limitações:

• Natureza Simulada: As anotações são derivadas de simulação, não medidas in vivo.
• Simplificações Anatômicas: A coluna torácica e cervical (exceto a junção) são modeladas como rígidas; acoplamentos da caixa torácica e efeitos de tecidos moles não são modelados.
• Domínio Visual: Os dados são restritos a ambientes internos (Human3.6M), com câmeras fixas e sujeitos saudáveis, limitando a generalização para cenários "in-the-wild" ou patológicos.
• Ausência de Dinâmica: O modelo foca em cinemática (posição/rotação), não em forças musculares ou equilíbrio de cargas (dinâmica).

Conclusão:
O SIMSPINE não substitui medições clínicas precisas, mas oferece uma ponte prática e escalável para o desenvolvimento de algoritmos de visão computacional capazes de estimar a postura e a cinemática vertebral de forma anatomicamente fundamentada, impulsionando pesquisas em análise de movimento, modelagem de humanos digitais e reabilitação.