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

Durante décadas, cientistas que estudam como os seres humanos se movem confiaram em um método que se assemelha a uma versão de alta tecnologia de um jogo de ligar os pontos. Para entender a mecânica de um passo ao caminhar, pesquisadores fixam pequenos marcadores reflexivos na pele de uma pessoa e usam câmeras para rastrear suas posções. Essa técnica, conhecida como captura de movimento óptica, tem sido por muito tempo o padrão ouro para medir ângulos articulares e padrões de movimento. No entanto, ela possui uma falha significativa: a pele se move independentemente dos ossos subjacentes. À medida que os músculos se contraem e se deslocam durante um passo, os marcadores na superfície deslizam, criando um borrão de dados que não corresponde perfeitamente ao movimento real do esqueleto. Esse problema, chamado artefato de tecido mole, torna-se especialmente difícil de resolver quando uma pessoa caminha em colinas íngremes ou realiza movimentos complexos, pois a pele se estica e sofre protuberâncias de forma mais dramática.

Nos últimos anos, uma nova abordagem surgiu, que dispensa totalmente os marcadores. Usando visão computacional avançada e aprendizado profundo, esses sistemas sem marcadores analisam filmagens de vídeo para estimar onde os membros estão localizados com base na própria forma do corpo. Embora essa tecnologia prometa tornar a análise de movimento mais natural e acessível, os cientistas têm sido cautelosos sobre o quão bem ela resiste sob pressão. A questão permanece: será que essas estimativas digitais podem igualar a precisão dos sistemas tradicionais baseados em marcadores, particularmente quando o corpo está sob o esforço de caminhar em encostas íngremes?

Uma equipe de pesquisadores no Japão decidiu testar os limites dessa nova tecnologia, submetendo-a a um teste rigoroso em uma esteira. Eles recrutaram vinte e quatro adultos saudáveis e pediram que caminhassem em um ritmo constante através de cinco condições diferentes: terreno plano, subidas e descidas moderadas, e subidas e descidas íngremes. Para garantir uma comparação justa, os participantes usaram roupas ajustadas que minimizassem o tecido solto que poderia confundir as câmeras, e caminharam enquanto eram registrados simultaneamente por dois sistemas diferentes. Um sistema utilizava os marcadores reflexivos tradicionais e câmeras infravermelhas, enquanto o outro utilizava oito câmeras de vídeo padrão para capturar o movimento sem quaisquer anexos físicos. Os pesquisadores então usaram softwares poderosos para calcular a posição exata das articulações do quadril, joelho e tornozelo, bem como os ângulos das pernas, para cada momento do ciclo de caminhada.

Os resultados revelaram uma história de sucesso notável e limitações específicas e previsíveis. Quando os pesquisadores observaram a localização real dos centros das articulações no espaço tridimensional, o sistema sem marcadores apresentou uma precisão extraordinária. As posições estimadas dos quadris, joelhos e tornozelos corresponderam ao sistema tradicional quase perfeitamente, independentemente de a pessoa estar caminhando em terreno plano ou em uma inclinação íngreme de quinze por cento. Isso sugere que os algoritmos de computador são excepcionalmente bons em encontrar o centro de uma articulação, mesmo quando o corpo se move rapidamente ou a visão é parcialmente bloqueada por outras partes do corpo.

No entanto, a história mudou quando os pesquisadores examinaram os ângulos das articulações. Embora a forma geral das curvas de movimento fosse muito semelhante entre os dois sistemas, houve diferenças consistentes na forma como os ângulos eram relatados. Para o quadril e o joelho movendo-se para frente e para trás, os dois sistemas concordaram de perto, mas o sistema sem marcadores relatou consistentemente uma inclinação inicial ligeiramente diferente da pelve. Esse pequeno desvio constante significava que, embora o padrão de movimento estivesse correto, os números absolutos estavam deslocados. As diferenças tornaram-se mais pronunciadas nos movimentos laterais e de torção das articulações. O sistema tradicional, que depende de marcadores colados à pele, mostrou flutuações mais erráticas, provavelmente porque a pele estava deslizando sobre o osso. Em contraste, o sistema sem marcadores produziu dados mais suaves, mas essa suavidade às vezes mascarava os movimentos reais e complexos dos ossos, levando a discordâncias significativas em quanto o quadril e o tornozelo estavam rotacionando ou inclinando lateralmente.

A diferença mais marcante apareceu quando os participantes caminharam em declive. Nesta condição, os músculos devem trabalhar mais para controlar a descida do corpo e absorver o impacto do pouso. Os pesquisadores descobriram que a discordância entre os dois sistemas aumentou durante a caminhada em declive, particularmente para o movimento lateral do quadril. Eles suspeitam que a atividade muscular intensa e o impacto do pouso fizeram com que a pele da coxa se movesse e vibrasse de maneiras que confundiram o sistema de marcadores tradicional, enquanto o sistema sem marcadores, treinado em padrões de movimento médios, suavizou essas variações extremas. Isso sugere que, embora a nova tecnologia seja robusta o suficiente para rastrear localizações articulares em terrenos íngremes, os ângulos específicos que ela calcula para movimentos de torção e laterais podem precisar de uma interpretação cuidadosa, especialmente quando o corpo está sob alto estresse físico.

Em última análise, o estudo confirma que a captura de movimento sem marcadores é uma ferramenta poderosa para analisar o movimento em ambientes desafiadores onde os métodos tradicionais podem enfrentar dificuldades com equipamentos ou oclusão. A tecnologia pode rastrear confiavelmente onde as articulações estão, tornando-a adequada para estudos de campo e tarefas complexas. No entanto, as descobertas servem como um lembrete de que os números que ela produz para os ângulos das articulações não são idênticos aos dos métodos mais antigos, baseados em marcadores. Cientistas e clínicos que utilizam essa nova tecnologia precisarão levar em conta essas diferenças sistemáticas, particularmente ao analisar a torção e a inclinação do corpo durante atividades exigentes, como caminhar em uma descida íngreme.