Validation of lower limb joint center localization and kinematics in markerless motion capture during sloped walking
本研究验证了无标记运动捕捉（MLMLC）在陡坡行走过程中能够提供高度鲁棒的下肢关节中心追踪，尽管其在骨盆偏移以及髋关节/踝关节的横向和额状面准确度方面存在特定的运动学局限性，需要谨慎解读。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
几十年来，研究人类运动方式的科学家们一直依赖一种看起来像是高科技版“连点成线”游戏的方法。为了了解步行步态的力学机制，研究人员将小型反光标记物贴在人的皮肤上，并使用摄像机来追踪它们的位置。这种被称为光学动作捕捉的技术，长期以来一直是测量关节角度和运动模式的金标准。然而，它有一个显著的缺陷：皮肤的运动与下方的骨骼并不一致。当肌肉在行走过程中收缩和移动时，表面的标记物会发生滑动，从而产生与骨骼真实运动不完全匹配的数据偏差。这个问题被称为“软组织伪影”，当一个人在陡坡上行走或进行复杂动作时，由于皮肤拉伸和隆起更加剧烈，该问题变得尤其难以解决。
近年来，一种全新的方法应运而生，它完全跳过了标记物。利用先进的计算机视觉和深度学习技术，这些无标记系统通过分析视频画面，根据人体本身的形状来估算关节的位置。虽然这项技术有望使运动分析变得更加自然且易于普及，但科学家们对其在压力下的表现仍持谨慎态度。问题在于，这些数字估算值是否能够达到传统基于标记物的系统的精度，特别是在身体承受着行走在陡坡上的压力时。
日本的一个研究小组决定通过在跑步机上进行严格的试验，来测试这项新技术的极限。他们招募了二十四名健康的成年人，并要求他们在五种不同的条件下以稳定的步速行走：平地、中度上坡和下坡，以及陡峭的上坡和下坡。为了确保对比的公平性，参与者穿着紧身衣，以最大限度地减少可能干扰摄像机的松散织物，并在行走时同时接受两套不同系统的记录。其中一套系统使用传统的反光标记物和红外摄像机，另一套则使用八台标准的视频摄像机，在没有任何物理附件的情况下捕捉运动。研究人员随后使用强大的软件，计算了每一个步行周期中髋关节、膝关节和踝关节的精确位置，以及腿部的角度。
结果揭示了一个既有显著成功又存在特定、可预测局限性的故事。当研究人员观察三维空间中关节中心点的实际位置时，无标记系统的表现出了非凡的精确度。无论参与者是在平地行走还是在十五度的陡坡上行走，估算的髋、膝、踝关节位置都与传统系统几乎完美契合。这表明，即使在身体快速移动或视野被其他身体部位部分遮挡时，计算机算法在寻找关节中心方面也表现得异常出色。
然而，当研究人员检查关节角度时，情况发生了变化。虽然两种系统的运动曲线整体形状非常相似，但在报告的角度数值上却存在一致性的差异。对于前后移动的髋部和膝部，两套系统表现得非常接近，但无标记系统报告的骨盆初始倾斜度始终略有不同。这种微小的、恒定的偏差意味着，虽然运动模式是正确的，但绝对数值却发生了偏移。在关节的侧向和扭转运动中，这种差异变得更加明显。依赖于贴在皮肤上的标记物的传统系统显示出更多的不稳定波动，这很可能是因为皮肤在骨骼上滑动所致。相比之下，无标记系统产生的数据更加平滑，但这种平滑有时会掩盖真实的、复杂的骨骼运动，导致在计算髋部和踝部的旋转或侧向倾斜程度时出现显著分歧。
最显著的差异出现在参与者下坡行走时。在这种情况下，肌肉必须更加努力地控制身体的下降并吸收着陆时的冲击力。研究人员发现，在下坡行走时，两套系统之间的分歧变大了，尤其是对于髋部的侧向运动。他们怀疑，剧烈的肌肉活动和着陆时的冲击导致大腿上的皮肤发生了移动和震动，从而干扰了传统的标记系统；而经过平均运动模式训练的无标记系统，则通过平滑处理掩盖了这些极端的变化。这表明，尽管这项新技术足以追踪在复杂地形上的关节位置，但它所计算出的关于扭转和侧向运动的具体角度，可能需要谨慎解读，尤其是在身体承受高强度物理压力的情况下。
最终，这项研究证实了无标记动作捕捉是一种强大的工具，能够用于分析在传统方法可能因设备或遮挡而遇到困难的挑战性环境中的运动。该技术可以可靠地追踪关节位置，使其适用于实地研究和复杂任务。然而，研究结果也提醒人们，它所产生的关节角度数据与传统的基于标记物的方法并不完全相同。使用这项新技术的科学家和临床医生需要考虑到这些系统性的差异，特别是在分析如陡坡行走等高强度活动中的身体扭转和倾斜时。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。