测量肩部绑架角度与姿势估计的人工智能模型的测量
Masaya Kusunose1, Atsuyuki Inui1, Hanako Nishimoto1
1Department of Orthopaedic Surgery, Kobe University Graduate School of Medicine, Kobe 650-0017, Japan.
Sensors (Basel, Switzerland)
|July 29, 2023
概括
这项研究使用人工智能增强了用于关节角度的无标记运动捕捉精度. 机器学习模型从智能手机视频中准确估计肩部绑架角度,帮助康复和体育分析.
科学领域:
- 生物力学 生物力学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 无标记运动捕捉显示了进步,但与仪相比,它在关节角度准确性方面存在困难.
- 现有的无标记器系统需要进一步改进,以进行精确的临床和运动运动运动分析.
研究的目的:
- 提高无标记运动捕获准确度,以使用人工智能测量关节角度.
- 开发和验证机器学习模型,以精确地估计肩部引角度.
主要方法:
- 集成的MediaPipe和LightGBM用于无标记的运动捕捉和人工智能驱动的角度估计.
- 使用智能手机摄像机在各种对角角度捕捉了10名健康志愿者的肩部绑架运动 (10°-160°).
- 训练有素的机器学习模型使用仪数据作为肩部绑架角度的基本真相.
主要成果:
- 通过0.988.8的确定系数 (R2) 实现了高精度.
- 经过训练的模型的低平均绝对百分比误差为1.539%.
- 验证了模型估计肩部绑架角度的能力,即使是对角位置的摄像头.
结论:
- 拟议的人工智能集成的无标记运动捕捉系统显著提高了关节角度测量精度.
- 这项技术为康复和体育中的实时肩部运动分析提供了可行的解决方案.
- 该方法对不同的摄像头视角具有稳定性,增加了其实际适用性.
