基于智能手机的无标记运动捕捉的同时有效性,以量化健康和病态步行的下肢关节动力学

科学领域:

• 生物力学 生物力学
• 运动捕捉技术的技术.
• 步态分析 步态分析

背景情况:

• 无标记运动捕捉为生物机械评估提供了一个潜在的低成本,可访问的替代传统基于标记器的系统.
• 严格评估无标记系统在估计各种步态模式的关节动力学中的准确性,对于临床采用至关重要.

研究的目的:

• 评估基于智能手机的无标记运动捕捉系统OpenCap的准确性,用于测量各种步态模式期间的3D关节动力学.
• 为了比较OpenCap的准确性与基于标记器的金标准运动捕捉系统在健康和病态步行的准确性.

主要方法:

• 21名健康的志愿者进行了四种步行模式:生理,卧,环绕和等腰.
• 使用OpenCap和基于标记器的系统同时采集3D动态数据.
• 在关节动力学中计算根平均平方误差 (RMSE) 和峰值误差.

主要成果:

• 整体RMSE为5.8度 (SD:1.8),峰值误差为11.3度 (SD:3.9). 这是一个很大的问题.
• 在所有步行模式中观察到错误的显著差异 (p < 0.05),生理步行显示出最小的错误,腰/环绕步行显示出最高的错误.
• 精度与基于IMU和商业无标记系统相比,但超过了临床上理想的值 (2-5度).

结论:

• 基于智能手机的无标记运动捕捉 (OpenCap) 显示了步态动力学评估的潜力,但需要进一步改进算法.
• 目前的错误水平高于临床上可接受的极限,需要在深度学习算法中取得进展,以便在临床上广泛使用.
• 需要进一步的研究来完善无标记体位估计,以获得可靠的临床生物力学评估.