一个人工神经网络用于在动态举重活动中预测全身姿势,以及其预测错误对模型估计的脊柱负荷的影响
Nesa Hosseini1, Navid Arjmand1
1Department of Mechanical Engineering, Sharif University of Technology, Tehran, Iran.
Journal of biomechanics
|December 10, 2023
概括
人工神经网络 (ANN) 准确地预测动态举重任务期间的身体姿势. 这种人工智能驱动的预测方法可以可靠地驱动肌肉骨模型来分析脊柱负荷.
科学领域:
- 生物力学 生物力学
- 人体工程学就是人体工程学.
- 人工智能的人工智能
背景情况:
- 肌肉骨模型对于职业风险评估和临床康复至关重要.
- 准确的身体姿势数据对于这些模型至关重要,但传统的运动捕捉是资源密集的.
- 人工智能为自动姿势预测提供了一个潜在的解决方案.
研究的目的:
- 评估人工神经网络 (ANN),用于预测动态举重活动期间的身体姿势.
- 评估ANN衍生的姿势预测对肌肉骨模型输出,特别是脊柱负荷的准确性的影响.
- 将ANN姿势预测与传统的运动捕捉测量进行比较.
主要方法:
- 之前开发的ANN,在静态姿势上训练,用于预测动态举重任务期间的3D全身姿势.
- 七名参与者执行了25个举重任务,姿势由10个摄像头Vicon系统捕获,并由ANN同时预测.
- 使用特定的肌肉骨模型,根据测量和预测的姿势估计L5-S1脊柱负荷.
主要成果:
- 与测量数据 (R2 = 0.98) 相比,ANN在姿势预测方面取得了很高的准确性,总根平均平方误差 (RMSE) 为7.4厘米,正常化RMSE (nRMSE) 为4.1%.
- 来自预测姿势的肌肉骨模型估计的L5-S1负载与测量姿势的负载密切一致.
- 预测和测量姿势之间的L5-S1负荷的nRMSE在所有受试者和任务中低于10% (R2 > 0.7).
结论:
- 开发的人工神经网络提供了一种准确且易于使用的方法,用于预测动态举重期间的身体姿势.
- 来自ANN的姿势预测可以有效地用于驱动肌肉骨模型来分析脊柱负荷.
- 这种基于人工智能的方法为生物机械分析提供了一个可行的,资源密集度较低的替代方案,而不是传统的运动捕捉.
