机器学习在脊柱生物力学中的应用.
Farshid Ghezelbash1, Amir Hossein Eskandari2, Xavier Robert-Lachaine3
1Division of Applied Mechanics, Department of Mechanical Engineering, Polytechnique Montréal, Canada.
Journal of biomechanics
|February 22, 2024
概括
机器学习和计算机视觉正在改变脊柱生物力学研究. 本研究提出了一个使用这些技术进行可访问的3D分析的框架,有助于预防伤害和性能优化.
科学领域:
- 生物力学 生物力学
- 计算机科学 计算机科学
- 机器学习 机器学习
背景情况:
- 脊柱生物力学研究正在随着新计算技术的发展而发展.
- 机器学习 (ML) 和计算机视觉 (CV) 能够从单个图像中进行3D身体形状,人体测量和动力学估计.
- 这些进步为生物机械分析提供了更容易获得和更实用的工具.
研究的目的:
- 引入一个整合ML/CV与肌肉骨建模的框架,用于全面的脊柱生物力学分析.
- 评估这些技术在现实世界脊柱生物力学应用中的性能和局限性.
- 探索在工作场所安全,伤害评估 (例如,鞭) 和体育表现方面的应用.
主要方法:
- 开发一种新的框架,将ML/CV技术与传统的肌肉骨建模相结合.
- 使用单摄像头成像来获取数据.
- 在各种应用中验证框架,包括工业,法医和体育环境.
主要成果:
- 证明了ML/CV算法的潜力,用于估计身体形状,动力学和现场生物力学分析.
- 确定了特定的局限性,包括预测准确性,复杂相互作用建模和外部负载估计.
- 在工作场所伤害风险评估,体育表现优化和法医分析中展示了适用性.
结论:
- 综合框架显示了推动脊柱生物力学研究和应用的巨大潜力.
- 在工业环境中,ML/CV技术为预防背部伤害提供了有希望的途径.
- 该研究强调了通过先进的生物力学分析在体育运动中提高表现,预防伤害和康复的机会.
