相关实验视频
Updated: Jun 26, 2025
06:36
Lower Limb Biomechanical Analysis of Healthy Participants
Published on: April 15, 2020
9.1K
机器学习的健康成年人的生物力学姿势分析:适用性和可靠性
Federico Roggio1, Sarah Di Grande2, Salvatore Cavalieri2
1Department of Biomedical and Biotechnological Sciences, Section of Anatomy, Histology and Movement Science, School of Medicine, University of Catania, Via S. Sofia n°97, 95123 Catania, Italy.
Sensors (Basel, Switzerland)
|May 11, 2024
概括
机器学习准确地评估人类的姿势,揭示肩部和部角度的性别特异性差异. 这种可靠的非侵入性方法有助于预防和查肌肉骨疾病.
科学领域:
- 生物医学工程 生物医学工程
- 计算机科学 计算机科学
- 人类运动科学科学 人类运动科学
背景情况:
- 预防肌肉骨疾病至关重要,但往往依赖于主观姿势评估.
- 需要客观可靠的人体姿势分析方法.
研究的目的:
- 为了评估机器学习 (ML) 的适用性和可靠性,用于人类姿势评估的姿势估计模型.
- 使用主要组件和集群分析探索数据结构,以获得新的姿势见解.
- 为了确定性别特异的姿势差异.
主要方法:
- 收集了200个健康个体的正面,背部和侧面照片.
- 使用的ML用于姿势分析的姿势估计.
- 应用学生的t测试,科恩的d和课内相关系数 (ICC) 进行统计分析.
- 对姿势数据进行了主要组件和集群分析.
主要成果:
- 在肩膀加伸角度 (男性: 16.1° ± 1.9°,女性: 14.1° ± 1.5°) 和部加伸角度 (男性: 9.9° ± 2.2°,女性: 6.7° ± 1.5°) 中发现了显著的性别差异.
- 两性之间水平倾向没有发现显著差异.
- 达到0.95的高ICC值,证实了该方法的可靠性.
- 无监督的ML揭示了新的模式,包括显著的肩膀-部距离变化.
结论:
- ML姿势估计为人类姿势分析提供了可靠和客观的方法.
- 这种方法对物理治疗,人体工程学和体育领域的非侵入性快速查具有前景.
- 无监督的ML技术可以揭示对姿势变化的新见解.
