从无标记视频中预测在普通运动任务期间阿基里斯肌力量的预测

科学领域:

• 生物力学 生物力学
• 计算生物学 计算生物学
• 运动科学 运动科学 运动科学

背景情况:

• 阿基里斯肌 (AT) 改造受到机械力量的影响.
• 神经肌肉骨 (NMSK) 建模估计了AT力,但需要复杂的实验室设置.
• 现场生物力学分析需要可访问的方法.

研究的目的:

• 开发和验证特定任务的长短期记忆 (LSTM) 神经网络,用于使用无标记视频数据预测AT力.
• 评估使用智能手机捕获的数据用于生物力学分析的可行性.
• 为了使复杂的生物力学分析在传统的实验室环境之外.

主要方法:

• 开发了特定任务的LSTM神经网络,训练了16名受试者的姿势估计关键点和AT力数据.
• 利用已建立的NMSK建模管道来计算地面真相AT力数据.
• 采用了一个离开一个主题的交叉验证方法.
• 使用从智能手机收集的运动数据验证了模型.

主要成果:

• LSTM模型预测了时间序列AT力,根平均平方误差 (RMSE) ≤526N和R平方≥0.81.
• 步行任务产生了最高的精度 (RMSE = 189±62 N,R-平方 = 0.92±0.04).
• 智能手机预测的AT力量在时间和规模上是生理上可信的.

结论:

• 特定任务的LSTM模型从无标记视频中准确预测阿基里斯肌力量.
• 低成本,基于智能手机的生物力学分析在实验室之外是可行的.
• 这种方法可以在现实环境中扩大NMSK建模的应用.