将3D运动捕捉数据转化为动力复合分数,用于评估肌肉骨功能障碍
Erin Archibeck1, Ryan Halvorson2, Pavlos Silvestros2
1Department of Mechanical Engineering, University of California, Berkeley, USA; Department of Orthopedic Surgery, University of California, San Francisco, USA.
Journal of biomechanics
|May 5, 2025
概括
新的动态复合分数 (K-Score) 有效地分析复杂的全身运动,在识别慢性腰部疼痛及其变异方面表现优于传统方法. 这个分数是可适应的,不受年龄或BMI等因素的影响.
科学领域:
- 生物力学 生物力学
- 肌肉骨健康 肌肉骨健康
- 临床诊断 临床诊断 临床诊断
背景情况:
- 目前用于肌肉骨功能障碍的临床方法提供有限的见解,只提供孤立的联合测量或定性观察.
- 3D生物力学测试是全面的,但产生大量的数据,阻碍临床应用和解释.
- 现有的运动分析技术往往忽视时间序列数据或需要大数据集,限制了它们的临床实用性.
研究的目的:
- 介绍动态复合分数 (K-Score) 方法论,用于提炼高维运动数据,同时保持个体变异性.
- 概述K-Score算法的优点,局限性和应用.
- 将K-Score的性能与传统的孤立动力学测量和主要组件分析进行比较.
主要方法:
- 开发了动态复合分数 (K-Score) 算法,将复杂的时间序列生物力学数据合成一个单一的度量.
- 进行了比较分析,使用慢性腰部疼痛 (LBP) 患者和健康对照组的队列.
- 评估K-Score对人口因素 (BMI,年龄,身高) 和样本大小的敏感性.
主要成果:
- 该K-Score在LBP患者和健康对照人群之间显著区分了整体运动 (p < 0.001).
- 在K-Score分析中,男性和女性LBP患者之间的运动有显著差异 (p < 0.001).
- 该K-Score显示独立于BMI,年龄,身高和样本大小,表明强度.
结论:
- 通过整合全身,时间序列数据,K-Score有效地克服了传统生物力学分析的局限性.
- 这种新的指标为临床生物力学研究提供了强大的工具,增强了对运动异质性的理解.
- 在不同的运动捕捉系统和活动中K-Score的适应性支持其广泛的临床适用性.
