在运动员中推断脑震荡史,使用姿势和地面反应力估计和平衡运动视频的稳定性分析

科学领域:

• 生物力学和运动医学
• 神经病学和康复 康复

背景情况:

• 脑震荡对运动员构成重大风险,女性患脑震荡的发病率更高,恢复时间更长.
• 目前的侧线脑震荡测试,像King-Devick测试一样,缺乏有效性,特别是在年轻的运动员中.
• 需要客观,准确的脑震荡评估工具.

研究的目的:

• 为了研究微软Kinect V2深度传感器测量姿势稳定差异的能力.
• 为了比较运动员与脑震荡史和健康对照之间的平衡缺陷.
• 探索机器学习,从姿势估计数据中预测地面反应力和稳定时间.

主要方法:

• 使用了微软 Kinect V2 姿势估计深度传感器来分析运动员执行运动的视频录像.
• 采用机器学习方法从姿势数据中预测地面反应力.
• 在垂直跳跳 (DVJ),单腿 (SLS) 和单腿跳跃 (SLH) 练习中分析稳定时间 (TTS).

主要成果:

• 在脑震荡和对照组之间发现了运动力学和动态平衡的显著差异.
• 垂直跳跳 (DVJ) 运动显示出最高的歧视力,脑震荡运动员表现出更长的TTS (0.089s,p=0.046).
• 单腿跳 (SLH) 对女性更有效,而DVJ在男性中显示出最大的差异;SLS对两者都无效.

结论:

• 微软Kinect V2姿势估计可以可靠地检测微妙的姿势稳定性差异,表明与脑震荡相关的平衡障碍.
• DVJ练习是识别脑震荡后持续的余额赤字的一个有希望的工具.
• 这项技术为在各种环境中进行脑震荡评估的传统方法提供了一个潜在的低成本,易于使用的替代方案.