个性化骨菌株预测:使用无标记运动捕捉和统计形状模型的新方法的可行性
Vivek Bhaskar Kote1,2, Anup Pant1,2, Tylan Templin3
1Musculoskeletal Biomechanics Section Materials Engineering Department, Southwest Research Institute, San Antonio, TX 78238.
Journal of biomechanical engineering
|September 17, 2025
概括
这项研究提出了一种新的方法,可以使用视频数据和个性化肌肉骨模型来预测带菌株. 结合多个主要组件 (PC) 通过捕捉微妙的形态变化来提高准确性,这对于伤害风险评估至关重要.
科学领域:
- 生物力学 生物力学
- 肌肉骨系统的建模
- 计算建模计算建模
背景情况:
- 肌肉骨损伤是各种体力活动中的一个重要问题.
- 准确预测生物力学负荷,如骨菌株,对于损伤风险评估至关重要.
- 当前的方法往往需要大量的数据收集,这限制了它们的实际应用.
研究的目的:
- 从视频数据中生成个性化的肌肉骨模型的新框架.
- 在没有医疗扫描或基于标记器的运动捕捉的情况下预测骨菌株.
- 评估主要成分 (PC) 数量对应变预测准确性的影响.
主要方法:
- 统计形状模型 (SSM) 与无标记运动捕捉的集成.
- 使用不同数量的主要组件 (PC) 开发个性化的有限元 (FE) 模型.
- 在FE模型中应用个性化负载配置文件,用于骨应变预测.
主要成果:
- 在FE模型中使用多个PC可以捕捉到微妙的形态变异,从而比仅使用第一个PC更准确地预测骨菌株.
- 第一个PC主要占总体尺寸,可能导致对身材相似的受试者进行类似的应变预测.
- 高级PC对于捕捉影响菌株分布和受伤风险的形态差异至关重要.
结论:
- 使用视频数据和SSM进行个性化生物机械建模是一种可扩展和高效的方法.
- 纳入更高层次的PC对于准确的肌肉骨损伤风险评估至关重要.
- 这一框架在个人和人口层面的生物力学分析和伤害预防方面具有广泛的应用.
