关节动力学对高水平男子跨栏运动员起跨速度的影响

作者: 

王珂瑞¹，何俊良²，李玉章³

作者单位：

1. 上海体育大学 竞技运动学院

2. 上海市体育科学研究所（上海市反兴奋剂中心）

3. 上海体育大学 体育教育学院

期刊：医用生物力学

关键词：

110 m 栏；关节力矩；关节刚度；起跨速度；运动学；动力学

视力障碍对偏瘫患者步态特征的影响

作者：

冷洪帅^1a,2, 孟庆华^1a,1b,2, 周鲁星^1c,2, 张楠^1c,2,　邓一杰³

期刊：医用生物力学

图：标记点正面、背面粘贴位置展示（图源：原论文）

摘要：

目的：探讨视力障碍(vision impairment, VI)对偏瘫患者步态的影响,评估其行走能力和跌倒风险,并为制定有效的康复策略提供依据。

方法：纳入30 例偏瘫患者,依据视力受损程度分为视力未受损组、轻度视力障碍组和严重视力障碍组。使用 Qualisys 动作捕捉系统和 Kistler 三维测力台收集患者未经屈光矫正条件下的步态数据,同时对患者平衡能力进行评估。而后对步态和评估数据进行统计分析,以比较组间差异。

结果：与视力未受损组相比,轻度视力障碍组、严重视力障碍组偏瘫患者的步长、对称性、步速间均存在显著差异。随着VI 加重,患者步态异常更为明显,步态周期中双脚支撑相、患肢摆动相占比更长,患肢单支撑相占比更短。与视力未受损组相比,轻度视力障碍组、严重视力障碍组偏瘫患者足底压力(center of pressure, COP)、COP 对称性间存在显著性差异,步态异常加剧;伯格平衡量表(Berg balance scale, BBS)评分显示,视力未受损组与严重视力障碍组间存在显著性差异,提示视力受损组平衡能力更差。

结论：VI 对偏瘫患者步态和行走能力产生了显著的负面影响。本研究强调在偏瘫患者康复中应重点关注VI 的影响,定期进行视力评估及个性化干预,这对于提升患者步行质量具有重大意义。

关键词：

偏瘫; 视力障碍; 步态; 平衡

DOI：10. 16156/ j. 1004-7220. 2025. 05. 016

Benchmarking raw datasets and collaboratively-evolving processed data for markerless motion capture analysis

用于无标记运动捕捉分析的原始数据集基准测试与协同演化的处理数据

作者：

Antoine Muller, Alexandre Naaïm, Raphaël Dumas,Thomas Robert

作者单位：

法国 里昂大学、居斯塔夫·埃菲尔大学、里昂克洛德·贝尔纳大学

期刊：Data in Brief

图：数据集结构示意图（图源：原论文）

摘要：

我们提出了一个用于基准测试无标记运动捕捉方法（从视频到关节运动学）的数据集。该数据集同时包含原始数据和处理后的数据。两名参与者完成了五项任务——行走、坐到站立、手工搬运、倒立支撑或 Y 型姿势（取决于参与者），以及一段共同完成的舞蹈动作序列。动作采集同时使用了 10 台光电摄像机（Qualisys Miqus M3，120 Hz）和 9 台视频摄像机（Qualisys Miqus Video，60 Hz，1920×1080 像素）进行记录。原始数据集提供三维标记点轨迹和视频记录。该处理数据集整合了基于标记的运动捕捉数据和来自七种不同无标记方法的关节运动学结果，这些无标记方法由多个研究团队在全国生物力学研讨会的挑战赛中联合贡献。此外，一个包含处理后数据的开放访问 GitHub 仓库允许研究人员贡献新的无标记方法估计结果，并协作扩展数据集。该资源旨在促进基准测试，并支持稳健的无标记运动分析方法的研发。

关键词：

Biomechanics； Kinematics； Marker-based Video-based analysis； Joint angles

生物力学；运动学；基于标记点和视频的分析；关节角度

DOI: 10.1016/j.dib.2025.112044

Comparison of lower body joint kinematics during change of direction tasks estimated using a markerless and a markerbased method

利用无标记点与有标记点方法估计变向任务中下肢关节运动学的比较

作者：

Janina Helwig^1,2, Jos Vanrenterghem³, Bastian Anedda¹, Daniel Koska⁴, Markus Hipper¹, Yannick Denis¹, Luca Braun¹, Veerle Segers⁵, Albert Gollhofer² & Steffen Willwacher¹

期刊：scientific reports

摘要：

基于标记点（MB）的运动捕捉系统面临诸如标记丢失、软组织伪影以及手动处理等挑战。无标记点（ML）运动捕捉系统在捕捉诸如变向（COD）等动态、非线性运动时可能具有特别的优势。本研究评估了在变向任务中，MB 与 ML 系统在下肢关节运动学测量上的一致性。十九名运动员在五个方向、三个强度下完成变向动作。数据通过红外摄像机与视频摄像机同时采集。计算了关节角度，并使用预测带（prediction band）和扩展 Bland-Altman（BA）方法评估两种系统间的一致性。结果显示，与踝关节和髋关节角度相比，膝关节角度的随机误差与系统误差最小（偏差 = 4.34°，面积 = 3102.57 deg·stance%；BA：偏差 = 3.34°，一致性限 LoA = ±11.38°）。屈伸角度的随机误差较小（面积 = 2919.74 deg·stance%；LoA = ±10.71°），相比之下，外展/内收角度（面积 = 3477.70 deg·stance%；LoA = ±12.16°）及内旋/外旋角度（面积 = 4630.68 deg·stance%；LoA = ±15.75°）的误差更大。较慢且直线的动作表现出比急剧、非线性的变向动作更高的一致性。这些发现为研究人员和从业者在将 ML 数据置于现有数据体系中时提供了有价值的参考，尤其是在分析高度动态、非线性运动或内旋/外旋角度时应特别注意。

关键词：

Markerless, Marker-based, 3D motion capturing

无标记点，标记点，三维运动捕捉

DOI: 10.1038/s41598-025-21143-x

Gender-specific biomechanical effects of smartphone use with backpack load during standing and walking

背包负重下使用智能手机对站立与行走时性别特异性生物力学效应的研究

作者：

Yi-Lang Chen, Wei-Han Tang & Yi-Xuan Guan

作者单位：

台湾明志科技大学 工业工程与管理系

期刊：scientific reports

图：姿态测量中标记点放置位置及角度定义示意图（图源：原论文）

摘要：

智能手机使用与背包携带在年轻人群中十分常见，但二者结合对颈肩生物力学的影响尚不明确。本研究系统地考察了性别、智能手机使用与背包负重三者在静态（站立）与动态（行走）条件下的交互效应。30 名大学生（15 名男性、15 名女性）参与了重复测量实验，包含三种背包负重（0%、5%、10% 体重）与两种姿态（站立、行走），并分别设置使用和不使用智能手机的条件。通过运动捕捉与表面肌电图测量头颈姿态以及颈伸肌（cervical erector spinae，CES）和上斜方肌（upper trapezius，UTZ）的肌肉活动。结果显示，智能手机使用与负重之间在姿态和肌肉激活上存在显著交互效应，尤其在行走过程中。男性受试者表现出更大的头部角度（19.3° 对 14.6°）和上躯干角度（28.8° 对 26.4°），而女性受试者在 CES 活动中始终表现出更高水平（7.9% 对 6.8% 最大随意收缩［MVC］，p < 0.001）。UTZ 激活的性别差异仅在使用智能手机时出现，女性在携带 10% 体重负重时表现出显著更高的激活水平（15.6% 对 13.8% MVC，p < 0.001）。值得注意的是，在行走 + 使用智能手机 + 10% 体重负重条件下，女性受试者的 UTZ 活动达到了 16.8% MVC——超过了公认的 15% MVC 疲劳阈值；而男性受试者接近该阈值（14.5% MVC）。UTZ 激活在两性中均随着背包负重的增加而上升，尤其在行走时更加明显。本研究首次提供了实证证据表明，同时使用智能手机和背包会使颈肩肌肉活动接近疲劳水平，尤其在女性受试者中更为突出。为减少肌肉骨骼负荷，应在使用智能手机时将背包负重控制在不超过体重的 10%，尤其在行走过程中。这些结果为制定减少科技使用相关肌肉骨骼风险的工效学指南提供了科学依据。

关键词：

Smartphone use, Backpack load, Posture, Gender differences, Musculoskeletal strain,

Electromyography

智能手机使用，背包负重，姿态，性别差异，肌肉骨骼应变，表面肌电图

Targeted hip abductor fatigue alters trunk and lower limb biomechanics during Single-Leg landing

髋外展肌疲劳会改变单腿着地时的躯干与下肢生物力学表现

作者：

Kengo Harato^1,2,5, Kohei Nishizawa², Satoshi Imai³, Shu Kobayashi², Kazuya Kaneda²,

Tatsuaki Matsumoto² & Takeo Nagura^2,4

期刊：scientific reports

图：髋外展肌疲劳方案：受试者进行针对性的髋外展运动，并逐步增加阻力，直至达到疲劳为止。（图源：原论文）

摘要：

髋外展肌疲劳可能影响下肢生物力学，并可能增加前交叉韧带（ACL）损伤风险。然而，针对性髋外展肌疲劳对落地任务中躯干、骨盆及下肢协调的影响尚不明确。本研究旨在探讨针对性髋外展肌疲劳如何改变单腿着地（SLL）过程中躯干、骨盆和下肢的生物力学表现。20 名健康的男性业余运动员在实施针对性髋外展肌疲劳方案前后完成单腿着地任务。通过三维运动捕捉系统与测力台采集运动学与动力学数据，分析重点集中在垂直地面反作用力峰值出现时刻。结果显示，疲劳后受试者表现出髋关节外展角度和躯干右倾增加，同时髋关节屈曲和外展力矩减少。值得注意的是，膝关节外展力矩在疲劳后显著增加，尽管其绝对值仍为负值。此外，还观察到骨盆左旋增加，表明躯干–骨盆协调中出现了代偿性调整。这些变化表明，针对性肌肉疲劳会在动力链中引发复杂的生物力学反应，而非单纯通过易致膝外翻的机制普遍增加损伤风险。虽然这些变化可能反映出疲劳状态下的稳定性策略，但其对 ACL 负荷的具体影响仍需进一步研究。本研究强调了在分析针对性疲劳时应考虑全身性生物力学响应的重要性，并有助于更深入理解落地过程中神经肌肉控制的调节机制。这些发现可为改进针对疲劳状态下节段协调的损伤预防策略提供参考。

关键词：

Knee ligament injury, Trunk control, Neuromuscular adaptation, Joint loading, Landing strategy

膝韧带损伤，躯干控制，神经肌肉适应，关节负荷，落地策略

Validity and reliability of GAITWell portable modular system for gait analysis

GAITWell 便携式模块化步态分析系统的有效性与可靠性

作者：

Wellingtânia D. Dias¹, Renata Kirkwood², Iury C. Brito¹, Ivo O. Capanema1, Meinhard Sesselmann¹, Frederico Coelho³, Claysson Bruno Santos Vimieiro1 & Rudolf Huebner¹

期刊：scientific reports

摘要：

步态分析系统在康复过程中至关重要，但在中低收入国家往往耗时且难以普及。为应对这一问题，研究人员开发了 GAITWell 系统，其便携式与模块化设计能够实现步态数据的自动化采集与分析。本研究旨在评估该系统的方法学特性。GAITWell 采用布置在互联板上的离散二值传感器获取步态数据，并利用 DBSCAN（基于密度的带噪声应用空间聚类）算法进行分析。该算法能够识别关键参考点（如足部接触与离地时刻），可检测任意形状和大小的数据簇，区分噪声与有效数据，并在无需先验分组知识的情况下识别数据空间中的自然模式。每块板的尺寸为 44 cm × 37 cm，内含 11 × 7 个传感器阵列，传感器间距为 4 cm。研究通过组内相关系数（ICC）、均值标准误（SEM）及 Bland–Altman 图评估测试–重测信度，并将 GAITWell 的测量结果与 Qualisys ProReflex 系统进行对比，以评估同时效度。共有 38 名健康成年人参与实验（平均年龄 33.2 岁，标准差 13.0）。GAITWell 与 Qualisys 的测量结果在步速、步态周期、步长、步时、支撑期和摆动期等参数上表现出中等至良好的相关性与一致性，但在双支撑时间、步频及支撑基底宽度方面一致性较低。初步分析表明，提高传感器分辨率可将测量误差降低约 70%。总体而言，GAITWell 是一种具有潜力的步态分析工具，未来研究将重点提升传感器精度以增强系统可靠性。

关键词：

Gait analysis, Spatiotemporal variables, Validity, Reliability, Clustering, Discrete sensors

步态分析，时空参数，效度，信度，聚类，离散传感器

Beyond self-reports after anterior cruciate ligament injury – machine learning methods for classifying and identifying movement patterns related to fear of re-injury

前交叉韧带损伤后的评估不止于自我报告——基于机器学习的方法用于分类与识别与再伤恐惧相关的运动模式

作者：

Abdolamir Karbalaie^a, Andrew Strong^a, Tomas Nordström^b, Lina Schelin^c, Jonas Selling^a, Helena Grip^d, Kalle Prorok^a and Charlotte K. Häger^a

作者单位：

a 瑞典 于默奥大学 社区医学与康复系
b 瑞典 于默奥大学 应用物理与电子学系
c 瑞典 于默奥大学 商业、经济与统计学院
d 瑞典 于默奥大学 生物医学工程与放射物理学 诊断与介入系

期刊：Journal of Sports Sciences

图：一维卷积神经网络（1D CNN）模型分析流程图（图源：原论文）

摘要：

前交叉韧带（ACL）撕裂是运动员常见且可能终结职业生涯的伤病之一，而对再次受伤的恐惧是阻碍其成功重返运动的重要心理障碍。目前对心理准备程度的评估仍主要依赖主观自我报告，缺乏客观量化手段。本研究利用标准化反弹侧跳（SRSH）任务的生物力学数据，开发了基于机器学习的模型，以在ACL重建术（ACLR）后客观分类受试者的恐惧水平，并识别与恐惧相关的关键运动变量。共有60名ACLR受试者和47名健康对照参与实验，每条腿最多完成10次侧跳任务。通过运动捕捉系统和测力平台采集运动学与动力学数据，并根据Tampa运动恐惧量表（TSK-17）将ACLR受试者分为高恐惧组（n=32）和低恐惧组（n=28）。分析采用一维卷积神经网络（1D CNN）与逻辑回归方法，并通过积分梯度（Integrated Gradients）确定关键变量。结果显示，1D CNN 能够有效区分高恐惧与低恐惧的个体，与Tampa量表评分一致，平均准确率为75.6%（F₁=0.76，马修斯相关系数=0.52），较逻辑回归提高8.6%。主要影响因素包括躯干倾斜、髋关节屈伸以及踝关节旋后/旋前角度。研究表明，基于生物力学数据的机器学习方法可识别与再伤恐惧相关的运动模式，为个性化康复训练提供客观依据，有助于减轻再伤恐惧并促进功能恢复。

关键词：

Artificial intelligence; biomechanics; kinesiophobia; knee; machine learning

integration; rehabilitation

人工智能；生物力学；运动恐惧症；膝关节；机器学习集成；康复

推荐阅读