《Heliyon》：Reliability and validity of a video-based markerless motion capture system in young healthy subjects
编辑推荐：
为解决传统基于标记的三维运动捕捉系统（MOCAP）的局限性，研究人员开展了新型基于视频的无标记运动捕捉系统（Watrix）与三维运动分析系统（BTS）的对比研究。结果显示 Watrix 系统重测信度较高，二者多数参数一致性良好但 Watrix 会低估部分参数，该研究为步态分析提供了新参考。
在医学和生物力学领域，准确分析人体步态对于多种疾病的诊断、治疗及康复评估至关重要。传统的步态分析方法，像依靠患者自我报告、医生观察和视觉评估量表等方式，主观性强，容易受到个体解读差异的影响，导致误差较大。而三维运动捕捉（3D Motion Capture，MOCAP）技术，虽被视为定量步态分析的金标准，能提供客观数据，但它需要在特定的实验室环境中进行，对场地和条件要求苛刻，操作复杂，数据采集和处理耗时，还存在软组织伪影、标记点跟踪困难等问题，限制了其在临床和运动场景中的广泛应用。
为了突破这些困境，探索更便捷、准确的步态分析方法，北京大学第一医院的研究人员开展了一项极具意义的研究。他们对比了两种运动捕捉系统在健康成年人定量步态分析中的表现，一种是使用多个深度摄像头和姿态估计器的简单 3D 无标记运动捕捉系统（Watrix，中国），另一种是金标准 MOCAP 系统（BTS，意大利） 。该研究成果发表在《Heliyon》杂志上。
研究人员采用了一系列严谨的技术方法。首先是样本选取，根据特定公式计算，最终招募了 36 名 18 - 40 岁的健康成年参与者，他们没有任何可能影响步态的疾病或症状。在伦理方面，研究获得了北京大学第一医院伦理委员会的批准（编号 2022 - 183 - 002），并取得了所有参与者的书面知情同意。
研究中使用的 BTS SMART DX - 400 系统，由八个红外摄像头、两个力板、一个同步摄像头、一套表面肌电图设备、二十二个反光被动标记和数据处理站组成。参与者需要先测量人体测量参数，再按照 Davis 协议在身体特定位置粘贴标记，适应环境后进行静态和动态参数采集，每个测试重复三次取平均值。
Watrix 系统则是无标记运动捕捉系统，利用基于卷积神经网络（Convolutional Neural Network，CNN）的 AI 算法自动定位人体关键点。参与者到达测试地点后，先自由行走 5 分钟适应环境，然后在指定区域站立 5 秒记录静态参数，接着沿指定路径单向行走获取运动学参数，同样每个测试重复三次，且每位参与者共进行三次测试以验证系统的重测信度。
在数据处理上，研究人员从时空参数、运动学参数和评估时长等多个维度对两个系统进行对比分析，运用了配对样本 t 检验、Wilcoxon 符号秩检验、组内相关系数（Intra - class Correlation Coefficient，ICC）、Bland - Altman 分析和 Passing Bablok 回归分析等多种统计方法。
研究结果如下：
- 可靠性分析：Watrix 系统的组内和组间信度表现良好。组内信度方面，时空参数的 ICC 值在 0.610 - 0.924 之间，运动范围参数的 ICC 值在 0.884 - 0.936 之间；组间信度方面，除了 cadence（ICC = 0.233）表现较差外，其他时空参数的 ICC 值在 0.507 - 0.599 之间，站立角度的 ICC 值在 0.828 - 0.910 之间，表明不同操作人员获取的数据差异不显著。
- 有效性分析：在与 BTS 系统对比时，Watrix 系统在不同参数上表现出不同程度的相关性。在矢状面参数方面，下肢 ROM（Range of Motion，运动范围）表现出良好的相关性，ICC 值在 0.818 - 0.883 之间；而在冠状面和横断面参数上，相关性为中等，ICC 值在 0.520 - 0.608 之间。通过 Passing Bablok 线性回归分析发现，多数参数的斜率置信区间包含 1，但步宽、骨盆倾斜度和髋关节内收 - 外展角的斜率显著低于 1，说明 Watrix 系统会低估这些参数；所有参数的截距置信区间都包含 0，意味着两个系统之间的系统偏差不显著。
- 测试时长对比：Watrix 系统在无标记放置的情况下，测试时间（17.75±3.61 分钟）显著短于 BTS 系统（33.97±4.63 分钟）。
研究结论和讨论部分指出，Watrix 系统具有较高的重测信度，在多数参数上与 BTS 系统表现出中等至良好的一致性，但在冠状面和横断面参数的测量上存在低估现象，导致一致性较低。此外，无标记运动捕捉系统大大缩短了测试时间，不过优化算法以提高识别精度仍是未来研究的主要方向。该研究为步态分析提供了新的思路和参考，有助于推动无标记运动捕捉技术在临床和运动领域的应用与发展 。
涓嬭浇瀹夋嵎浼︾數瀛愪功銆婇€氳繃缁嗚優浠ｈ阿鎻ず鏂扮殑鑽墿闈剁偣銆嬫帰绱㈠浣曢€氳繃浠ｈ阿鍒嗘瀽淇冭繘鎮ㄧ殑鑽墿鍙戠幇鐮旂┒
10x Genomics鏂板搧Visium HD 寮€鍚崟缁嗚優鍒嗚鲸鐜囩殑鍏ㄨ浆褰曠粍绌洪棿鍒嗘瀽锛�
娆㈣繋涓嬭浇Twist銆婁笉鏂彉鍖栫殑CRISPR绛涢€夋牸灞€銆嬬數瀛愪功
鍗曠粏鑳炴祴搴忓叆闂ㄥぇ璁插爞 - 娣卞叆浜嗚В浠庣涓€涓崟缁嗚優瀹為獙璁捐鍒版暟鎹川鎺т笌鍙鍖栬В鏋�
涓嬭浇銆婄粏鑳炲唴铔嬬櫧璐ㄤ簰浣滃垎鏋愭柟娉曠數瀛愪功銆�
