单目3D无标记步态分析在模拟病理步态中的有效性和可靠性：与OpenCap的比较研究

《Journal of Biomechanics》：Validity and reliability of monocular 3D markerless gait analysis in simulated pathological gait: A comparative study with OpenCap

单目3D运动捕捉系统有效性及重测信度研究。采用SMPL模型和OpenSim逆运动学，对比单目系统CameraHMR与双目OpenCap及标记系统在生理、蹲姿等四种步态模式下的关节运动学精度。结果显示CameraHMR整体RMSD（5.5±1.1°）与OpenCap（5.6±1.0°）无显著差异，但在踝关节跟踪（RMSD达14.0°）和部分膝关节参数上存在误差。重测信度分析表明两者均达到可接受水平（RMSD≤5°）。研究证实单目系统在降低硬件成本、提高可及性方面具有潜力，但踝关节动态捕捉仍需算法优化，为远程康复评估提供技术参考。

　　在过去的几十年中，三维运动捕捉技术已成为研究和临床评估人类运动模式的重要工具。传统的方法依赖于标记系统，即在被试者身上安装反射标记点，通过多台高速摄像机捕捉这些标记点的运动轨迹，从而重建出精确的三维运动数据。这种技术因其高精度和临床实用性而被广泛认可，尤其是在步态分析领域。然而，其高昂的成本、复杂的实验室设备需求以及对专业操作人员的依赖，使得它在非专业环境下的应用受到限制。特别是在偏远地区或家庭环境中，使用这些系统可能并不现实，因为缺乏必要的硬件和专业支持。

随着计算机视觉技术的快速发展，无标记的三维运动捕捉方法逐渐成为一种新的研究方向。这类技术利用单个摄像头或移动设备捕捉人体运动，通过算法估算出人体的三维姿态和运动轨迹，无需在被试者身上粘贴任何物理标记。这一进步不仅降低了使用门槛，还提高了技术的可访问性和成本效益。近年来，多个研究团队致力于开发和优化无标记三维运动捕捉系统，旨在提供一种既经济又实用的解决方案，以替代传统的标记系统。例如，一些系统已经能够在有限的硬件条件下实现对人体关键部位的三维运动重建，显示出其在运动分析中的潜力。

然而，尽管无标记技术在某些方面表现出色，其在临床应用中的准确性和可靠性仍需进一步验证。尤其是在涉及复杂或异常步态的病例中，无标记系统的性能可能会受到挑战。因此，本研究的目标是评估一种基于单摄像头的无标记系统——CameraHMR——在步态分析中的并发效度和测试-再测试可靠性，并将其与传统的标记系统和另一种低成本的双摄像头无标记系统——OpenCap——进行比较。通过使用已有的标记数据和视频资料，研究团队对19名健康成年人在不同步态模式下的运动轨迹进行了分析，包括生理步态、蹲步、外旋步态和足下垂步态。这些数据为评估CameraHMR的性能提供了坚实的基础。

研究结果表明，CameraHMR在整体性能上与OpenCap相当，尽管在踝关节运动估算方面存在一定的局限性。在并发效度分析中，CameraHMR的平均均方根偏差（RMSD）为5.5±1.1度，而OpenCap的平均RMSD为5.6±1.0度，两者在统计上没有显著差异（p > 0.05）。这说明CameraHMR在捕捉上半身和骨盆区域的运动轨迹方面表现良好，尤其是在躯干的伸展和旋转、骨盆倾斜和旋转以及髋关节的伸展和旋转方面。然而，踝关节的运动轨迹在CameraHMR中显示出较高的误差，尤其是在足下垂步态中。这一结果可能与SMPL模型在处理远端肢体（如踝关节）时的局限性有关，因为这些模型在设计时更侧重于上半身和近端关节的精确建模，而对远端部分的动态捕捉能力相对较弱。

在测试-再测试可靠性方面，CameraHMR的表现同样令人鼓舞。当被试者穿着最少衣物进行测试时，CameraHMR和OpenCap的平均RMSD分别为3.0±1.0度和3.2±1.3度，且两者之间没有显著差异（p = 0.576）。这表明，无论使用哪种无标记系统，都能在一定程度上提供一致的运动数据，从而支持长期监测和重复评估。此外，研究还发现，CameraHMR在衣物变化的情况下仍然表现出良好的可靠性，其平均RMSD值为4.0±1.2度，而OpenCap为4.3±1.1度，两者之间的差异不显著（p = 0.261）。这一结果强调了无标记系统的适应性，使得它们在实际应用中更具可行性，特别是在不同环境下进行步态评估时。

尽管CameraHMR在步态分析中展现出一定的潜力，但其在临床应用中的局限性也显而易见。首先，该系统主要依赖于SMPL模型进行人体姿态和形状的估计，而SMPL模型在远端肢体（如踝关节）的建模上仍存在不足。这可能导致在某些特定步态模式下的运动轨迹误差较大，尤其是在涉及高足下垂或复杂的踝关节运动时。其次，CameraHMR在地面平面估计方面不够可靠，因此研究团队采用了OpenCap的校准数据来对骨盆进行对齐，这虽然保证了相对运动的准确性，但可能影响绝对位置的估算。此外，研究团队仅对健康成年人进行了评估，而未涉及患有运动障碍或病理步态的患者群体，这可能限制了研究结果的普适性。

本研究的意义在于，它为无标记三维步态分析的临床应用提供了重要的数据支持。尽管当前的无标记系统在某些方面仍需改进，但它们已经显示出在某些场景下替代传统标记系统的潜力。特别是在家庭环境、远程医疗或资源有限的地区，这些系统能够提供一种更加便捷和经济的解决方案。然而，为了实现更广泛的应用，未来的研究需要进一步提高这些系统的精度，尤其是在远端肢体的建模和动态捕捉方面。此外，还需要对不同人群（包括儿童和患者）进行更广泛的测试，以确保系统在各种情况下都能提供可靠的运动数据。

总体而言，无标记三维步态分析技术的进展为运动评估领域带来了新的可能性。随着算法的不断优化和硬件的逐步普及，这些技术有望在未来成为临床和研究中不可或缺的工具。然而，要真正实现其临床价值，还需要在精度、可靠性和适应性方面进行更多的探索和改进。通过跨学科的合作，包括临床医生、生物力学专家和计算机科学家的共同努力，无标记技术有望在未来进一步发展，为步态分析提供更加全面和精准的解决方案。