基于IMU的OpenSim任意关节轴识别方法：识别瞬时旋转中心提升肌肉骨骼模拟精度

《BMC Biomedical Engineering》：IMU-based joint axis identification method for arbitrary joints in OpenSim - a simulation study

本研究针对肌肉骨骼模拟中关节轴个性化需求，开发了一种基于惯性测量单元(IMU)的瞬时旋转中心(ICOR)识别方法。研究人员通过双摆模型和复杂肌肉骨骼模型的仿真实验验证了该方法对固定和移动旋转中心（如膝关节）的识别能力。结果表明，即使在噪声数据下，通过滤波优化仍能准确识别关节轴（RMSE<0.01，r=0.97-0.99）。该方法突破了现有技术对固定旋转中心的限制，为个性化生物力学分析提供了新工具。

　　

在生物力学研究领域，肌肉骨骼模拟已成为分析人体运动、评估关节负荷和优化康复策略的重要工具。然而，模拟结果的准确性严重依赖于模型与个体解剖结构的匹配程度。尽管人体的身高、体重等宏观参数差异显而易见，但关节旋转轴和旋转中心这类"隐藏"的个体差异却往往被忽视。传统肌肉骨骼模型通常采用标准化关节定义，仅通过缩放比例调整模型尺寸，而关节轴位置却保持默认设置，这种简化处理可能导致模拟结果与真实运动之间存在显著偏差。

研究表明，髋关节中心30毫米的定位误差可引起屈伸力矩22%和内收外展力矩15%的计算偏差，而膝关节中心±10毫米的误差可使屈伸力矩变化达0.7-0.92 BW·H（体重×身高）。这些误差在临床步态分析、手术规划和植入物设计中可能产生严重后果。现有关节轴识别方法多基于光学运动捕捉系统，且通常假设旋转中心固定不变，限制了在膝关节等具有移动旋转中心的关节中的应用。随着惯性测量单元(IMU)在运动分析中的普及，开发适用于任意关节类型的轴识别方法变得尤为迫切。

在此背景下，Iris Wechsler等人在《BMC Biomedical Engineering》发表研究，提出了一种基于IMU的瞬时旋转轴(IAOR)识别方法，可在OpenSim框架中识别任意关节的固定或移动旋转中心。该方法的核心创新在于利用Kunz提出的解析方法，通过两个刚体间的相对线速度和角速度计算瞬时旋转中心，突破了传统方法对固定旋转中心的限制。

研究人员采用双管齐下的验证策略：首先通过简单的双摆模型验证方法的基础正确性，然后利用包含髋关节（球铰）和膝关节（自定义关节）的复杂肌肉骨骼模型证明方法的实用性。关键技术包括基于OpenSim 4.4的正向动力学仿真生成合成运动数据，计算虚拟IMU的线速度和角速度作为ICOR计算的输入，并通过添加白噪声（线性速度X～N(0,0.1)，角速度X～N(0,0.01)）评估方法在噪声环境下的鲁棒性。针对噪声数据，研究比较了移动平均滤波(窗口长度10)和巴特沃斯滤波(截止频率5Hz)的效果，并对髋关节采用最小二乘法优化，对膝关节采用平滑样条拟合。

双摆模型验证结果

在无噪声条件下，双摆模型旋转中心计算值与真实位置(0,0)完全一致。加入噪声后，ICOR坐标值出现显著散射（x:-187.54m至5.81m，y:-51.06m至41.71m）。经异常值剔除和滤波处理后，移动平均和巴特沃斯滤波均将均方根误差(RMSE)降至0.02m以下，证明方法在简单关节中的有效性。

髋关节中心识别

对于球铰结构的髋关节，无噪声时所有IAOR线精确相交于一点(-0.05, 0.25, -0.02)，与模型定义完全吻合。噪声环境下，通过最小二乘法计算的平均交点坐标为(-0.052, 0.2505, -0.0215)，误差仅毫米级，表明方法对固定旋转中心识别的可靠性。

膝关节移动轴识别

针对具有移动旋转中心的膝关节，研究人员成功重建了胫骨相对于股骨的运动轨迹。无噪声时，计算轨迹与OpenSim定义样条函数完全重合(RMSE=0)。噪声数据经平滑处理后，x和y坐标与真实曲线的相关系数分别达0.99和0.97以上，位置计算RMSE≤1毫米，证明方法对移动旋转中心的有效性。

研究结论强调，该方法首次将瞬时旋转中心原理系统应用于肌肉骨骼模拟，实现了对固定和移动关节轴的统一识别框架。其优势在于不依赖特定关节类型、运动模式或测量系统（兼容IMU、光学标记等多源数据），为个性化关节轴定位提供了新范式。

讨论部分指出，当前研究的局限性主要在于使用合成数据而非实验数据，以及噪声模型的简化（未考虑IMU漂移等复杂误差）。未来工作将聚焦于实验数据验证、最优运动模式选择以及多模态数据融合策略开发。此外，雷达等新兴传感技术的高精度速度测量能力可能与该方法形成良好互补。

这项研究为肌肉骨骼模型的个性化校正提供了重要工具，有望显著提升运动分析、临床评估和康复工程中的生物力学计算精度。通过更准确的关节轴定义，可以增强运动跟踪效果，从而为关节力矩、肌肉力等动力学参数计算提供更可靠的输入，最终推动个性化医疗和运动科学的发展。