编辑推荐：
为探究标记式和无标记（OpenCap）运动捕捉系统在评估骑行时关节运动学和动力学的一致性，研究人员让 10 名参与者在不同速度和阻力下骑行，用两种系统记录数据。结果显示二者总体一致性强，但部分指标有差异。这为骑行生物力学分析提供参考。
在运动生物力学的研究领域中，传统的标记式运动捕捉系统一直占据着重要地位。它就像是一位严谨的 “老学究”，在实验室这个 “象牙塔” 里，凭借专业的设备和精心的实验设置，对人体运动进行精确的测量。然而，随着科技的发展和研究场景的多样化，人们发现这位 “老学究” 也有不少局限。它对实验环境要求苛刻，需要专门的实验室、多台昂贵的相机，实验准备工作繁琐又耗时，这使得它在现实生活场景和临床应用中难以施展拳脚。
与此同时，无标记运动捕捉系统崭露头角，它们如同充满活力的 “新新人类”，打破了传统的束缚。其中，OpenCap 这款开源、基于网络的软件备受关注。它利用智能手机就能完成运动捕捉，无需复杂的硬件设备，在成本和便捷性上具有巨大优势，为运动生物力学研究带来了新的可能。但是，OpenCap 与传统标记式系统在测量结果上的一致性究竟如何呢？尤其是在骑行这种常见的运动场景中，这一问题亟待解答。因为准确测量骑行时的关节运动学和动力学，对于优化骑行表现、预防运动损伤以及设计更合理的骑行装备至关重要。
为了揭开这个谜底，来自加拿大卡尔加里大学（University of Calgary）的研究人员挺身而出。他们招募了 10 名健康的成年参与者，让这些参与者在不同的骑行速度（90 ± 5.0 rpm 的高速和 60 ± 5.0 rpm 的低速）和阻力水平（低、中、高）下进行骑行。在骑行过程中，研究人员同时使用标记式（Vicon）和 OpenCap 运动捕捉系统记录参与者的运动数据。之后，通过专业的软件 OpenSim 计算关键指标，如关节角度、力矩和关节反作用力，并运用多种统计方法进行对比分析。
研究人员在研究过程中使用了多种关键技术方法。在数据采集方面，利用 Vicon 的 10 - 相机系统以 250Hz 的采样率跟踪 32 个反射标记，获取标记式运动数据；使用 4 部 iPhone 12 Pro 智能手机搭载 HRNet 姿态检测算法，以 60Hz 的采样率记录 OpenCap 视频数据。在数据处理和分析阶段，借助 OpenSim 4.4 软件，利用其 Scale 和 Inverse Kinematics 工具调整肌肉骨骼模型、计算关节运动学数据，再通过 Inverse Dynamics 工具和 Joint Reaction 分析计算关节动力学数据，最后运用 RMSE、Pearson 相关系数和 Bland - Altman 分析等统计方法对比两种系统的数据。
研究结果
- 关节角度方面：大部分自由度的关节角度，如髋（屈伸）、膝（屈伸）、踝（背屈 / 跖屈）关节角度，两种系统之间相关性很强（r > 0.9）。不过，也存在一些问题，像左右踝关节背屈 / 跖屈角度以及膝关节屈伸角度的 RMSE 相对较高，分别达到 10.7°（±3.0°）、12.4°（±4.6°）、9.3°（±3.8°）和 10.2°（±4.3°）。
- 关节力矩方面：矢状面的关节力矩，两种系统一致性较高（r > 0.9）。但在冠状面和横断面的一些参数，如髋关节的内收 / 外展力矩，r 值较低，反映出二者计算结果差异较大。
- 关节反作用力方面：关节反作用力的 RMSE 在 13.7 - 37.7 % BW 之间。在垂直方向上，髋、膝、踝关节的反作用力两种系统一致性很强（r > 0.9），而其他方向的一致性则在强到中等之间。
- 差异分析：Bland - Altman 图显示，部分关节的测量差异存在异方差性，例如踝关节反作用力和力矩、髋膝关节的内外侧反作用力以及髋膝关节的反作用力矩。这意味着在不同的测量值范围内，两种系统的一致性并不稳定。
研究结论与讨论
综合来看，OpenCap 在测量骑行时的关节运动学和动力学方面，与传统标记式系统总体上有较强的一致性，但在某些关节角度（如髋关节的内收 / 外展、旋转，踝关节的旋前 / 旋后）和动力学参数的测量上仍存在差异。这一研究结果意义重大，它既肯定了 OpenCap 在骑行生物力学分析中的潜力，为大规模研究和临床应用提供了更便捷的选择；同时也指出了其需要改进的方向，如优化算法、改进相机布局等。
此次研究成果发表在《Computers in Biology and Medicine》上，为运动生物力学领域的研究开辟了新的道路。它让人们更加清楚地认识到无标记运动捕捉系统的优势与不足，也为后续研究如何提高无标记系统的测量精度提供了参考依据。未来，随着技术的不断进步，相信无标记运动捕捉系统会在运动生物力学研究中发挥更大的作用，为人们的健康和运动表现提升带来更多的帮助。
