健康年轻成人姿势-认知双重任务协调的多模态生物力学与眼动追踪数据集

本研究为解决姿势控制与认知任务协调机制的研究空白，研究人员通过整合全身运动学、眼动追踪和地面反作用力数据，构建了首个包含48名健康年轻成人在不稳定支撑面执行Trail Making Test（TMT）的多模态数据集。该研究揭示了机械不稳定性（wobble board）与认知负荷（TMT）对姿势摆动、眼球运动及任务表现的协同影响，为理解全身体协调机制提供了基准数据，对老年人和神经退行性疾病患者的康复策略开发具有重要意义。

　　

在探索人类运动灵活性的研究中，长期存在一个关键矛盾：传统方法将身体能力割裂为独立的运动控制、肌肉张力或认知系统，而实际上人体行为是多个系统协同作用的结果。这种"碎片化"研究模式严重制约了我们对真实场景下姿势-认知双重任务（dual-tasking）协调机制的理解。尤其令人担忧的是，老年人和帕金森病等神经退行性疾病患者在这种双重任务条件下跌倒风险显著增加，但现有公开数据集却极度匮乏——既缺少涉及复杂认知任务（如Trail Making Test）的生物力学数据，也缺乏同步记录的眼动追踪参数。

针对这一研究瓶颈，美国内布拉斯加大学奥马哈分校（University of Nebraska at Omaha）生物力学研究部的Madhur Mangalam团队在《Scientific Data》发表了开创性研究。他们开发了一套包含12摄像头运动捕捉系统、眼动仪和测力板的综合实验平台，采集了48名19-35岁健康成人在四种实验条件下（稳定/不稳定支撑面×有/无TMT任务）的全身运动学、眼球运动、地面反作用力等多维数据。特别值得注意的是，研究首次将机械不稳定性（通过ML轴摆动的wobble board实现）与认知挑战（改良版TMT Part A）有机结合，为探索姿势-认知交互作用提供了全新范式。

研究团队运用三项核心技术：1）采用改良Helen Hayes标记集（29个反光标记）的3D运动捕捉系统（100Hz），结合Demspter-Hanavan模型计算质心（CoM）轨迹；2）Tobii眼动仪（1000Hz）同步记录凝视向量与瞳孔直径；3）AMTI测力板（1000Hz）采集地面反作用力与压力中心（CoP）。所有数据通过CortexTM软件实现毫秒级同步，并采用Butterworth滤波器（CoP:60Hz，CoM:6Hz）进行降噪处理。

【技术验证】
研究通过线性混合效应模型验证了实验设计的有效性：wobble board使TMT连接数显著减少2.34±1.00（p=0.021），同时引发压力中心（CoP）在ML轴的摆动范围扩大1.411±0.512cm（p=6.020×10^-3）。瞳孔测量显示，机械不稳定性和认知任务分别使瞳孔直径增加0.078±0.016mm（p=6.470×10^-11）和0.053±0.016mm（p=6.210×10^-6），证实了双重任务对认知负荷的叠加效应。

【数据记录】
数据集包含：1）TMT轨迹与表现分数；2）全身关节角度（采用ISB标准的Cardan角序列）；3）6Hz滤波的CoM轨迹；4）60Hz滤波的CoP数据；5）眼动坐标（基于主动显示坐标系）与瞳孔参数。所有原始数据以.txt格式存储，配套Matlab脚本支持跨平台分析。特别值得注意的是，研究者选择公布原始标记轨迹而非滤波数据，最大限度保留了SLR（20-50ms）、LLR（50-100ms）和CPA（>100ms）等不同时间尺度的神经肌肉响应特征。

【研究意义】
这项研究突破了传统生物力学数据集的三重局限：首次实现不稳定支撑面条件下认知-姿势双重任务的同步多模态采集；建立眼动-运动学-动力学参数的时空关联；提供标准化处理流程（如虚拟标记重建与三次样条插值）。该数据集不仅为探索老龄化相关的姿势控制衰退（如帕金森病患者的冻结步态）提供对照基准，更通过"机械不稳定性（wobble board）→ML轴姿势摆动→认知负荷（瞳孔扩张）→任务表现（TMT分数）"的完整证据链，证实了全身体协调的级联效应（cascade effect）。未来研究可结合该数据集的EMG空缺，进一步揭示肌肉协同（muscle synergies）在双重任务中的调控机制。