《Journal of Bodywork and Movement Therapies》：Markerless motion capture for assessing total hip adduction range of motion during single-leg squats
编辑推荐：
Felipe Neumann|Diogo Gomes|Alison Alfred Klein|Jean Marlon Machado|Caroline Ruschel|Marcelo Peduzzi de Castro|Heiliane de Brito Fontana巴西弗洛里
Felipe Neumann|Diogo Gomes|Alison Alfred Klein|Jean Marlon Machado|Caroline Ruschel|Marcelo Peduzzi de Castro|Heiliane de Brito Fontana
巴西弗洛里亚诺波利斯，圣卡塔琳娜联邦大学生物力学实验室，BSIM-UFSC研究小组
摘要 在临床实践中，通常通过视频来评估单腿深蹲时的髋关节内收情况，这类评估往往以膝关节最大屈曲时的单帧图像为依据。而无标记动作捕捉系统则为在整个深蹲过程中评估髋关节内收提供了实用的替代方案。本研究旨在：i）探讨单腿深蹲时髋关节最大内收角度、膝关节最大屈曲时的髋内收角度与髋关节内收活动度之间的关联；ii）比较无标记分析方法与传统二维标记分析方法的结果一致性。我们记录了39名无症状且身体活跃的受试者（年龄30±8岁）进行单腿深蹲的动作数据。采用Kinovea软件以及无标记系统Kinebot来量化髋关节内收程度。通过回归分析研究各变量之间的关联，同时运用类内相关系数（ICC2,1）和Bland-Altman分析法（α=0.05）来判断两种分析方法的一致性。结果显示，髋关节最大内收角度与膝关节最大屈曲时的髋内收角度之间存在很强的关联（R2=0.90，p<0.001）；髋关节内收活动度则与髋关节最大内收角度（R2=0.67，p<0.001）以及膝关节最大屈曲时的髋内收角度（R2=0.66，p<0.001）也存在中等程度的关联。无标记系统与二维标记系统在评估髋关节内收活动度方面一致性较好（ICC=0.81，p<0.001），平均误差为2°，一致性范围在-4°至9°之间。无标记系统作为一种成本更低且更实用的工具，能够实现整个动作周期的分析，适合用于临床评估。不过，髋关节内收活动度、膝关节最大屈曲时的髋内收角度以及髋关节最大内收角度并不能互相替代，因为它们反映的是运动的不同方面，且彼此之间的关联并非完全一致。
引言 单腿深蹲在临床实践中被广泛用于评估下肢功能异常患者的运动表现（Cheatham等人，2018；Gomes等人，2023、2025；Malloy等人，2019、2021）。人们尤其关注髋关节内收的程度，因为过度的髋内收与多种下肢疾病相关的疼痛和功能受限有关（Malloy等人，2019；Harris-Hayes等人，2018；Neal等人，2016；Nakagawa等人，2012）。在军人群体中，股骨内收、内旋以及胫骨外展共同导致的膝关节外翻现象，已被证实是髌股疼痛的预测因素（Alrayani等人，2023；Nakagawa等人，2020）。此外，针对运动模式训练后，髋关节内收程度的改善与慢性髋痛患者以及患有髌股疼痛综合征的女性患者的功能恢复之间存在关联（Harris-Hayes等人，2018；Emamvirdi等人，2019；Baldon Rde等人，2014），这进一步体现了该指标在临床上的重要性。
三维动作捕捉被视为运动分析领域的金标准（Nakagawa等人，2014；van der Straaten等人，2019），但其高昂的成本限制了其在临床中的广泛应用（Lopes等人，2018）。因此，二维分析便作为一种实用的替代方案出现（Corazza等人，2006），在评估单腿深蹲时的前侧平面运动学特征方面，其结果与三维系统的分析结果高度一致（Gwynne和Curran，2014；Herrington等人，2017；Schurr等人，2017）。正因如此，二维分析方法也逐渐被临床所采用（Haberkamp等人，2022）。在大多数情况下，这类分析都是通过选取某一特定帧——通常是膝关节最大屈曲时的帧——来计算关节角度的（Haberkamp等人，2022；Harris-Hayes等人，2020；Herrington等人，2017；Schurr等人，2017）。
近年来，计算机视觉和人工智能技术的进步推动了无标记动作捕捉系统的发展，这类系统为传统基于标记的分析方法提供了有力的替代方案（Scott等人，2022）。由于无需使用物理标记，且设置时间较短，这类系统提升了在临床实践中的应用可行性。尽管具有这些优势，但目前关于其在功能性任务中评估髋关节内收的可靠性和有效性的研究仍相对有限。以往的研究大多集中在步态和姿势分析方面（Clark等人，2012；Mentiplay等人，2013；Mundermann等人，2005），或者需要多摄像头设备以及专业的技术支持（Haberkamp等人，2022；Kotsifaki等人，2018）。此外，现有的分析方法大多仅关注峰值数据，未能完整体现整个运动周期的情况。
Kinebot系统（
www.kinebot.com.br ）是一种用户友好的无标记动作捕捉解决方案，它通过智能手机兼容的摄像头，结合计算机视觉和人工智能技术来分析人类的运动行为。由于能够快速、便捷地完成运动学分析，该系统有望降低技术和经济方面的障碍，从而推动运动分析在临床实践中的更广泛应用。
无标记系统的一个显著优势在于能够完整追踪整个运动周期。这对于评估单腿深蹲时的髋关节内收尤为重要，因为根据所选的不同时间点，可以得出不同的测量指标。在临床和研究场景中，人们通常在膝关节最大屈曲时评估髋关节内收程度，但尚不清楚这一测量值是否真正反映了深蹲过程中的最大髋内收程度。实际上，髋关节内收程度在达到最大屈曲位置之前或之后都可能发生变化，因此仅依靠某一帧数据可能会遗漏运动过程中的重要特征。另外，髋关节内收活动度是指髋关节内收的最大值与最小值之差，这一数值可能会受到个体姿势和形态差异的影响（Valentina等人，2012），进而影响其与基于峰值数据的测量结果之间的关联。
因此，本研究的目标有两个：i）比较二维标记分析方法与无标记分析方法（Kinebot）在评估单腿深蹲时髋关节内收程度方面的结果一致性；ii）探究髋关节最大内收角度、膝关节最大屈曲时的髋内收角度以及髋关节内收活动度之间的关联。我们推测，无标记动作捕捉系统（Kinebot）与二维标记分析方法在评估单腿深蹲时的髋关节内收程度方面会具有较高的一致性。同时，我们也认为，尽管这些指标之间存在关联，但由于它们反映的是运动的不同方面，因此不能互相替代。
章节节选 方法 共有39名无症状且身体活跃的受试者参与了这项研究，其中包括21名男性和18名女性，年龄为30±7.7岁，BMI值为23.3±2.2，LEFS值为79.3±1.4。这些受试者同时也是另一项研究的无症状对照组，那项研究的目的是为评估患有股骨髋臼撞击综合征患者的单腿深蹲表现建立定性评价标准（Gomes等人，2023）。所有受试者在参与本研究之前都签署了知情同意书。
结果 表1展示了髋关节内收相关的运动学测量数据，包括类内相关系数以及相应的误差数值。在评估髋关节内收活动度方面，无标记动作捕捉系统与二维标记分析系统的结果一致性良好（ICC=0.81 [0.49-0.91]，标准误差为2°）。
Bland-Altman分析显示，这两种分析方法之间存在一定偏差，平均误差为2°（Kinebot结果减去Kinovea结果，见图3左侧）。此外，误差与预测值之间存在负相关关系（r=-0.32，p=0.045），这意味着在预测值较低的情况下，误差也会相对较小。
讨论 我们发现，在评估髋关节内收活动度方面，Kinebot系统与Kinovea系统的结果一致性较好。不过，两者的一致性范围相对较宽，这说明若要实现精确的量化分析，就不能将这两种方法互相替代（见图3）。值得注意的是，这种差异部分原因可能在于事件检测方面的不同，尤其是确定髋关节内收最大值和最小值对应的时间帧时存在的差异。如果在分析时充分考虑这些时间上的差异，
结论 本研究表明，无标记动作分析技术（Kinebot）在评估单腿深蹲时的髋关节内收活动度方面，与传统的二维分析方法（Kinovea）结果较为一致，不过两种方法之间仍存在一定差异。髋关节最大内收角度、膝关节最大屈曲时的髋内收角度以及髋关节内收活动度属于不同的生物力学指标，在临床评估或研究中不应互相替代。
CRediT作者贡献说明 Heiliane de Brito Fontana： 文章撰写——审阅与编辑，文章撰写——初稿撰写，可视化处理，研究指导，项目管理，方法设计，概念构思。Marcelo Peduzzi de Castro： 文章撰写——审阅与编辑，研究指导，方法设计。Caroline Ruschel： 文章撰写——审阅与编辑，研究指导，资源协调，数据收集与分析。Jean Marlon Machado： 文章撰写——审阅与编辑，资源协调，数据收集与分析，数据整理。Felipe Neumann： 文章撰写——审阅与编辑，文章撰写——初稿撰写，
未引用参考文献 Emamvirdi等人，2019；Graci等人，2012；Perrott等人，2018。
利益冲突声明 我特此声明，在提交本研究手稿的过程中存在利益冲突。Alison Alfred Klein是Kinebot公司的工程师，而本研究所测试的分析系统正是Kinebot。
