Jan, 2024

机器学习应用于脊柱生物力学

PDF
TL;DR脊柱生物力学通过机器学习和计算机视觉技术的引入和整合进入了转型期。该研究介绍了一个将这些方法与传统肌肉骨骼模型相结合的框架，使得从单个相机中能够进行复杂活动的脊柱生物力学全面分析成为可能。此框架在工作场所举重评估、车祸中鞭打伤评估以及专业运动的生物力学分析等实际应用中表现出潜力和局限性，并且对于预测准确性、复杂交互和外部负荷估计等方面存在限制，但展示出了在脊柱生物力学领域中进一步进展的潜力，预示着研究和实际应用都有乐观的未来。
spine biomechanicsmachine learningcomputer visionbody shape estimationbiomechanical analysis
发现论文，激发创造
  • 运用数字感知技术进行人类生物力学过程的远程感知和分析：一种非接触式负荷和关节力量评估方法

    该研究提出了一个创新的计算机视觉框架，旨在通过与现有软件的无缝集成来分析工业环境中的人体运动，以增强生物力学分析。该框架利用先进的图像处理和建模技术，通过卷积神经网络（CNNs）、直接线性变换（DLT）和长短期记忆（LSTM）网络准确地检测关键身体节点，重建 3D 标记点，并生成详细的 3D 人体网格。广泛的评估验证了该框架的有效性，在各种动作下与传统基于标记点的模型展示出了可比较的结果，并在关节角度估计和体重、身高估计方面具有精确性。生物力学 - 57 关键骨骼模板的集成进一步增强了该框架的鲁棒性和可靠性。该框架显示出在工业环境中进行细致的生物力学分析的显著潜力，消除了笨重的标记物的需求，并将其用途扩展到包括研究特定外骨骼装置对促进受伤工人迅速返回工作任务的影响在内的各个研究领域。

    Apr, 2024

  • 基于生物力学模型和合成训练数据的视频中的三维运动学估计

    提出了一种基于生物力学的新型网络，利用两个输入视图直接输出三维运动学，通过合成数据集 ODAH 进行训练，实验证明该方法在多个数据集上超过了现有先进方法，为提升基于视频的人体动作捕捉提供了有前景的方向。

    Feb, 2024

  • 可微生物力学打开无标点运动捕捉的机会

    最近的研究发展提出了可在 GPU 上加速的适用于机器学习流程的可微分物理模拟器。我们展示了这些模拟器可以用于拟合标记点无遮挡运动捕捉数据的反向运动学，包括缩放模型以适应个体的人体测量值。通过隐式表示的运动轨迹，继而通过正向运动学模型传播，从而最小化重新投影到图像中的 3D 标记点的误差。不同的优化器还提供了其他机会，如在轨迹优化期间添加束调整以细化外部相机参数，或者进行元优化以改善基本模型，并联合使用多个参与者的轨迹。这种方法改善了标记点无遮挡运动捕捉的重新投影误差，并产生了与仪器走道的对照和临床人群相比准确的空间步长参数。

    Feb, 2024

  • 使用单个 RGBD 相机的实时、准确及开源的上肢肌肉骨骼分析

    使用单个低成本 RGBD 摄像头的生物力学方法，可提供高精度的上肢运动学重建和全面上肢生物力学研究的潜力。

    Jun, 2024

  • 基于深度学习的多视角图像全身运动学估计

    本文提出了一种基于多视图图像的直接关节角度估计方法，通过结合体态姿势表示法，将旋转表示法映射到一个连续空间中，为现场运动分析提供了一种新的方法。

    Jul, 2023

  • 基于机器学习的步态分析在监测和管理下肢损伤中的重要性

    本研究探讨了步态分析作为评估下肢骨折患者的创伤后并发症，如感染、不正愈合或硬件刺激，的工具的潜力。研究关注了使用连续步态数据集预测并发症的监督式机器学习模型的效果。研究认为，机器学习，特别是 XGBoost，在骨科护理中的步态分析中有潜力，预测创伤后并发症，早期步态评估变得至关重要，揭示干预点，结果支持对骨科学的数据驱动方法的转变，提高患者的疗效。

    Sep, 2023

  • 基于国际生物力学标准的联合角度在人类动作识别与相关任务中的应用

    本文介绍了基本的生物力学概念，展示了如何将常见的关键点数据转换为独特描述给定姿势的关节角度，并证明了该方法适用于机器学习应用，特别是在需要与人类专家进行解释和对话的领域，如运动和医疗应用。

    Jun, 2024

  • 一个医学腰背疼痛身体康复数据集的人体运动分析

    通过医疗数据集，我们提出了医学患者进行腰背疼痛康复锻炼的四个挑战，并在数据集上进行了数据收集、处理和小规模基准评估，同时评估了两种基准运动识别算法：高斯混合模型 (GMM) 和长短时记忆 (LSTM)。

    Jun, 2024

  • 智能颈椎骨折检测基于深度学习方法

    该研究使用深度学习技术，通过一个两阶段的流程，识别并定位颈椎骨折，验证了该算法显著减轻放射科医生的工作量并提高骨折检测的准确性。

    Nov, 2023

  • 人类运动系统外部仿真的仿生神经网络

    该研究论文提出了一种基于肌骨建模的受物理学约束的深度学习方法，用于预测关节运动和肌肉力量，并证明该方法能有效地识别个体特定的肌骨生理参数，并且训练的受物理学约束的前向动力学模型能够准确地预测运动和肌肉力量。

    Sep, 2023