Atsushi

引用本文：Iwori Takeda、Atsushi Yamada 和 Hiroshi Onodera (2020)：人工智能辅助医疗应用的动作捕捉：无标记和被动标记动作捕捉的比较研究，生物力学和生物医学工程中的计算机方法，DOI：10.1080/10255842.2020.1856372

摘要 我们的目的是确定人工智能 (AI) 辅助无标记运动捕捉软件是否有用在临床医学和康复领域。目前，尚不清楚人工智能辅助无标记方法是否可以应用于下肢功能障碍的个体，例如使用踝足矫形器或拐杖的人。然而，由于许多下肢瘫痪患者和足矫形器使用者在站立期失去跖趾 (MP) 关节屈曲，因此有必要估计固定 MP 关节运动下足部识别的准确性。使用 OpenPose（一种无标记方法）和传统的被动标记运动捕捉方法确定跑步机行走过程中的髋关节、膝关节和踝关节角度；并比较了两种方法的结果。我们还研究了踝足矫形器和拐杖是否会影响 OpenPose 的识别能力。通过被动标记法 (MAC3D)、OpenPose 和使用 Kinovea 软件的手动视频分析获得的髋关节和膝关节数据显示出显著的相关性。与 OpenPose 和 Kinovea 获得的踝关节数据（相关性强）相比，MAC3D 获得的踝关节数据相关性较弱。OpenPose 可以充分替代传统的被动标记运动捕捉，适用于正常步态和使用矫形器或拐杖的异常步态。此外，OpenPose 适用于 MP 关节运动受损的患者。使用 OpenPose 可以降低传统被动标记运动捕捉的复杂性和成本，而不会影响识别准确性。