在一大批具有复杂步态模式的儿童患者中，无标记运动捕捉技术的验证、特征分析及其应用价值

《Journal of Biomechanics》：Validation, characterization, and utility of markerless motion capture in a large cohort of pediatric patients with complex gait patterns

【字体：大中小】 时间：2026年05月10日 来源：Journal of Biomechanics 2.4

编辑推荐：

Shriners Children’s Philadelphia，地址：3551 N Broad St, Philadelphia, PA 19140，美国

摘要

无标记运动捕捉技术已成为传统基于标记系统的替代方案，能够以可扩展、非侵入性的方式获取人体运动数据。尽管在研究和体育应用中得到了越来越多的采用，但其对步态异常儿童的临床实用性仍然是一个未解决的问题。为了解决这一难题，研究人员在202名具有复杂步态模式的儿童（平均年龄12.1±3.9岁）中同时收集了基于标记和无标记的数据。基于标记的运动学数据使用Shriners Children’s Gait Model（SCGM）进行处理，而无标记数据则使用Theia3D算法并采用相同的Cardan序列进行计算。系统间的一致性通过统计参数映射（SPM）、均方根误差（RMSE）以及基于足底屈肌-膝关节伸展指数的步态模式分类进行评估。无标记数据系统性地低估了骨盆倾斜、髋关节旋转和膝关节旋转的程度，并且在横向平面上的个体间差异较小。SPM显示波形存在显著差异，但大多数差异影响较小，尤其是在矢状平面中。膝关节和踝关节的矢状平面RMSE均<5°，而骨盆和髋关节的RMSE<8°；冠状平面上的偏差<7°，而横向平面上的误差超过10°。RMSE随体质指数（BMI）和是否使用助行器的增加而显著提高（p<0.001）。两个系统在矢状平面步态分类上的一致性为中等（κ=0.60；总符合率为67%）。这些结果表明，无标记运动捕捉技术适用于强调矢状平面偏差的分析，但在需要精确测量轴向或额状平面参数的应用中仍存在局限性。未来的工作应解决算法对横向运动数据低估的问题，并评估在不同步态偏差程度下的无标记技术性能。

引言

无标记运动捕捉系统利用计算机视觉和深度学习算法，在无需物理标记的情况下估计人体姿态，为基于标记的系统提供了有吸引力的替代方案（Kanko等人，2021a；Mathis等人，2018；Wade等人，2022）。这些系统成本较低、设置时间更快、提高患者舒适度，并具有更好的可扩展性。然而，在将其整合到临床实践之前，必须对其与基于标记系统的准确性和可靠性进行彻底验证。已有大量研究在成人中评估了无标记系统的性能（Antognini等人，2025；Crespeau等人，2025；Kanko等人，2021b；Song等人，2023；Walker等人，2025），并且越来越多的研究开始关注儿童群体，因为儿童具有独特的生物力学和行为特征（Poomulna等人，2025；Wishaupt等人，2024；Wren等人，2023）。

目前，关于儿童群体中基于标记和无标记系统的比较在样本量和研究范围上相对有限，但在矢状平面和时空参数方面有一定的一致性（Poomulna等人，2025；Wren等人，2023）。更重要的是，在步态更异常的临床群体中，无标记系统的准确性似乎较低（Poomulna等人，2025）。由于步态分析是儿科外科决策的标准方法，因此有必要评估无标记运动捕捉技术在存在显著偏差患者中的临床有效性。

为了提供超出统计指标的临床意义，我们使用了Roda及其同事为痉挛性双瘫儿童开发的分类系统来探讨这些差异的影响（J. Rodda & Graham，2001；J. M. Rodda等人，2004）。该系统根据踝关节、膝关节、髋关节和骨盆的运动学特征区分可重复的模式（J. Rodda & Graham，2001；J. M. Rodda等人，2004）。该系统已被证明具有合理的内部和评分者间可靠性（Kim等人，2011；J. M. Rodda等人，2004），广泛用于指导治疗决策（Young等人，2010），并在临床和计算步态分析中仍然具有相关性（Pantzar-Castilla等人，2024；Zhang和Ma，2019）。虽然该系统最初是为脑瘫儿童开发的，但在我们的研究中我们将其应用得更为广泛，以使用一个经过验证的框架来检测步态异常，并确定无标记运动捕捉是否能够产生与基于标记的系统一致的分类结果。

本研究旨在通过在一个包含202名具有不同诊断的儿童的大型队列中，使用同时收集的数据，系统地比较传统基于标记的系统与商业无标记系统得出的下肢运动学数据。评估了一致性，采用了多种指标，包括跨关节角轨迹的统计参数映射（SPM）、用于分类误差大小的均方根误差（RMSE）以及矢状平面步态分类，以检验临床意义的运动模式一致性。这是迄今为止最大的儿童群体中无标记和基于标记步态分析的比较之一，同时考察了这两种方法在定量和临床意义上的契合度。

章节摘录

流程

所有患者及其监护人（对于未成年患者）均根据机构审查委员会（WCG IRB协议#PHL2305）获得了关于研究的知情同意。

由受过培训且持有执照的物理治疗师根据Shriners Children’s Gait Model（SCGM）模板在患者身上放置反射标记（Kruger等人，2024）。每次患者就诊包括静态站立测试和动态行走测试。

患者

患者群体概况见表3（n=202；115名男性；平均年龄12.1±3.9岁）。我们的研究队列包含72种不同的诊断结果，其中最常见的诊断是脑瘫（CP）。

运动学

SPM结果显示，除踝关节背屈/跖屈和骨盆倾斜外，大多数运动学变量在步态周期的大部分时间内都存在差异（图1）。总体而言，无标记系统在所有平面上的运动学参数估计值都低于基于标记的系统。最显著的

讨论

本研究的目的是评估无标记运动捕捉技术与传统基于标记的运动捕捉技术在具有复杂步态模式的儿童群体中的同时有效性。与先前的成人和儿童验证研究结果一致，我们的发现在矢状平面上表现出良好的一致性，而在冠状平面和横向平面上的一致性较差（Kanko等人，2021；Poomulna等人，2025；Song等人，2023；Walker等人，2025）。

结论

总之，本研究表明，无标记运动捕捉技术能够为儿童群体提供矢状平面运动学的临床可用估计值，与基于标记的系统具有良好的一致性，并具有整合到临床工作流程的潜力。该技术显著提高了效率并减轻了患者的负担，特别适用于儿科环境。然而，其在冠状平面和横向平面上的表现明显较弱。

利益冲突声明

作者声明他们没有已知的可能影响本文工作的财务利益或个人关系。

致谢

联系信箱：

摘要

引言

章节摘录

流程

患者

运动学

讨论

结论

利益冲突声明

致谢

热点排行