为使用单目视频进行运动学评估铺平道路：一项临床前基准研究，对比了基于深度学习的3D人体姿态估计器与惯性传感器在日常生活活动中的表现

摘要

机器学习和可穿戴传感器的进步为在专业实验室之外捕捉和分析人类运动提供了新的机会。在真实世界条件下准确评估人类运动对于远程医疗、运动科学和康复领域至关重要。这项临床前基准研究将基于单目视频的3D人体姿态估计模型与惯性测量单元（IMUs）进行了比较，使用了包含13种具有临床相关性的日常活动的VIDIMU数据集，这些活动是通过普通视频摄像头和五个IMUs共同记录的。在本初步研究中，仅记录了健康受试者的数据，因此结果不能推广到病理学群体。来自最先进的深度学习框架（MotionAGFormer、MotionBERT、MMPose 2D-to-3D姿态转换以及NVIDIA BodyTrack）的关节角度，与使用OpenSim逆向运动学根据Human3.6 M数据集格式（包含17个关键点）从IMU数据计算出的关节角度进行了对比。其中，MotionAGFormer表现最为出色，实现了最低的总体均方根误差（RMSE）（9.27°±4.80°）和平均绝对误差（MAE）（7.86°±4.18°），以及最高的皮尔逊相关性（0.86±0.15）和决定系数R²（0.67±0.28）。研究结果表明，这两种技术都适用于实验室外的运动学评估。然而，它们也突显了基于视频和基于传感器的方法之间的关键权衡，包括成本、可访问性和精度。本研究明确了现成的视频模型在健康成年人中已经能够提供具有临床前景的运动学数据的情况，以及它们在哪些方面不如基于IMU的估计方法，同时为致力于开发稳健、成本效益高且用户友好的远程医疗和远程患者监测解决方案的研究人员和临床医生提供了宝贵的指导。