丹麦奥尔堡大学体育技术系的硕士生尝试了一种新的分析方法，仅通过Xsens MVN Analyze的输入就能估计腰椎的内部负荷。

在与工作相关的肌肉骨骼疾病中，腰痛是最常见的一种。它通常由人工搬运物料的工作导致，例如搬运重物。这种工作对脊柱施加大量压力，尤其在L4-L5椎间盘周围最为明显，可能导致椎间盘和椎骨终板的骨折、变性或永久性损伤（Brinckmann et al. 1998）。然而，由于涉及侵入性方法，在现场对脊柱负荷做评估充满挑战，而且这种做法很少见。出于这个原因，几种其他方法被用来估计这些力，包括采用解剖详细、基于计算机形成的肌肉骨骼模型（Dreischarf et al. 2016）。直到最近，准确的肌肉骨骼模型一直需要基于相机的动作捕捉和底座上的力板，方法昂贵且不便于现场使用（Faber et al. 2008）。

动态运动追踪系统的最新进展允许在任何工作环境中应用全身运动捕捉，而最小化受磁扭曲影响，例如Xsens MVN Analyze（Filippeschi et al. 2017）。利用全身移动惯性运动捕捉（IMC）测量方向估计，肌肉骨骼模型的运动学输入已经通过使用地面反作用力(GRF)预测方法的逆动态计算进行了测试（Karatsidis et al. 2018）。但是，在典型的人工搬运任务中，这种方法尚未得到验证。因此，本研究的目的是基于各种搬运和移动重物任务期间，由IMC数据和GRF预测驱动的肌肉骨骼模型来验证L4-L5脊柱用力的估计。为此，我们将L4-L5椎间盘上的关节反作用力与光学运动捕捉（OMC）和测力板驱动的肌肉骨骼模型进行了比较。这种方法将有助于确定由IMC数据驱动的肌肉骨骼模型和预测的GRF是否可用于估计在现场脊柱负荷。

13名健康受试者进行了三次试验，每次试验包括四个搬运任务，包括对称搬运、不对称搬运和负荷转移。在搬运任务中，受试者将10公斤的箱子从地面抬起到竖直位置，放在面前的桌子上，以及不对称地放置在侧面的桌子上。负荷转移涉及在两个桌子之间移动一个10公斤的箱子。同时使用OMC和IMC系统进行运动分析。OMC包括42个被动反射标记的全身轨迹，用8个红外摄像机在120赫兹采样测量。使用17个惯性测量单元（IMU）在60赫兹下采样测量IMC。使用三个安装在地板上的测力板测量GRF和力矩，放于脚下方及盒子下方，以1200赫兹采样。所有测量均在Xsens MVN Analyze中同步上传。

根据实验室测量结果，开发了三种肌肉骨骼模型，每种模型都来自不同的运动和动力学输入：

1）光学动作捕捉和测量地面的反作用力（OMC-MGRF）

2）光学动作捕捉和预测地面的反作用力（OMC-PGRF）

3）惯性动作捕捉和预测地面的反作用力（IMC-PGRF）

肌肉骨骼模型是在AnyBody建模系统（AMS）中开发的。 OMC-MGRF被认为是黄金标准，因为它是最常用的系统，用于为肌肉骨骼模型提供运动和动力学输入。 IMC-PGRF模型是根据.bvh文件中包含的段之间的关节与关节的距离进行缩放的。在由.bvh数据和AMS中的肌肉骨骼模型创建的棍形图形上引入虚拟标记，以在两个模型之间执行标记跟踪（Karatsidis et al. 2018）。使用类似于先前研究的方法（Karatsidis et al. 2018; Skals et al. 2017），预测IMC-PGRF和OMC-PGRF模型的GRF和力矩。

根据逆动力学分析，计算了L4-L5椎间盘上的轴向压缩力和前后剪切力。将力标准化为体重百分比（％BW），并将力矩标准化为体重百分比乘以体高（％BW∙BH）。每个搬运和转移任务的参与者进行平均试验。单个数据序列的时间归一化为100%，表示负荷物不与地面接触的周期。

预测的GRF&Ms以及估计的L4-L5关节反作用力的准确性，采用基于IMC数据的逆动态肌肉骨骼建模方法来试验。分析显示，与OMC-MGRF和OMC-PGRF相比，IMC-PGRF可用于在人工搬运期间估计L4-L5椎间盘的压缩力和前后剪切力，具有高精度。与IMC-PGRF相关的不准确性已进行试验，并可作为未来研究的考虑因素。该方法可用于简单人工搬运过程中肌肉骨骼负荷的估算。利用这种肌肉骨骼模型作为分析工具，准确地估计椎体之间的关节反作用力，可能会使在现场环境中的人机工程学分析发生革命性的变化。

主题：人体动作测量，运动分析

应用：生物力学分析，人类工程学

产品：Xsens MVN Analyze

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。