生物力学建模：AI技术的新浪潮

1 阿姆斯特丹自由大学人类运动科学系，荷兰阿姆斯特丹 2 奥克兰理工大学工程、计算机和数学科学学院，新西兰奥克兰 3 爱尔兰都柏林运动医学系，运动外科诊所 4 西澳大利亚大学技术与政策实验室，澳大利亚珀斯

关键词

神经网络、可穿戴传感器、人类运动、机器学习、视频分析

关于研究主题的编辑

人工智能（AI）在信息和数据处理方面已变得重要，并已进入人类运动科学领域，旨在彻底改变数据收集和评估。补充基于实验室的数据收集与现场实验已经成为可能。然而，由于低成本数据采集技术的准确性差异与标准实验室设备以及需要多学科合作，AI在生物力学中的应用速度比预期的慢。因此，研究主题——利用人工智能增强生物力学建模——旨在邀请领先的作者帮助加速这一领域的进展。研究主题的范围针对的文章包括从最新的技术报告到概念验证研究，以及专注于技术进步的研究，这些技术进步有望支持AI在人类运动科学中实时使用。

在本研究主题中，五篇文章就实时建模、使用可穿戴和其他运动捕捉技术、AI建模和数据分析以及识别与特定活动相关的运动模式等方面做出了贡献。本系列的第一篇文章由Hammes等人撰写，回顾了AI在精英体育中应用的当前最新技术。他们发现AI在信号处理、建模和反馈系统中的使用最为有前景。AI已被用于处理由腕戴式手表或智能手机收集的可穿戴传感器的信号，计算机视觉技术已被应用于视频分析。新兴的深度学习和无监督学习方法已被用于建模时间序列数据或检测运动模式。为了提供反馈，AI应用促进了智能服装的发展，尽管仍然稀缺。为了进一步在精英体育中使用AI，作者确定了六个挑战：数据收集和共享以实现足够的数据集大小，用户接受度，AI结果的可解释性，预测模型的鲁棒性，以及用户反馈。

在第二篇文章中，Noteboom等人演示并验证了如何使用视频片段“看”到从业者看不见的维度。在他们的研究中，他们使用卷积神经网络估计上肢的肌肉力量。与黄金标准程序的验证显示，主要肌肉群的最大力量估计的相关性非常强到极好（r = 0.72–0.97）。在这项研究中使用AI和视频数据让我们一窥未来的可能性，在这个领域中，医生和教练可以评估运动并发现异常，这个领域对我们来说永远是隐藏的。这些信息可以帮助个性化力量训练或（预）康复的发展，提高目前的护理标准。此外，利用这种框架不仅可以简化数据捕获，还可以将客观措施引入医生和教练的日常实践中。

Mascia等人的研究提出了一种现成的、可穿戴的方法来使用智能手机估计跳跃高度，并报告说使用多层感知器神经网络将预测精度提高了4.5倍，与仅使用飞行时间的跳跃高度估计相比。这为在运动员的真实运动环境中评估运动员创造了机会。此外，低成本的应用程序允许广泛的用户进行数据收集，因此使研究尝试民主化。此外，这还有助于创建可以共享和重新利用的大型数据集。

Svensson等人展示了一种非侵入式、易于设置的数据收集方法的好处，以分析杠铃深蹲期间的肌肉激活。所呈现的分析有助于揭示与深蹲技术相关的运动模式，建议在真实环境中进行后续的不显眼的可穿戴EMG数据收集，以及在不久的将来对下肢运动分析的研究，这可能扩展到包括各种技能水平和常见错误。文章还与期刊研究主题的次要相关背景相一致，可能推动生物力学在不久的将来使用AI处理来自新传感器（纺织EMG）技术的数据以帮助运动员提高他们的步态、稳定性和整体表现的边界。这样的文章也可以促进数据集的传播，使计算机科学家能够为人类运动建模和分析的科学发现做出贡献。

最后，考虑到AI中最近的端到端处理趋势，这不需要多学科专业知识来进行复杂的面向任务的特征提取工程，Bach等人使用水库计算方法来预测从可穿戴传感器附加到参与者小腿的加速度数据中检测步态事件的垂直地面反作用力。产生的具有1000个相互连接神经元的回声状态网络（ESN）在捕获的3D传感器数据上实现了高预测精度（>95%）。研究的实际意义表明，在康复和各种体育领域可以广泛应用类似的设置，这些设置可以从实验室外使用低成本传感器技术中受益。作为对研究社区的额外贡献，作者提供了实验数据集和源代码的链接（https://github.com/marlow17/PredictingGroundReactionForces）。

总之，发表的概念验证和为科学社区提供的数据/代码共享贡献可以加速全球科学和技术进步的步伐，为人类在增加对积极生活方式运动技能习得、运动表现、康复和独立生活人群的价值方面做出贡献。随着关于人类运动建模和分析的文献不断增加，我们可以看到AI和循环神经网络，如ESN，在推进数据流预处理以进行实时多维时间序列预测和分类任务（如事件检测、索引、分期分析和特征运动模式评估）方面的有前途的应用。端到端AI与传统机器学习方法的结合也表明了运动科学在实时预处理和处理来自多个来源的数据方面的未来研究机会。所有这些发明将为运动科学带来客观的度量方法，因此有助于改进训练干预措施。本研究主题的目标已通过AI、生物力学和数据采集技术的跨学科应用实现。我们预计，高精度的实验室技术将继续其作用，以获取地面真实数据。此外，使用低成本数据采集技术进行现场数据收集的机会将扩大生物力学建模在人类运动科学中的应用范围，造福社会。