动作捕捉用于验证芭蕾舞动作对脑瘫儿童的作用 NOKOV度量动作捕捉
下肢杠杆力臂功能障碍(Lever Arm Dysfunction,LAD)是常见的导致脑瘫儿童步态异常的原因,如髋内旋、股骨和胫骨之间的旋转畸形以及足的内外翻畸形等,且都与年龄的增长呈正相关。
图1 偏瘫儿童常见异常步态模式(来源:Rodda J, Graham HK. Classification of gait patterns in spastic hemiplegia and spastic diplegia: a basis for a management algorithm. Eur J Neurol 2001;8(suppl 5):98-108.)
研究发现,Demi Plie这种芭蕾舞中的基础热身动作,可改善正常人的髋关节最大外旋角度,减少骨盆前倾角以及改善髋与骨盆角度比的变化。
基于上述信息,本实验通过NOKOV度量动作捕捉系统观察及分析在不同的足外偏角度下(30°、60°、90°及120°)脑瘫儿童进行Demi Plie动作时下肢各关节角度及关节力矩,以期推测Demi Plie动作是否有助于改善脑瘫儿童LAD的问题,或是否加重脑瘫的LAD问题。

图2 芭蕾舞足位(蓝色圈出的为采用的第二足位)

图3 动作捕捉数据系统采集流程图

图4 Demi Plie动作采集图示

图5 虚拟坐标系建立方向(X、Y、Z三轴分别代表了下肢关节在矢状面(屈曲/伸展角度)、冠状面(内收/外展角度)、水平面(左/右旋转角度)的运动)

图6 两组儿童(脑瘫儿童组及同年龄段正常儿童组)Demi Plie 动作下踝关节X、Y、Z轴关节角度及关节力矩折线图

图7 两组儿童(脑瘫儿童组及同年龄段正常儿童组)Demi Plie 动作下膝关节X、Y、Z轴关节角度及关节力矩折线图

图8 两组儿童(脑瘫儿童组及同年龄段正常儿童组)Demi Plie 动作下髋关节X、Y、Z轴关节角度及关节力矩折线图

图9 两组儿童(脑瘫儿童组及同年龄段正常儿童组)Demi Plie 动作下骨盆在X、Y、Z轴活动度折线图
通过对即刻数据的分析,我们可以推测得出Demi Plie动作有益于改善存在股骨内旋、胫骨内旋以及足跖屈为特点LAD问题的脑瘫儿童,但不利于存在蹲伏步态或有足外翻伴胫骨外旋LAD的脑瘫儿童。另外,需要避免在过大足外开夹角度数下进行Demi Plie 动作,因为这可能会加重脑瘫儿童的LAD,30°或60°下进行Demi Plie动作是较为安全的足外开夹角度数。
动作捕捉系统目前在脑瘫儿童的临床中常应用于基于正常儿童常模的步态分析,并且在此技术上制定出有针对性、个性化的干预方案,这对于临床的医生及治疗师来说是具有很大的指导意义的。然而随着儿童康复的不断发展,未来基于国际功能、残疾和健康分类(International Classification of Functioning,Disability, and Health,ICF)框架的综合性干预方式将受到进一步的推广,譬如芭蕾舞类的舞蹈类或其他结合社会性、娱乐性的干预方式将更加多样化,动作捕捉系统作为精确、客观的运动评估工具,在未来儿童康复领域中也将具有重要的作用。
参考文献:
1.Kedem P, Scher D M. Evaluation and management of crouch gait[J]. Current opinion in pediatrics, United States: 2016, 28(1): 55–59.
2 Blumstein G, Kay R M, Dorey F, et al. Prevalence of specific gait abnormalities in children with cerebral palsy revisited : influence of age , prior surgery , and Gross Motor Function Classification System level[J]. 2016: 79–88.
3 Coker E, McIsaac T L, Nilsen D. Motor imagery modality in expert dancers: an investigation of hip and pelvis kinematics in demi-plié and sauté[J]. Journal of dance medicine & science, 2015, 19(2): 63–69.
4 Gontijo K N S, Candotti C T, Feijó G D S, et al. Kinematic evaluation of the classical ballet step “plié”[J]. Journal of dance medicine & science ,2015, 19(2): 70–76.
动作捕捉用于验证芭蕾舞动作对脑瘫儿童的作用 NOKOV度量动作捕捉的更多相关文章
- md5是哈希算法的改进加强,因为不同原始值可能hash结果一样,但md5则改善了用于验证消息完整性,不同md5值原始值也必将不一样
md5是哈希算法的改进加强,因为不同原始值可能hash结果一样,但md5则改善了用于验证消息完整性,不同md5值原始值也必将不一样
- MouseMoveEvent为了不太耗资源在默认状态下是要鼠标按下才能捕捉到。要想鼠标不按下时的移动也能捕捉到,需要setMouseTracking(true)
最近用Qt软件界面,需要用到mouseMoveEvent,研究了下,发现些问题,分享一下. 在Qt中要捕捉鼠标移动事件需要重写MouseMoveEvent,但是MouseMoveEvent为了不太耗资 ...
- 包介绍 - Fluent Validation (用于验证)
Install-Package FluentValidation 如果你使用MVC5 可以使用下面的包 Install-Package FluentValidation.MVC5 例子: public ...
- 注册 Gmail,验证手机号码的时候提示“此号码不能用于验证”,怎么解决?
地址:https://www.zhihu.com/question/34834773 刚刚注册成功.折腾了好久,最后换了Chrome浏览器就成功了.手机号在注册的第一个界面时就填+86 xxxxx ...
- md5sum 和 sha256sum用于 验证软件完整性
md5sum 和 sha256sum 都用来用来校验软件安装包的完整性,本次我们将讲解如何使用两个命令进行软件安装包的校验: sha 是什么? sha 为 安全散列算法(英语:Secur ...
- Oracle Client安装报错:引用数据不可用于验证此操作系统分发的先决条件
原因是Oracle Client 11g版本不支持最新的Win10系统. 打开Oracle Client 11g安装包目录:\client\stage\cvu 编辑该目录下的两个xml文件:oracl ...
- VB的一些项目中常用的通用方法-一般用于验证类
1.VB的一些项目中常用的通用方法: ' 设置校验键盘输入值,数字 Public Function kyd(key As Integer) As Integer Dim mychar mychar = ...
- LoadRunner中如何验证下载的文件大小、统计下载时间、度量下载速度
LoadRunner中的web_get_in_property函数可用于返回上一个HTTP请求的相关信息,包括HTTP请求返回码.下载大小.下载时间等: The web_get_int_propert ...
- VUP虚拟直播与光学动作捕捉技术
虚拟直播将虚拟场景.虚拟形象实时显示在观众面前,虚拟场景与人物替代了原有的耗费较大搭建成本的实景场景与真人出镜,为观众带来全新的视觉体验,同时新技术降低了原有场景搭建成本,是近些年继AI.VR.动作捕 ...
- Instruments 使用指南
Instruments 用户指南 http://cdn.cocimg.com/bbs/attachment/Fid_6/6_24457_90eabb4ed5b3863.pdf 原著:Apple Inc ...
随机推荐
- AtCoder Beginner Contest 328 (ABC328)
A. Not Too Hard 模拟. Code B. 11/11 模拟. Code C. Consecutive Description 给你一个字符串 \(S\),有 \(Q\) 次询问,每次输入 ...
- SMTP操作使用详解并通过python进行smtp邮件发送示例
转载请注明出处: 1.SMTP SMTP 的全称是"Simple Mail Transfer Protocol",即简单邮件传输协议.它是一组用于从源地址到目的地址传输 ...
- c语言实现this指针效果
概要 由于目前在做一个比较复杂的嵌入式项目,想要借此提升一下代码的结构设计能力,所以想要以面向对象的思想来完成这个项目,即把每个板载外设资源视为一个对象,采用msp+bsp的模式,对每个bsp外设实现 ...
- HoG / SIFT 学习指北
本文 OI / ACM 无关. Explain HoG 原文出处: N. Dalal, and B. Triggs, Histograms of oriented gradients for huma ...
- vue的响应式原理:依赖追踪
在明白原理之前,我们有很多表面现象.使用场景需要记忆.明白了原理后,你会发现它们已经不需要记了,因为从原理出发,你自己都能把它们推导出来,一切是那么的自然而然.感觉就是:这还用记吗?很明显嘛! 之前我 ...
- SnagIt 9-12 注册码
SnagIt 9 注册码: AM5SC-8LWML-MVMWU-DTLGE-ERMBE SnagIt 10 注册码: 5HCAK-DEGMZ-EYABA-M4LCC-ACBE2DFKDA-JZ5FC- ...
- Azure - 机器学习企业级服务概述与介绍
Azure 机器学习 - 为端到端机器学习生命周期使用企业级 AI 服务. 关注TechLead,分享AI全维度知识.作者拥有10+年互联网服务架构.AI产品研发经验.团队管理经验,同济本复旦硕,复旦 ...
- AgileConfig 1.8.0 已适配 .NET8
Hello 大家好.本月圈子里最大的事莫过于 .NET8 正式 release.群友们都在适配 .NET8.抽个周末我也把 AgileConfig 升级到了 .NET8.下面把升级的过程简单记录一下, ...
- 【scikit-learn基础】--『预处理』之 标准化
数据的预处理是数据分析,或者机器学习训练前的重要步骤.通过数据预处理,可以 提高数据质量,处理数据的缺失值.异常值和重复值等问题,增加数据的准确性和可靠性 整合不同数据,数据的来源和结构可能多种多样, ...
- Rong晔大佬教程学习(1):背景与项目设计目标
riscv实际上是一种ISA的指令集,而处理器的设计的基本结构是不变的(如下所示),其区别在于所选用的指令集的类型,一般有ARM.RISCV.MIPS等,采用了不同的引擎,那么车的外观.系统等也会随之 ...