Глава 3. Экспериментальные методы в биомеханике спорта
¨ 3D видеоанализ движений;
¨ Электромиография;
¨ Стабилоплатформы;
D видеоанализ движений
Компьютерный видеоанализ движений – термин, означающий процесс записи движения на видео и его перевод полученных данных в цифровую модель. Этот метод используется в развлекательных, спортивных и медицинских приложениях, в частности для проведения виртуальных операций и робототехники. В спортивной биомеханике и кино с помощью данного метода производится запись движений человека и далее производится обработка информации для в 2D или 3D компьютерную анимацию. Съёмка движения объекта обычно производится несколько раз с различной частотой и с разных ракурсов. Далее считывается информация с датчиков, и данные обрабатываются на компьютере для построения графиков изменения параметров либо для анимации движения.
Видеоанализ дает спортсмену конкурентное преимущество перед другими спортсменами: видеорегистрация движений спортсмена и их анализ с точки зрения математики и механики дает понимание своих сильных и слабых сторон, а также возможность сравнения своей техники с техникой других спортсменов.
Видеоанализ движений используется в таких видах спорта как гольф, теннис, гимнастика, гребля, горные и беговые лыжи, сноуборд, крикет, регби, теннис, футбол, хоккей, легкая атлетика и для многих других.
Например, в работе [74] представлен видеоанализ теннисной подачи. Как показано на рис. 45 на спортсмена наклеивались светочувствительные датчики. Далее на корте размещалась система камер рис. 46. В процессе игры камеры снимали спортсмена и считывали информацию с маркеров, прикрепленных к сегментам тела.
В настоящее время клинический анализ движения представляет собой целый комплекс различного рода методик, каждая из которых ориентирована на исследование и диагностику функционального состояния отдельных органов и целых систем человеческого организма. Как правило, различия методик обуславливаются характером проводимого исследования и инструментальными возможностями исследовательской лаборатории.
Использование в клинике системы анализа движений, основанной на оптической регистрации обладает безусловным в сравнении с другими системами, так как на теле пациента отсутствуют устройства ограничивающие передвижение. Таким образом, естественная двигательная активность не искажается.
Видеоанализ применяется в реабилитационных центрах. С помощью системы видеоанализа получают количественные данные, которые позволяют оценить эффективность того или иного лечения. Таким образом, реабилитационные центры могут выбрать наилучшее лечение для каждого пациента.
Видеоанализ применяется в общей и детской неврологии для исследования различных видов нарушений моторики, оценка результатов лечения таких заболеваний, как церебральный паралич, болезнь Паркинсона, инсульт и т. д.
В травматологии и ортопедии видеоанализ применим для диагностики нарушения двигательной функции, определения характера патологии, дополнительного анализа при принятии решения об оперативном вмешательстве, послеоперационной реабилитация пациента, апробации и тестирования ортопедического оборудования.
Для некоторого класса исследований борьба с погрешностями допускает осреднение по реализациям набора экспериментальных измерений [8]. Но существует большое количество задач, которые в силу различных причин ограничивают исследователя количеством и качеством экспериментальных измерений. Например, больные детским церебральным параличом (ДЦП) зачастую не в состоянии в процессе исследования повторить несколько движений подряд, что может сильно ограничить статистику экспериментальных записей. На данный момент существуют различные подходы, призванные бороться с индивидуальными погрешностями того или иного биомеханического измерительного прибора [51], но все они имеют свои недостатки и не всегда удобны в применении на практике. Поэтому разработка более совершенных и универсальных методов повышения точности биомеханических исследований является востребованной и актуальной задачей. Помимо целого класса методов клинического анализа движений, основанного на качественных оценках измерительных приборов, в современных исследованиях часто применяются математические модели, описывающие процессы, которые интересуют исследователя. Применение математического моделирования позволяет конструировать протезы, помогать проводить целый ряд операций на опорно-двигательном аппарате, давать оценки функционального состояния мягких тканей человека и диагностику их заболеваний, строить модели отдельных органов и частей тела человека. Так, в работах [54], [55] при помощи математического моделирования строятся динамические и кинематические модели нижних конечностей человека, учитывающие различные группы мышц. Вычисляются моменты и реакции в различных суставах тела человека. По измерениям электромиограммы и вектора реакции опоры исследуется вклад каждой группы мышц нижних конечностей в общее движение человека. Даже достаточно простые с точки зрения механики математические модели могут существенно улучшать понимание того или иного физиологического процесса. В [45], [62] с использованием трехзвенной модели тела человека изучаются процессы механизмов регуляции позы. В математической модели, предназначенной для исследования механизмов регуляции, можно выделить две составляющие: биомеханическую модель тела человека и модель управления, описывающую собственно механизмы регуляции позы. Последняя во многом зависит от первой. В работах [8], [9], [11], [15], [33], [34], [35], [46], [47], рассматриваются различные подходы в изучении движения человека, механизмов регуляции позы, нарушений опорно-двигательного аппарата средствами математического моделирования.
Современные методы анализа движения человека совмещают в себе как диагностические методики, использующие измерения различного характера, так и математическое моделирование, основанное на известных законах механики и динамики. Использование математических моделей при обработке измерений позволяет судить о параметрах, прямое измерение которых невозможно (например, мышечных усилиях [36]).
Большинство современных лабораторий, занимающихся клиническим анализом движения, имеют в своем распоряжении целый набор различного рода измерительных приборов, при помощи которых и проводятся исследования. По каждому из измерений исследователь может делать прогнозы и выводы независимо от других показаний. С точки зрения математического моделирования, при анализе движения набор измерений используемой аппаратуры часто бывает избыточен. Имея набор синхронных измерений движения человека и соответствующую математическую модель связи этих измерений, можно как оценить состоятельность самой модели, так и использовать ее при анализе движения. Это положение явилось основой для исследования, которому посвящена настоящая работа.
Преимущества
Компьютерный видеоанализ движений обладает рядом преимуществ по сравнению с традиционной компьютерной анимацией.
Во-первых, результаты могут быть получены очень быстро в режиме реального времени.
Во-вторых, сложные движения под влиянием веса, сил и других физических факторов могут быть в точности воссозданы.
В-третьих, у программных продуктов видеоанализа есть потенциал для свободного распространения, что способствует эффективности соотношения результат – затраты.
Недостатки
Для получения и обработки данных требуются высокопроизводительные компьютеры и специальные программы.
Системы видеоанализа требовательны к условиям работы
При возникновении ошибок, существует необходимость повторения движения, что является проблематичном при видеоанализе спортивных соревнований.
При компьютерной обработке видеозаписи определяются координаты характерных точек. Эти координаты используют для вычисления углов в суставах скелетного многозвенника и дальнейшего анализа движений человека. Недостатком подобных систем являются сбои при обработке изображений. Сбои возникают, например, если видеокамеры не видят один из маркеров или не могут распознать два маркера, если они расположены вблизи оси объектива одной из камер. Таким образом, на некотором интервале времени информация об одном из углов многозвенника оказывается утерянной или некорректной. Часто при анализе движения набор измерений с различного рода аппаратуры бывает избыточен. Эту избыточность можно использовать в алгоритме восстановления утерянной информации. Ранее в работах [12, 14–16, 18] предлагались алгоритмы повышения точности систем видеоанализа, использующие математические модели движения. Эти методы позволили в ряде случаев корректировать измерения системы видеоанализа. Различные варианты алгоритмов восстановления утерянной информации системы видеоанализа, использующие избыточную измерительную информацию, предлагались авторами ранее в работах [6–8]. Эти алгоритмы, как и все предшествующие, использовали параметры математической модели, определенные по результатам антропометрических измерений.
Исследование ходьбы человека с помощью ПАК «Биомеханика»
Гониометрическое исследование ходьбы человека было проведено на программно-аппаратном комплексе клинического анализа движений «БИОМЕХАНИКА», разработанного и производимого научно-медицинской фирмой «МБН», Москва. Комплекс позволяет использовать все классические методы исследования временных, пространственных, кинематических и динамических параметров движений, а также измерять биоэлектрическую активность мышц. В данной системе проведена стандартизация методов исследования, графического и цифрового представления информации.
Регистрация динамико-кинематических параметров ходьбы осуществляется следующим образом: на пациента с помощью лент «Велкро» прикрепляются последовательно соединенные гониометры (на тазобедренный (ТБС), коленный (КС), голеностопный (ГСС) суставы) и носимый микропроцессорный блок (рисунок 5).
Рисунок 5. Расположение гониометрических датчиков на теле пациента
Во время движения пациента сигналы с гониометров передаются на микропроцессорный модуль, обрабатываются и через com-порт поступают на компьютер. При помощи специализированного программного обеспечения, полученные от гониометров данные, обрабатываются и отображаются в виде графиков изменения межзвенных углов (рисунок 6).
|
В программно-аппаратном комплексе МБН «Биомеханика», используются закрытые протоколы передачи и хранения данных, поэтому использовать полученную информацию для какого-либо дальнейшего анализа, не реализованного в данном программном обеспечении, возможно, лишь путем цифровой обработки изображений графиков. Обработка графиков – долгое и кропотливое занятие. Для автоматизации этого процесса был использован специальный программный модуль. С его помощью были получены численные значения межзвенных углов для данного пациента, а также значения межзвенных углов для «нормальной» ходьбы. Результаты представлены в приложении 2 (№ - № кадра на видеозаписи, % - время двойного шага в %, общее время двойного шага равно 1,28 с, норма – нормальное значение, max, min – диапазон «нормальных» измерений, МБН – результаты исследования с ПАК МБН «Биомеханика»).
На рисунке 7 представлены графики изменения межзвенных углов при «нормальной» ходьбе, и индивидуальные данные, полученные с помощью комплекса «Биомеханика» (углы указаны в радианах, по оси абсцисс отложено время двойного шага в %, общее время двойного шага равно 1,28 с).