地面反作用力（GRF）是分析运动生物力学的关键，能反映身体受力情况，但传统实验室用测力板无法推广至日常场景。近日，德国科研团队通过惯性测量单元（IMU）结合卷积神经网络（CNN），实现了不同运动下 3D GRF 的预测，为日常运动分析提供了新路径。
研究中，20 名无下肢损伤的参与者完成行走、爬楼梯、跑步、转弯等 6 种运动，团队用不同 IMU 配置（如胫骨单传感器、下肢多传感器）采集数据，训练 CNN 预测 GRF。结果显示，垂直方向 GRF 预测准确性最高，前后方向次之，左右方向难度最大。日常运动（如行走、爬楼梯）中，单传感器与多传感器效果相近；转弯等复杂运动时，下肢多传感器能降低左右 GRF 的预测误差。胫骨传感器表现较好，骨盆传感器虽稍差但也能满足垂直 GRF 预测需求。 该研究表明，单 IMU 传感器即可满足日常运动的 GRF 预测，多传感器更适合复杂运动，为运动监测、临床步态分析等提供了便携解决方案，有望推动穿戴式设备在运动生物力学中的应用。 文章来源： Yılmazgün, B., Weber, J., Stein, T., Sell, S., & Stetter, B. J. (2025). Predicting 3D ground reaction forces across various movement tasks: a convolutional neural network study comparing different inertial measurement unit configurations. Journal of biomechanics, 112888. #学术科研#
研究中，20 名无下肢损伤的参与者完成行走、爬楼梯、跑步、转弯等 6 种运动，团队用不同 IMU 配置（如胫骨单传感器、下肢多传感器）采集数据，训练 CNN 预测 GRF。结果显示，垂直方向 GRF 预测准确性最高，前后方向次之，左右方向难度最大。日常运动（如行走、爬楼梯）中，单传感器与多传感器效果相近；转弯等复杂运动时，下肢多传感器能降低左右 GRF 的预测误差。胫骨传感器表现较好，骨盆传感器虽稍差但也能满足垂直 GRF 预测需求。 该研究表明，单 IMU 传感器即可满足日常运动的 GRF 预测，多传感器更适合复杂运动，为运动监测、临床步态分析等提供了便携解决方案，有望推动穿戴式设备在运动生物力学中的应用。 文章来源： Yılmazgün, B., Weber, J., Stein, T., Sell, S., & Stetter, B. J. (2025). Predicting 3D ground reaction forces across various movement tasks: a convolutional neural network study comparing different inertial measurement unit configurations. Journal of biomechanics, 112888. #学术科研#
JPG
长图
