运动学
Parent: ai_keywords
核心定义
运动学（Kinematics）是力学的一个分支，研究物体运动的几何特性（位置、速度、加速度、轨迹）而不考虑质量或力的作用。在医学与神经科学交叉领域，运动学特指人体运动学——通过量化关节角度、肢体末端轨迹、时空参数等，揭示运动控制的中枢神经机制，并为神经疾病（如帕金森病、脑卒中）提供客观评估与康复指导。
关键技术点
-
高精度运动捕捉
基于光学标记（如Vicon系统）或惯性传感器（IMUs）实时采集人体多关节的三维运动数据。深度学习（如OpenPose、MediaPipe）从2D视频中提取骨架信息，降低设备成本，广泛应用于临床步态分析。 -
逆运动学建模
从末端执行器（如手、足）的轨迹反解各关节角度，可结合肌肉骨骼模型（如OpenSim）预测内在约束（关节活动范围、韧带张力），用于量化脑卒中后的异常协同模式。 -
运动轨迹预测与滤波
利用卡尔曼滤波或递归神经网络（LSTM）对不平稳运动（如震颤、共济失调）进行实时平滑与预测，移除噪声并提取病理特征（如运动变异性、轨迹偏差）。 -
运动特征量化
通过计算步态周期中的关键参数：步长、步频、双支撑时间、关节协调性（如髋-膝关节相位图）。对于上肢，关注速度-曲率关系（两秒规则）、平滑度（频谱熵）。
医学/神经科学应用场景
首都医科大学神经病学研究——帕金森病（PD）运动障碍的早期识别与分型。
研究团队利用惯性传感器采集患者“起立-行走-转身-坐下”全程的躯干和下肢运动学数据。通过分析转身阶段的角速度峰值、步态变异性（如步长时间标准差）及躯干旋转的节律性，结合机器学习（支持向量机、图神经网络）构建分类模型。结果显示：运动学特征（尤其是转身角度分解与躯干-下肢相位差）对早期PD敏感度达92%，且可区分姿势不稳-步态障碍表型与震颤为主型。该技术使得在社区场景下，通过手机摄像头即可完成低成本筛查，推动神经系统疾病的居家康复监测。
