摘要：目的 应用长短时记忆神经网络（long short-term memory，LSTM）模型，以无标记动作捕捉系统所得下肢关节点坐标作为输入变量，估算跑步过程中的地面反作用力（ground reaction forces， GRF）曲线。方法 采用无标记动作捕捉系统和三维测力台同步采集59名业余跑者跑步动作下的视频图像和动力学数据。建立LSTM模型，以Theia3D无标记动作捕捉系统获取的11个下肢关节点三维坐标作为输入变量估算跑步支撑阶段三维GRF曲线。使用相关系数、均方根误差（root mean square error，RMSR）和标准化均方根误差（normalized root mean square error，nRMSR）评估LSTM模型的估算效果，采用统计参数映射分析LSTM模型估算和测力台实测曲线的差异，采用配对样本t检验分析模型估算与实测GRF特征差异。结果 LSTM模型估算所得GRF与实测值之间高度相关（r>0.85，P<0.001）且误差较小（RMSR<0.3倍体重，nRMSR＜15%）。LSTM模型估算所得GRF曲线与实测曲线之间不存在显著差异区间。基于LSTM估算曲线计算所得GRF特征与实测值不存在显著差异（P＞0.05）。结论 基于LSTM模型，可从无标记动作捕捉系统获取的下肢关节点三维坐标有效估算人体跑步时GRF曲线，并获得准确性较高的GRF特征。本研究建立的LSTM模型可以用本于户外环境下监控跑步过程中的损伤风险。
文章目录
1 研究对象与方法
1.1 受试者
1.2 测试流程
1.3 数据采集
1.4 数据处理
1.4.1 图像数据处理
1.4.2 坐标系转换
1.4.3 LSTM模型建立及验证
1.5 数据分析
2 结果
3 分析讨论
3.1 LSTM模型估算效果
3.2 LSTM模型估算GRF曲线效果
3.3 LSTM模型估算GRF特征效果
3.4 未来应用
3.5 局限性
4 结论
