奥尔堡大学使用Xen预估脊柱负荷，推进该领域研究进程

奥尔堡大学体育技术研究学院的研究生找到了一种新的预估腰椎负荷的方法，他们通过使用Xsens MVN Analyze来测量和预估人工搬运重物时腰椎的内部负荷。

腰椎疼痛是我们最常见的与工作相关的肌肉骨骼疾病，这种疾病通常与涉及人工搬运任务的工作有关，如举起重物。重型物体加强了对脊柱施加的强压缩力，特别是在L4-L5椎间盘周围，这会导致椎间盘和椎骨终板的骨折、退化或永久性损伤。然而，脊柱负荷的评估在该领域极具挑战性，并且由于涉及人体内部解刨结构因而很少有人或团队会对脊柱负荷进行详细的评估。

目前为止，已经有几种方法来试图测量这些对脊柱产生的力，包括解剖学研究、基于计算机的肌肉骨骼模型研究等都可以实现对于脊柱承受力的测量。其中使用肌肉骨骼模型进行测量需要使用摄像机和安装在地板上的压力板进行运动捕捉测量，这些工具在现场使用起来既昂贵又不方便。而现在动态运动跟踪技术有了新的进展，Xsens MVN Analyze的出现使得研究员们可以在任何工作环境中进行全身惯性运动捕捉，而磁失真的情况在这套系统中将会被降至最小。

使用全身动态惯性运动捕捉（IMC）测量的方向预判数据被输入肌肉骨骼模型中，通过使用地面反作用力（GRF）预测的反向动态计算法，研究员们可以得到精确地脊椎受力数据。然而这种方法尚未在典型的人工搬运处理任务中得到验证。此次研究的目的是验证基于肌肉骨骼模型的L4-L5脊柱受力的预估，该预估数据完全基于由IMC数据和GRF预测所驱动的肌肉骨骼模型在各种搬举重物和转移重物中的动作数据。研究员们将L4-L5椎间盘的关节反作用力与光学运动捕捉（OMC）和压力板驱动的肌肉骨骼模型所产生的数据进行了比较。这种方法将有助于研究人员确定由全身动态惯性运动捕捉（IMC）数据和地面反作用力（GRF）预测驱动的肌肉骨骼模型是否可用于预估脊柱负荷。

共13名健康受试者分别进行了不同的搬举任务试验，包括对称搬举实验、不对称搬举实验和负荷转移实验。搬举任务包括将一个10公斤重的箱子分别从地面摆放到一个直立的位置，之后再摆到受试者面前的桌子上，最后将箱子不对称的放置在受试者侧面的桌子上。负载转移试验则包括在两张桌子之间移动这个10公斤的箱子。研究人员使用光学动作捕捉和惯性动作捕捉同时对受试者进行运动分析。光学动作捕捉需要使用42个被动反射标记来记录全身动作轨迹，并用8个红外照相机以120赫兹的采样率来进行测量。而惯性动作捕捉只需要使用17个惯性测量单元以60赫兹的采样率来进行测量。地面反作用力和力矩是通过三个安装在地板上的压力板进行测量的，其中两个放在脚下，一个放在箱子下面，采样频率为1200赫兹。所有的测量都在Xsens MVN Analyze中同步进行。

根据测量结果，实验室开发了三个肌肉骨骼模型，每个模型由不同的运动学和动力学数据驱动:

1)使用光学运动捕捉测量地面反作用力(OMC-MGRF)

2)使用光学运动捕捉预测地面反作用力(OMC-PGRF)

3)使用惯性运动捕捉预测地面反作用力(IMC-PGRF)。

肌肉骨骼模型是在 AnyBody Modelling System（AMS）中开发的。使用光学运动捕捉测量地面反作用力被认为是黄金标准，因为它是最常用的系统，为肌肉骨骼模型提供运动学和动力学的数据输入。使用惯性运动捕捉预测地面反作用力的模型是由关节与关节之间分离的动作所组成的，并以.bvh的文件格式被保存下来。虚拟标记被引入到由.bvh数据和AMS生成的肌肉骨骼模型中，并在两种模型之间进行标记跟踪。

通过逆动力学分析，研究人员可以计算出L4-L5椎间盘的轴向压力和前后剪切力。这些力被标准化为体重百分比(%BW)，力矩则被标准化为体重百分比乘以身高(%BW*BH)。实验被分为每个受试者完成的每个搬举和转移任务。每人的数据序列被时间标准化为100%。下图为统计数据。

使用基于惯性动作捕捉驱动的逆向动态肌肉骨骼建模方法可以预测GRF&Ms以及L4-L5关节预估反作用力的准确性。

分析表明，与使用光学运动捕捉测量的地面反作用力和使用光学运动捕捉预测地面反作用力相比，使用惯性运动捕捉预测地面反作用力可用于在标准的人工搬运任务中预估L4-L5椎间盘的压缩力和前后剪切力。目前研究员们已经调查了使用惯性运动捕捉预测地面反作用力相关的不准确性数据，并将这些调查结果作为未来的研究中需要考虑的因素。

该方法可用于在简单的人工搬运任务期间预估肌肉骨骼负荷领域。使用这种肌肉骨骼模型作为分析工具来精确预估椎体之间的关节反作用力很可能会彻底改变该领域的人体工程学分析进程。