一种基于惯性测量单元的现场评估团队运动运动员髋关节与膝关节运动学的方法

摘要

监测运动员对于提高团队运动表现和降低受伤风险至关重要。目前监测运动员的方法并未包含下肢。在下肢佩戴多个惯性测量单元，有望提升在实地环境中对运动员的监测效果。

摘要

团队运动中当前的运动员监测实践主要基于通过全球定位系统或局部定位系统测量的位置数据。这些测量系统的缺点是无法记录下肢运动学信息，而后者可能是识别损伤风险因素的有用指标。传感器技术的快速发展有望克服现有测量系统的局限性。通过将惯性测量单元（IMUs）牢固地固定在身体节段上，结合传感器融合算法和生物力学模型，可以估算关节运动学参数。本文的主要目的是展示一种可在实地环境中估算团队运动运动员髋关节和膝关节运动学参数的传感器设置方案。五名男性受试者（年龄22.5 ± 2.1岁；体重77.0 ± 3.8 kg；身高184.3 ± 5.2 cm；训练经验15.3 ± 4.8年）完成了最大强度的30米直线冲刺。通过放置在骨盆、双侧大腿和双侧小腿上的五个惯性测量单元获取髋关节和膝关节的角度及角速度数据。髋关节角度范围从195°（± 8°）的伸展到100.5°（± 8°）的屈曲，膝关节角度范围从168.6°（± 12°）的最小屈曲到62.8°（± 12°）的最大屈曲。此外，髋关节角速度范围为802.6 °·s^-1（± 192 °·s^-1）至-674.9 °·s^-1（± 130 °·s^-1），膝关节角速度范围为1155.9 °·s^-1（± 200 °·s^-1）至-1208.2 °·s^-1（± 264 °·s^-1）。该传感器设置已通过验证，可为实地运动员监测提供额外信息。 这有助于体育从业人员在日常训练环境中评估其训练计划，以期降低损伤风险并优化运动表现。

引言

团队运动（例如足球和曲棍球）的特点是交替进行短暂的爆发性动作，如高强度跑动或冲刺，与较长时间的低强度活动，如步行或慢跑^1,2,3,4,5,6。在过去几十年中，比赛的体能要求不断提高，表现为高速跑动和冲刺距离增加、球速加快以及传球次数增多^7,8。

运动员持续进行高强度训练，以维持并提升其身体机能，从而适应比赛的体力需求。正确施加训练刺激并结合充分的恢复，可引发人体的适应性反应，从而提高体能和运动表现⁹。相反，训练刺激与恢复之间若失衡，则可能导致持续性疲劳和不良的训练反应（即适应不良），从而增加职业和业余团体项目运动员的受伤风险^10,11,12,13。

高强度训练和比赛刺激带来的主要风险之一是肌肉拉伤损伤。肌肉拉伤损伤占团队运动中所有导致缺赛的损伤的三分之一以上，并造成超过四分之一的总体损伤缺赛时间，其中最常受累的是腘绳肌^14,15,16,17。此外，尽管已推出多种预防腘绳肌拉伤的干预方案^12,13,20,21，但每年发生腘绳肌拉伤的运动员人数仍在持续上升^18,19。因此，这在运动表现²²和经济成本²³方面均产生了负面影响­。因此，对个体运动员进行充分的监测对于优化训练计划、降低损伤风险以及提升运动表现至关重要。

目前团队运动中的运动员监测实践主要基于通过局部或全球定位系统测量的位置数据^24,25。这些系统通过基于GPS的指标（如跑动距离、平均跑速）或基于加速度计的指标（如PlayerLoad）来监测运动情况^26,27,28。这些测量方法的一个缺点是未包含下肢运动学信息。光电测量系统是进行直线冲刺过程中下肢运动学分析的金标准^29,30,31,32。然而，这些系统的缺点在于测量区域受限导致生态效度不足、需要专业人员操作以及数据分析耗时较长。因此，该方法不适用于日常运动训练实践。

传感器技术的快速发展有望克服当前监测运动员方法的局限性。近年来，惯性测量单元（IMU）在可靠性、微型化和数据存储能力方面的进步使其能够应用于实地场景。IMU 包含加速度计、陀螺仪和磁力计，分别在三个正交轴向上测量加速度、角速度和磁场强度^33,34。当传感器牢固地固定在身体节段上时，结合传感器融合算法和生物力学模型，可估算关节运动学参数³³。将关节运动学的记录与不同身体节段加速度信息相结合，有望提升团队运动中对运动员的监测水平。

通过将惯性测量单元（IMU）传感器装置与标准化的实地测试相结合，可以展示在实地直线冲刺过程中如何记录下肢运动学数据，这可能有助于识别损伤风险因素。该传感器装置可为专业人员当前使用的监测手段提供额外信息，从而优化训练计划，提高运动表现并最大限度降低损伤风险。因此，本文的主要目的是演示一种在实地环境中用于估算团队运动运动员髋关节和膝关节运动学参数的惯性传感器装置。

方案

本节所述所有方法均已获得格罗宁根大学人类运动科学中心伦理委员会的批准（注册编号：201800904）。

1. 现场测试与惯性测量单元准备

1. 设置两个相距至少 1 米的标志杆，以确定实地测试的起点。
   注意：标志杆之间 1 米的距离可使受试者轻松通过测试起点。该距离可根据测试负责人的偏好进行调整。
2. 从测试起点开始沿直线展开卷尺，直至达到 30 米的线性距离，以此确定实地测试的终点。
3. 设置两个相距至少 1 米的标志杆，以确定实地测试的终点。
4. 准备惯性测量单元（IMU），以便正确固定在受试者身体上。
   注意：IMU 的尺寸和重量特性详见材料表。
   1. 将弹力胶带裁剪成 5 段，每段大小为 10 cm × 10 cm。
   2. 将双面胶带（例如假发专用胶带）裁剪成 5 段，每段尺寸与所使用的 IMU 相同。
   3. 将一段双面胶带粘贴到每个 IMU 上。
   4. 为每个 IMU 进行标记，以便在数据分析过程中能够单独识别。

2. 受试者准备

1. 获取受试者的性别、年龄、体重和身高的信息。请受试者填写有关其团队运动背景的问卷。对符合纳入标准的受试者获取书面知情同意书。
   注意：问题示例：（i）您踢足球有多少年了？（ii）您在哪个水平上踢足球？（iii）在过去6个月中，您每周进行多少小时的足球训练？（iv）您的场上位置是什么？（v）在过去6个月中，您是否经历过下肢疼痛或肌肉骨骼损伤？
2. 确定受试者是否符合纳入标准。
   注意：纳入标准为：在执行本方案前6个月内未发生任何下肢肌肉骨骼损伤或疼痛；受试者应具有超过1年业余水平竞技团队运动经验。
3. 请受试者更换为运动服装（例如足球衫、足球短裤和足球鞋）。
   注意：由于传感器将放置于胫骨处，因此不建议穿着足球袜。
4. 准备用于固定在受试者身体上的惯性测量单元（IMU）。
   1. 将全部5个IMU并排对齐。
   2. 通过按下传感器顶部的按钮同时激活所有五个IMU。当绿色指示灯开始闪烁时，表示传感器已激活。
      注意：从此时起，每个IMU以500 Hz的频率采样数据，数据存储在内部SD卡中。测试完成后需将数据上传至笔记本电脑或计算机。
   3. 通过将所有IMU同时轻敲坚硬表面（例如桌面），确保已产生机械峰值。
      注意：机械峰值用于同步IMU信号，信号同步将在数据处理阶段完成（第5节）。若使用市售传感器，则此步骤非必需；此时应使用相应软件对传感器进行同步。
5. 将IMU固定在受试者身体上（图1）。
   1. 在以下解剖位置剃除受试者的体毛：双侧髂后上棘之间的骶骨区域、双侧胫骨前内侧骨性部分，以及双侧大腿外侧部分（即髂胫束区域）。
      注意：可通过触诊确定传感器应放置的解剖位置。
   2. 在步骤2.5.1所述的解剖位置喷洒粘合喷雾剂。等待5−10秒，确保喷雾剂完全干燥。
      注意：喷洒时应保持喷雾罐距离皮肤至少10 cm（4英寸），并以扫动方式均匀喷涂目标区域。
   3. 移除IMU上双面胶带的保护层。
   4. 将IMU放置于上述指定的解剖位置，并记录每个IMU对应的解剖位置及其标签（例如，右小腿：IMU 1）。
   5. 在每个IMU上方贴上弹性固定胶带，以确保传感器进一步牢固地固定于皮肤上。

3. IMU 传感器校准

1. 指导受试者以中立姿势站立，双脚与髋同宽，双手置于身体两侧。保持此姿势至少 5 秒。
2. 指导受试者在矢状面内将左髋和左膝屈曲至 90° 角，随后伸展髋关节回到步骤 3.1 中所述的中立位置。
   注：运动学变量的定义见图 2。
3. 对右侧髋关节和膝关节重复步骤 3.2。
4. 指导受试者将躯干向前屈曲至接近地面，然后返回中立位置。
5. 等待至少 5 秒。
6. 重复步骤 3.1−3.5 一次。

4. 执行30米直线冲刺测试

1. 指导受试者进行热身（例如，足球专项的 FIFA 11⁺ 热身训练方案²⁰）。
2. 向受试者说明测试流程。
   1. 明确告知受试者在测试过程中受伤的风险不高于常规训练，且受试者可在任何时候中止测试，无需说明理由。
   2. 指导受试者站在正确的起始位置，惯用脚置于起跑线上，双肩位于起跑线后方的场地上。
   3. 告知受试者测试负责人将从 3 倒数至 0，随后喊出“开始”；当听到“开始”口令时，测试正式开始。
   4. 告知受试者应以最快速度冲刺至 30 米终点；到达 30 米终点后，需尽快减速直至完全静止。
   5. 允许受试者提出问题。如有需要，可让受试者进行一次练习跑，以熟悉测试流程。
3. 询问受试者是否清楚上述指示。
4. 确保受试者处于正确的起始位置。
5. 从“3”倒数至“0”，并喊出“开始”以启动测试；在发出起跑信号的同时启动计时器。
6. 鼓励受试者以达到最大表现。
7. 当受试者完全静止时，停止计时。
8. 重复步骤 4.4−4.6，直至完成三次冲刺。
   注意：每次试验之间应至少休息 2 分钟。数据分析时采用最快的一次冲刺成绩。
9. 指导受试者进行整理活动（冷身）。
10. 通过从受试者身体上移除弹力胶带和双面胶带，将惯性测量单元（IMU）从受试者身上取下。

5. 数据处理

1. 使用 USB 线缆将惯性测量单元（IMU）连接至计算机。将原始 IMU 数据导出到计算机上的指定文件夹。
2. 打开 MATLAB（版本 r2018b）。导入原始 IMU 数据文件（即加速度计、陀螺仪和磁力计数据）。
3. 同步原始 IMU 数据文件。
   1. 导入一个传感器的加速度数据文件（例如骨盆传感器）。
   2. 通过对 X、Y 和 Z 轴加速度信号求导计算加加速度（jerk），并将 X、Y 和 Z 轴的加加速度相加，得到总加加速度。
   3. 通过查找总加加速度达到最大值时在数据文件中的索引值，确定机械峰值。该索引值即为测量的起始点。
   4. 删除该传感器加速度数据、磁力计数据和陀螺仪数据中所有早于该索引值的数据点。
   5. 对每个对应传感器的原始数据文件重复步骤 5.3.1–5.3.3。
   6. 获取每个数据文件的采样数据点数量，确定哪个传感器的数据点最少。
   7. 将所有其他数据文件截断至与记录信号时间最短的传感器数据长度一致。
4. 使用截止频率为 12 Hz 的二阶低通巴特沃斯滤波器对陀螺仪数据进行滤波。
   注：该滤波器及特定截止频率的选择基于先前预实验中的可视化数据检查。
5. 通过使用 Madgwick 滤波器³⁵计算传感器的姿态四元数，获得传感器相对于全球地球坐标系的姿态。
   注：关于如何计算传感器相对于全球地球坐标系姿态的详细描述见 Madgwick 等人³⁵的研究。
6. 将传感器坐标系与身体节段对齐。
   1. 选择受试者在标定过程中静止站立时（步骤 3.1）对应的数据文件索引号。
      注：假设传感器的纵向轴与重力矢量方向相近。
   2. 利用步骤 5.6.1 中的索引号，计算每个传感器在静态标定期间相对于全球参考坐标系的平均姿态，并旋转每个传感器的坐标系，使其在静态标定时与全球参考坐标系对齐。
   3. 选择执行左腿标定动作时（步骤 3.2）对应的数据文件索引号。
   4. 旋转左腿传感器的姿态，使得标定动作为仅绕冠状轴的旋转。
   5. 对右腿和躯干的标定动作重复步骤 5.6.3 和 5.6.4。
7. 通过将每个关节远端身体节段的姿态表示在近端节段的坐标系中，获得关节姿态。
8. 将获得的关节姿态分解为“XZY”欧拉角，以得到关节角度。
   注：如何将获得的关节姿态分解为“XZY”欧拉角的方法详见 Diebel³⁶ 的研究。
9. 通过将每个远端节段的陀螺仪信号表示在其对应近端节段的坐标系中，并减去近端节段的角速度，获得关节角速度。
10. 使用步态检测算法识别直线冲刺过程中的每一步。
    1. 在 MATLAB 中导入经过滤波的陀螺仪数据。
    2. 使用峰值检测函数识别陀螺仪信号中的峰值。
       注：峰值高度设定为 286.5 °·s^-1，最小峰值间距设定为 100 个采样点（= 0.2 s）。
11. 对每一步，计算髋关节角度、膝关节角度、髋关节角速度和膝关节角速度的最大值。
12. 对每一步，计算髋关节角度、膝关节角度、髋关节角速度和膝关节角速度的最小值。
13. 对每一步，通过从最大髋关节角度减去最小髋关节角度，计算髋关节活动范围。
14. 对每一步，通过从最大膝关节角度减去最小膝关节角度，计算膝关节活动范围。
15. 将处理后的数据保存至计算机上的指定文件夹，以便用于后续分析。

6. 数据分析

1. 在 MATLAB 中导入处理后的 IMU 数据。
2. 根据步态检测算法识别出的步数，将短跑划分为加速阶段、最高速度阶段和减速阶段。
   注意：本文中短跑阶段的划分是任意设定的。加速阶段定义为第 3 至第 8 步³⁷，减速阶段定义为短跑的最后八步。最高速度阶段的数据取自这两个阶段之间的步数。
3. 选择角速度数据用于数据分析。
4. 计算 30 米直线冲刺测试中各阶段所有步数的运动学变量的平均值和标准差。
5. 对角度数据重复步骤 6.3 和 6.4。

结果

5名受试者（均为男性；均为足球运动员；年龄22.5 ± 2.1岁；体重77.0 ± 3.8 kg；身高184.3 ± 5.2 cm；训练经验15.3 ± 4.8年）完成了一次最大速度的30米直线冲刺。在加速阶段，髋关节角度范围为100.5°（± 8°）的最大屈曲和183.1°（± 8°）的最大伸展；在最高速度阶段，为104.1°（± 8°）的最大屈曲和195°（± 8°）的最大伸展；在减速阶段，为128.4°（± 11°）的最大屈曲和171.9°（± 23°）的最小屈曲。髋关节角速度在加速阶段介于744.9 °·s^-1（± 154 °·s^-1）和–578 °·s^-1（± 99 °·s^-1）之间，在最高速度阶段介于802.6 °·s^-1（± 192 °·s^-1）和–674.9 °·s^-1（± 130 °·s^-1）之间，在减速阶段介于447.7 °·s^-1（± 255 °·s^-1）和–430.3 °·s^-1（± 189 °·s^-1）之间。

此外，在加速阶段，膝关节角度在73.5°（± 12°）最大屈曲和162.6°（± 7°）最小屈曲之间变化；在最高速度阶段，膝关节角度在62.8°（± 12°）最大屈曲和164.8°（± 6°）最小屈曲之间变化；在减速阶段，膝关节角度在81.1°（± 16°）最大屈曲和168.6°（± 12°）最小屈曲之间变化。在加速阶段，膝关节角速度在935.8 °·s^-1（± 186 °·s^-1）至-1137.8 °·s^-1（± 214 °·s^-1）之间变化；在最高速度阶段，在1155.9 °·s^-1（± 200 °·s^-1）至-1208.2 °·s^-1（± 264 °·s^-1）之间变化；在减速阶段，在1000.1 °·s^-1（± 282 °·s^-1）至-1004.3 °·s^-1（± 324 °·s^-1）之间变化。图3展示了线性30米冲刺测试一次试验的连续运动学数据，而图4和图5展示了同一次试验中加速、最高速度和减速阶段一个步态周期的运动学数据。

图1：传感器放置示意图。（A）右侧与左侧小腿的传感器放置位置。（B）骨盆以及右侧与左侧大腿的传感器放置位置。请点击此处查看此图的放大版本。

图2：髋关节和膝关节角度及角速度的定义。（A）矢状面中中立位的示意图。中立位时关节角度为180°。（B）髋关节（θ hip）、膝关节（θ knee）及活动范围（ROM）的示意图。请点击此处查看该图的放大版本。

图3：一次试验中加速、最高速度及减速阶段短跑运动学的可视化结果。 星号表示已检测到步态周期中的步数。(A) 左右髋关节屈伸角度随时间变化。(B) 左右髋关节角速度随时间变化。(C) 左右膝关节角度随时间变化。(D) 左右膝关节角速度随时间变化。请点击此处查看该图的放大版本。

图 4：极坐标图，显示在加速、最高速度和减速阶段一个步态周期中髋关节角度（°）及角速度（屈曲/伸展）的变化情况。 请点击此处查看该图的放大版本。

图5：极坐标图，展示一个步态周期中膝关节角度（°）及角速度（屈曲/伸展）在加速、最高速度和减速阶段的变化情况。 请点击此处查看该图的放大版本。

讨论

目前监测团队运动运动员的方法无法记录下肢运动学数据，而这些数据可能是识别损伤风险因素的有用指标。分析短跑过程中下肢运动学的金标准是光电测量系统^29,30,31,32。尽管光电测量系统被视为金标准，但由于其测量区域受限，这些系统的生态效度较低。本文介绍的传感器装置克服了现有测量系统的局限性，且相对成本较低。利用该传感器装置在真实场地中记录下肢运动学数据的可能性，有望改善运动员监测实践。

既往研究在分析短跑运动学时^{29,31,37,38,39}，报道的髋关节角度范围为伸展210°至屈曲90°。此外，这些研究报道的膝关节角度范围为最小屈曲160°至最大屈曲40°。本研究观察到的数值处于既往报道的范围之内。其中一项研究³⁸报道，髋关节角速度范围为-590 °·s^-1至700 °·s^-1，膝关节角速度范围为-1,000 °·s^-1至1,100 °·s^-1。尽管本研究观察到的数值更高，但其随时间变化的趋势相似。该方法已得到验证，可用于现场运动员的监测⁴⁰。

本研究存在一些需要解决的局限性。首先，除了所用惯性测量单元（IMUs）本身的特性外，使用者还必须意识到，IMU获取的信号会受到多种误差来源的影响，从而限制了其可能的应用范围⁴¹首先，骨骼周围软组织的振荡（即软组织伪影）⁴²）可能影响运动学数据的采集。因此，必须严格按照本方案所述步骤，将惯性测量单元（IMU）仔细固定于受试者身体相应部位。尽管已采取必要的操作步骤，但仍需指出，本研究未使用额外的弹性固定带以防止传感器发生位移，这一缺失可能影响结果的准确性，可被视为本研究的局限性之一。其次，其他设备产生的铁磁性干扰（主要存在于室内环境中）会改变IMU磁力计所测得的磁场矢量的大小或方向，从而导致姿态估计出现误差。⁴³因此，应尽可能避免铁磁性干扰源。此外，需要注意的是，该传感器装置不适用于滑铲动作，因为传感器会因与地面接触而脱离皮肤。因此，应指导参与者在小型比赛期间不要进行滑铲。解决此问题的一个可能方案是将传感器装置集成到智能服装中。 (即，智能传感器紧身衣）。

通过传感器设置获取的运动学变量可用于分段模型，以在实地监测运动员。先前的研究发现，在足球比赛模拟的每个半场结束后，髋关节屈曲与膝关节伸展的最大组合角度（即理论上的腘绳肌长度）有所减小⁴⁴。在同一项研究中，还观察到每个半场结束时小腿段角速度增加。较低的腘绳肌长度结合增高的小腿速度可能表明疲劳后腘绳肌过度拉伤的风险增加。此类短跑运动学的改变可通过基于惯性测量单元（IMU）驱动的分段模型在实地环境中检测。除了关节运动学的变化外，还可估算作用于整个人体的总体受力情况。地面反作用力（GRF）描述了整个肌肉骨骼系统所承受的生物力学负荷，可通过牛顿第二运动定律（即 F = m · a）进行估算。目前关于跑步的研究已利用GRF估算来优化短跑表现^45,46 或评估潜在的损伤风险^47,48,49,50。这些研究表明，负荷速率、垂直冲击力峰值以及水平制动力量与肌肉骨骼系统的过度使用性损伤相关。尽管在高度动态的团队运动特异性动作中准确估算GRF仍具挑战性^51,52，但在实地测量过程中对这些变量进行监测的可能性，可为优化运动表现或预防损伤提供新的信息。

本文所呈现的结果仅限于线性冲刺过程中下肢运动学的监测，重点关注腘绳肌拉伤的损伤机制。然而，需要注意的是，髋部和腹股沟损伤在团队运动中也十分常见^{14,17,53,54,55}。这些损伤可能由反复的踢腿动作和变向动作引起。因此，未来的研究不应仅局限于腘绳肌拉伤机制与冲刺运动之间的关系，还应关注与髋部和腹股沟损伤相关的变向任务⁵⁶ 以及踢腿动作^57,58,59 ，以拓展相关认知。

总之，这种传感器装置可集成于智能服装中。智能服装有望在实地环境中记录团队运动专项任务期间的下肢运动学数据，从而在未来改善对运动员的监测。这有助于体育领域的专业人员在日常训练中评估并优化其训练方案，以期降低运动损伤风险。

材料

本文使用的材料清单

姓名	公司	目录编号	评论
计算机软件	The MathWorks, Inc., Natick, MA, USA		Matlab 版本 2018b
标志桶	Nike		n = 4
双面胶带			用于将惯性测量单元（IMU）固定在皮肤上
惯性测量单元	MPU-9150, Invensense, San Jose, California, United States		n = 5；尺寸：3.5 × 2.5 × 1.0 cm；重量：0.011 kg；采样频率：500 Hz；加速度计：± 16 G；陀螺仪：± 2000 °/s
卷尺			最小长度：30 米
贴扎前喷雾	Mueller Tuffner, Mueller Sports Medicine, Inc., Wisconsin, United States		含量：283 g
弹性胶带	Fixomull, BSN Medical, Almere, The Netherlands