Desarrollo y validación de un sistema sin marcadores para el análisis del movimiento humano

Abstract

[ES] Las técnicas biomecánicas ofrecen a la valoración funcional el registro de las variables implicadas en el movimiento humano. Gracias a ellas ha sido posible cuantificar de manera objetiva estas variables permitiendo establecer patrones de normalidad muy útiles en la ayuda al diagnóstico y seguimiento de los pacientes. Tradicionalmente estas técnicas han precisado de laboratorios grandes con las condiciones controladas, hecho que suponía un hándicap para realizar valoraciones en otros espacios. La posibilidad de poder “acercar” la valoración biomecánica al entorno clínico ha sido uno de los retos para muchos investigadores durante estos últimos años. En este contexto, está cada vez más extendido el uso de dispositivos ágiles y detección rápida de variables biomecánicas con la intención de ser usados en la práctica clínica habitual. Considerando este hecho, se ha llevado a cabo este trabajo con la finalidad de poner a punto una metodología de valoración biomecánica ágil, rápida y sencilla a partir del análisis de movimientos mediante el uso de técnicas de visión e Inteligencia Artificial (IA). Para ello, se ha realizado un estudio de validez entre las técnicas a emplear en esta metodología (las redes neuronales MediaPipe y OpenVINO™) con el sistema de fotogrametría considerado como Gold Standard en el análisis cinemático del movimiento humano. En él se han comparado los valores del rango articular de la rodilla obtenidos a través del software de fotogrametría Kinescan/IBV y los estimados a partir de videos procesados con las redes neuronales MediaPipe y OpenVINO™, considerando el rango articular de la rodilla una de las variables cinemáticas que presenta mayor relevancia clínica por su implicación en las actividades de la vida diaria. Finalmente, los resultados indican que el uso de redes neuronales para estimar rangos articulares puede ser una estrategia válida y de utilidad para ser empleada en dispositivos ágiles de valoración biomecánica.

[CA] Les tècniques biomecàniques ofereixen a la valoració funcional el registre de les variables implicades en el moviment humà. Gràcies a elles ha sigut possible quantificar de manera objectiva aquestes variables permetent establir patrons de normalitat molt útils en l'ajuda al diagnòstic i seguiment dels pacients. Tradicionalment aquestes tècniques han precisat de laboratoris grans amb les condicions controlades, fet que suposava un hàndicap per a realitzar valoracions en altres espais. La possibilitat de poder “acostar” la valoració biomecànica a l'entorn clínic ha sigut un dels reptes per a molts investigadors durant aquests últims anys. En aquest context, està cada vegada més estés l'ús de dispositius àgils i detecció ràpida de variables biomecàniques amb la intenció de ser usats en la pràctica clínica habitual. Considerant aquest fet, s'ha dut a terme aquest treball amb la finalitat de posar a punt una metodologia de valoració biomecànica àgil, ràpida i senzilla a partir de l'anàlisi de moviments mitjançant l'ús de tècniques de visió i Intel·ligència Artificial (IA). Per a això, s'ha realitzat un estudi de validesa entre les tècniques a emprar en aquesta metodologia (les xarxes neuronals MediaPipe i OpenVINO™) amb el sistema de fotogrametria considerat com Gold *Standard en l'anàlisi cinemàtica del moviment humà. En ell s'han comparat els valors del rang articular del genoll obtinguts a través del programari de fotogrametria Kinescan/IBV i els estimats a partir de vídeos processats amb les xarxes neuronals MediaPipe i OpenVINO™, considerant el rang articular del genoll una de les variables cinemàtiques que presenta major rellevància clínica per la seua implicació en les activitats de la vida diària. Finalment, els resultats indiquen que l'ús de xarxes neuronals per a estimar rangs articulars pot ser una estratègia vàlida i d'utilitat per a ser emprada en dispositius àgils de valoració biomecànica.

[EN] Biomechanical techniques offer functional assessment the recording of the variables involved in human movement. Thanks to them it has been possible to quantify in an objective way all these variables allowing to establish patterns of normality very useful in the help to the diagnosis and monitoring of the patients. Traditionally these techniques have required large laboratories with controlled conditions made that was a handicap to perform evaluations in other spaces. The fact of being able to "bring" the biomechanical assessment to the clinical environment is one of the challenges for many researchers during these last years. In this context, it is widespread the use of agile devices and rapid detection of biomechanical variables with the intention of being used in routine clinical practice. Considering this fact, this work has been carried out in order to set up an agile, fast and simple biomechanical assessment methodology from the analysis of movements through the use of vision techniques and Artificial Intelligence (IA). To this end, a validity study has been carried out among the techniques to be used in this methodology (neuronal network MediaPipe y OpenVINO™) with the photogrammetry system considered as Gold Standard in the kinematic analysis of human movement. It has compared the values of the articular range of the knee obtained through the photogrammetry software “Kinescan/IBV” and estimated from processed videos with neuronal networks (MediaPipe y OpenVINO™), bearing in mind that the articular range of the knee is one of the kinematic variables that shows greater clinical relevance due to this involvement in daily life activities. Finally, results indicate that the use of neural networks to estimate joint ranges can be a valid and useful strategy to be used in biomechanical assessment.