DOI: https://doi.org/10.1007/s11042-026-21256-z
تاريخ النشر: 2026-01-27
المؤلف: Suleyman Akturk وآخرون
الموضوع الرئيسي: التوازن، والمشي، والوقاية من السقوط
نظرة عامة
تدرس هذه الدراسة تطبيق MediaPipe لتقدير زوايا المفاصل بدون علامات وفائدته في حساب عزم المفاصل أثناء حركات الجلوس إلى الوقوف (STS). تتناول الأبحاث الحاجة إلى بديل دقيق وميسور التكلفة للأنظمة التقليدية المعتمدة على العلامات، والتي غالبًا ما تحد من الحركة الطبيعية. من خلال استخدام إعداد كاميرا واحدة، توفر الطريقة حلاً فعالاً من حيث التكلفة لتحليل الحركة. أظهرت التجارب التي أجريت مع 15 متطوعًا صحيًا ارتباطات قوية في تقديرات عزم المفاصل للورك (R = 0.94) والركبة (R = 0.95)، بينما أظهر الكاحل توافقًا معتدلًا (R = 0.11). تؤكد هذه النتائج موثوقية النهج بدون علامات لتحليل الأطراف السفلية وإمكاناته للتطبيقات في الوقت الحقيقي في الإعدادات السريرية والرياضية.
تسلط الدراسة الضوء على كفاءة MediaPipe، حيث تحقق أكثر من 15 إطارًا في الثانية لمقاطع الفيديو بدقة 720p و480p، مما يجعلها مناسبة لحركات STS البطيئة والمتحكم فيها دون الحاجة إلى موارد حسابية واسعة. مكنت دمج MediaPipe مع نموذج الديناميكا العكسية من حسابات دقيقة لعزم المفاصل، مما يوفر رؤى قيمة في بيوميكانيكا STS. بينما تظهر الطريقة وعدًا، تشمل القيود تطبيقها فقط على حركات STS والاعتماد على نموذج ديناميكا عكسية مبسط. يمكن أن توسع الأبحاث المستقبلية قابلية تطبيق الطريقة على حركات أكثر ديناميكية ودمج نماذج بيوميكانيكية شاملة، بالإضافة إلى تقييم أدائها في الإعدادات السريرية الواقعية.
مقدمة
تناقش مقدمة ورقة البحث الدور الحاسم للحركة في الحفاظ على الاستقلالية وجودة الحياة، خاصة مع تقدم الأفراد في العمر أو مواجهة اضطرابات عضلية هيكلية وعصبية. تؤكد على أهمية مراقبة الأنشطة المتعلقة بالحركة، مثل الجلوس والوقوف، لمنع تلف المفاصل وتشخيص الحالات الموجودة. يحدد القسم تقنيات تحليل الحركة المختلفة، مصنفة إياها إلى أربع مجموعات رئيسية: الأنظمة التقليدية المعتمدة على العلامات، وأنظمة وحدات القياس بالقصور الذاتي (IMU)، وأنظمة الكاميرات ذات العمق، وأنظمة بدون علامات المعتمدة على التعلم العميق. تسهل هذه التصنيف تحليلًا مقارنًا لمزاياها وقيودها.
تسلط الورقة الضوء على تطور أنظمة التقاط الحركة، موضحة المنهجيات المستخدمة في جمع البيانات الحركية والديناميكية. تشير إلى أنه بينما توفر الأنظمة التقليدية دقة عالية، فإنها غالبًا ما تتطلب إعدادات معقدة وموظفين متخصصين. بالمقابل، تقدم الأساليب الناشئة المعتمدة على التعلم العميق، مثل OpenPose، وصولاً أكبر ومرونة لتحليل الحركة في الوقت الحقيقي، على الرغم من أنها تواجه تحديات تتعلق بالمتطلبات الحاسوبية وقوة التحمل البيئية. تختتم المقدمة بالاعتراف بإمكانات دمج تقدير الوضع مع النمذجة البيوميكانيكية لتعزيز دقة حسابات عزم المفاصل في الدراسات المستقبلية.
الطرق
يحدد قسم “المواد والطرق” تصميم التجربة والإجراءات المستخدمة في الدراسة. يوضح المواد المحددة المستخدمة، بما في ذلك أي مواد كيميائية، ومعدات، وعينات بيولوجية، لضمان إمكانية تكرار التجارب. تشمل المنهجية البروتوكولات المتبعة لجمع البيانات، بما في ذلك أي تحليلات إحصائية تم إجراؤها لتفسير النتائج.
بالإضافة إلى ذلك، قد يصف القسم الظروف التجريبية، مثل درجة الحرارة، والمدة، وأي ضوابط تم تنفيذها للتحقق من النتائج. يضمن هذا النهج الشامل أن البحث يتماشى مع المعايير العلمية الصارمة، مما يسمح بتقييم دقيق ومقارنة النتائج ضمن السياق الأوسع للمجال.
النتائج
في هذا القسم، يقدم المؤلفون نتائج دراستهم حول تحليل حركة STS (الجلوس إلى الوقوف) باستخدام مكتبة MediaPipe عبر تكوينات الأجهزة المختلفة. يبلغون عن سرعات التنبؤ التي تم تحقيقها، مع تسليط الضوء على اختلافات الأداء بناءً على الأجهزة المحددة المستخدمة. بالإضافة إلى ذلك، يتضمن التحليل مقارنة بين زوايا المفاصل، والتسارعات الزاوية، وقيم العزم المستمدة من مقاطع الفيديو بدقات مختلفة والمُلتقطة تحت ظروف إضاءة متنوعة.
تفصل النتائج أيضًا تحليلًا مقارنًا بين التنبؤات بدون علامات التي تم الحصول عليها من MediaPipe وتلك المحسوبة باستخدام Kinovea، مما يظهر فعالية ودقة نهج MediaPipe. أخيرًا، يقيم المؤلفون عزم المفاصل المحسوب باستخدام كل من نموذج الرابط-الجزء ومحاكاة MATLAB، مما يوفر رؤى حول اتساق وموثوقية المنهجيات المختلفة المستخدمة في تحليل الحركة.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على التحليل المقارن بين أنظمة التقاط الحركة المعتمدة على العلامات وبدون علامات لتحليل عزم المفاصل، مع التأكيد على مزاياها وقيودها. تقدم الأنظمة المعتمدة على العلامات، على الرغم من تقديمها دقة عالية في الحركيات المفصلية، غالبًا ما تكون غير عملية للإعدادات السريرية أو الرياضية اليومية بسبب إعداداتها المعقدة ومتطلبات المعدات المتخصصة. بالمقابل، تسهل الأنظمة بدون علامات، مثل تلك التي تستخدم MediaPipe، تسجيل حركة أكثر طبيعية وتقلل من وقت وتكاليف الإعداد. ومع ذلك، تواجه تحديات تتعلق بالدقة، خاصة في الحركات الديناميكية، وغالبًا ما تفتقر إلى قدرات التحليل في الوقت الحقيقي. يجادل المؤلفون بأن التحسينات ضرورية في الأنظمة بدون علامات لتعزيز القوة تحت ظروف متغيرة ودمج التغذية الراجعة في الوقت الحقيقي في اتخاذ القرارات السريرية.
تقدم الدراسة تطبيقًا جديدًا لـ MediaPipe لتقدير زوايا المفاصل وحساب عزم المفاصل أثناء حركات الجلوس إلى الوقوف (STS) باستخدام إعداد كاميرا واحدة منخفضة التكلفة. لا تعمل هذه الطريقة على تبسيط عملية تحليل الحركة فحسب، بل تعزز أيضًا إمكانية الوصول للممارسين مثل أخصائيي العلاج الطبيعي وعلماء الرياضة. تتحقق الأبحاث من دقة الطريقة المقترحة من خلال مقارنتها مع الأنظمة التقليدية المعتمدة على العلامات ومحاكاة MATLAB، مما يظهر أن النظام المعتمد على MediaPipe يمكنه تقدير زوايا المفاصل وعزمها بفعالية مع الحد الأدنى من التعقيد الفني. تشير النتائج إلى أن هذه المنهجية المبتكرة لديها القدرة على تبسيط التحليلات البيوميكانيكية وتحسين قابلية استخدام تقنيات التقاط الحركة في السياقات السريرية وإعادة التأهيل.
DOI: https://doi.org/10.1007/s11042-026-21256-z
Publication Date: 2026-01-27
Author(s): Suleyman Akturk et al.
Primary Topic: Balance, Gait, and Falls Prevention
Overview
This study investigates the application of MediaPipe for markerless joint angle estimation and its utility in calculating joint moments during sit-to-stand (STS) movements. The research addresses the need for an accurate, affordable alternative to traditional marker-based systems, which often limit natural movement. By utilizing a single camera setup, the method provides a cost-effective solution for motion analysis. Experiments conducted with 15 healthy volunteers demonstrated strong correlations in joint moment estimations for the hip (R = 0.94) and knee (R = 0.95), while the ankle showed moderate agreement (R = 0.11). These findings affirm the reliability of the markerless approach for lower limb analysis and its potential for real-time applications in clinical and sports settings.
The study highlights MediaPipe’s efficiency, achieving over 15 frames per second for 720p and 480p videos, making it suitable for slow and controlled STS movements without the need for extensive computational resources. The integration of MediaPipe with an inverse dynamics model enabled accurate joint moment calculations, providing valuable insights into STS biomechanics. While the method shows promise, limitations include its application solely to STS movements and reliance on a simplified inverse dynamics model. Future research could expand the method’s applicability to more dynamic movements and integrate comprehensive biomechanical models, as well as assess its performance in real-world clinical settings.
Introduction
The introduction of the research paper discusses the critical role of mobility in maintaining independence and quality of life, particularly as individuals age or face musculoskeletal and neurological disorders. It emphasizes the importance of monitoring mobility-related activities, such as sitting and standing, to prevent joint damage and diagnose existing conditions. The section outlines various motion analysis technologies, categorizing them into four main groups: traditional marker-based systems, inertial measurement unit (IMU)-based systems, depth-sensing camera systems, and deep learning-based markerless systems. This classification facilitates a comparative analysis of their respective advantages and limitations.
The paper highlights the evolution of motion capture systems, detailing the methodologies employed in kinematic and kinetic data collection. It notes that while traditional systems provide high accuracy, they often require complex setups and specialized personnel. In contrast, emerging deep learning-based approaches, such as OpenPose, offer greater accessibility and flexibility for real-time motion analysis, although they face challenges related to computational demands and environmental robustness. The introduction concludes by acknowledging the potential of integrating pose estimation with biomechanical modeling to enhance the accuracy of joint moment calculations in future studies.
Methods
The “Materials and Methods” section outlines the experimental design and procedures employed in the study. It details the specific materials used, including any reagents, equipment, and biological samples, ensuring reproducibility of the experiments. The methodology encompasses the protocols followed for data collection, including any statistical analyses performed to interpret the results.
Additionally, the section may describe the experimental conditions, such as temperature, duration, and any controls implemented to validate the findings. This comprehensive approach ensures that the research adheres to rigorous scientific standards, allowing for accurate assessment and comparison of the results within the broader context of the field.
Results
In this section, the authors present the results of their study on STS (Sit-to-Stand) motion analysis utilizing the MediaPipe library across various hardware configurations. They report on the prediction speeds achieved, highlighting the performance differences based on the specific hardware used. Additionally, the analysis includes a comparison of joint angles, angular accelerations, and moment values derived from videos of differing resolutions and captured under various lighting conditions.
The findings further detail a comparative analysis between the markerless predictions obtained from MediaPipe and those computed using Kinovea, demonstrating the efficacy and accuracy of the MediaPipe approach. Lastly, the authors evaluate joint moments calculated using both the link-segment model and MATLAB simulations, providing insights into the consistency and reliability of the different methodologies employed in the motion analysis.
Discussion
The discussion section of the research paper highlights the comparative analysis of marker-based and markerless motion capture systems for joint moment analysis, emphasizing their respective advantages and limitations. Marker-based systems, while offering high accuracy in joint kinematics, are often impractical for everyday clinical or sports settings due to their complex setups and specialized equipment requirements. Conversely, markerless systems, such as those utilizing MediaPipe, facilitate more natural movement recording and reduce setup time and costs. However, they face challenges related to accuracy, particularly in dynamic movements, and often lack real-time analysis capabilities. The authors argue that improvements are necessary in markerless systems to enhance robustness under varying conditions and to integrate real-time feedback into clinical decision-making.
The study introduces a novel application of MediaPipe for estimating joint angles and calculating joint moments during sit-to-stand (STS) movements using a low-cost, single-camera setup. This approach not only streamlines the motion analysis process but also enhances accessibility for practitioners such as physiotherapists and sports scientists. The research validates the accuracy of the proposed method by comparing it with traditional marker-based systems and MATLAB simulations, demonstrating that the MediaPipe-based system can effectively estimate joint angles and moments with minimal technical complexity. The findings suggest that this innovative methodology has the potential to simplify biomechanical analyses and improve the usability of motion capture technologies in clinical and rehabilitation contexts.