זיהוי תנוחת גוף וניטור ניקוד אוטומטי לשיקום ספורט

עזרה חכמה לתרגילי שיקום

כל מי שעבר פיזיותרפיה יודע כמה קשה לחזור על אותם תנועות נכון, יום אחרי יום, לעתים קרובות בלי לדעת האם הן "טובות מספיק". המחקר הזה מציג עוזר ממוחשב שמצלם תרגילי שיקום באמצעות מצלמה, מבין בזמן אמת את תנוחת הגוף ומדרג באופן אוטומטי עד כמה כל תנועה תואמת סטנדרט שאושר על ידי מטפל. המטרה היא לספק לחולים משוב מיידי ואובייקטיבי ולהקל על הצוות הרפואי, תוך שהשיקום נעשה מדויק ומעודד יותר.

מדוע מעקב אחר כל מפרק חשוב

שיקום ספורט מודרני נשען במידה רבה על היכולת שלנו לתצפת ולמדוד תנועות גוף בדיוק. שיטות ההערכה המסורתיות תלויות בעין ובניסיון של המטפל, שניהם בעלי ערך אך גם סובייקטיביים וגוזלים זמן. טעויות קטנות בתנוחה, כמו ברך מעט מוסטת או זווית כתף מוגבלת, יכולות להאט את ההחלמה ואף לגרום לבעיות נוספות—ועדיין קל לפספס אותן במהלך מפגשי מרפאה עמוסים. המחברים טוענים ש"זוג עיניים" דיגיטלי שעוקב אחרי מיקומי המפרקים פר פריים יכול לספק שיפוטים עקביים יותר, לתמוך בטיפול מרחוק ולעזור להתאים תוכניות תרגול להתקדמות של כל אדם.

מאמן דיגיטלי בשלושה שלבים

המערכת שבנו המחברים פועלת כמו צינור עיבוד עם שלושה שלבים מרכזיים. ראשית, מצלמה מקליטה את האדם המבצע תרגילי שיקום, כגון סקוואטים, לאנג'ים או הרמות ידיים אחרי ניתוח גב. כלי מעקב תנוחה בשם BlazePose הופך כל פריים של הווידאו למודל שלד המורכב מ‑33 נקודות מפתח—ירכיים, ברכיים, כתפיים וכן הלאה—שמתעד כיצד הגוף מסודר ונע לאורך זמן. לאחר מכן, שיטת למידת מכונה הידועה כיער אקראי (random forest) בוחנת דפוסים בנקודות המפתח הללו וחוזרת החלטה על סוג התנועה שמבוצעת והאם התנוחה נורמלית או חריגה. זה עוזר למערכת לזהות סוגים רבים של תרגילים בתנאי שדה אמיתיים, שבהם הרקע עמוס ולפעמים חלקי הגוף מוסתרים לרגע.

איך המערכת לומדת לדרג כמו מומחה

הכרה בתנוחה היא רק חצי מהבעיה; החצי השני הוא לדרג עד כמה היא תואמת לתנועת "תקן זהב". לשם כך מוסיפים החוקרים רשת נוירונים זוגית מיוחדת שמצטיינת בהשוואת דוגמאות. הרשת מאומנת על זוגות דוגמאות תנועה: אחת מתבנית התרגיל הסטנדרטית ואחת מן המטופל. היא לומדת למדוד עד כמה השניים דומים על ידי בחינת מיקומי המפרקים וזוויותיהם לאורך זמן. מדד דמיון מתרגם את ההשוואה הזו לציון איכות, בדומה לגירסה דיגיטלית של מומחה שסוקר רשימת ביקורת. תנועות שמתאימות בקירוב לתבנית הסטנדרטית מקבלות ציונים גבוהים, בעוד שאלה שסוטות יתר על המידה מסומנות כלא מספקות, מה שמאפשר למערכת להבהיר אילו תרגילים דורשים תיקון.

בדיקת העוזר הדיגיטלי

כדי לבדוק האם הכלי שלהם מוכן לשימוש מעשי, המחברים בחנו אותו בשתי אוספיות גדולות של נתוני תנועה: אחת עם תנוחות יום‑יומיות רבות והאחרת המתמקדת בתרגילי יוגה וכושר. הם השוו את המערכת המשולבת שלהם לאלטרנטיבות פשוטות יותר שהשתמשו או במכוין בסיסי או ברשת זמנית לבדה. בכל המבחנים השיטה החדשה זיהתה תנוחות גוף בדיוק של עד 98%, שמרה על שגיאה בהערכת זוויות מפרק מתחת לכ‑6% בקירוב, וייצרה ציוני שיקום שהתאימו בעקביות לדירוגים בסגנון מומחה. בנוסף היא עבדה במהירות מספקת—כעשרות מילישניות או פחות לפריים—כך שניתן היה לספק משוב בזמן אמת במהלך אימונים.

מה משמעות הדבר לחולים ולמטפלים

במלים פשוטות, המחקר מראה שמצלמה בתוספת תוכנה חכמה יכולה "לראות" באופן אמין כיצד אנשים נעים, לזהות כל תרגיל ולשפוט את איכותו באופן התואם היטב לדעות מומחים אנושיים. אמנם המערכת עדיין זקוקה לבדיקה במגוון רחב יותר של סביבות וקבוצות מטופלים שונות, אך היא כבר מראה שניטור ותימחור תנוחות אוטומטיים יכולים להפוך לעוזר חזק בשיקום ספורט. אם תשכלל ותופץ באופן נרחב, כלים כאלה עשויים להעניק לחולים הנחיות ברורות יותר, לעודד אותם עם משוב מיידי ולפנות את המטפלים להחלטות ברמה גבוהה יותר—ולבסוף לשפר תוצאות החלמה ואיכות חיים.

ציטוט: Peng, X., Mao, X. & Fang, X. Human pose recognition and automated scoring detection for sports rehabilitation. Sci Rep 16, 13545 (2026). https://doi.org/10.1038/s41598-026-43294-1

מילות מפתח: שיקום ספורט, אומדן תנוחת גוף, דירוג תנועה אוטומטי, טכנולוגיה לפיזיותרפיה, ראיית מחשב ברפואה