Zestaw multimodalnych danych biomechanicznych z zsynchronizowaną kinematyką i wewnętrznymi ruchami tkanek podczas sięgania

Dlaczego ukryty ruch wewnątrz mięśni ma znaczenie

Za każdym razem, gdy sięgasz po kubek lub podajesz komuś przedmiot, twoje ramię wygląda, jakby poruszało się jako jeden, solidny element. W rzeczywistości to warstwowy, ślizgający się pęk mięśni, tłuszczu, skóry i kości, wszystkie przesuwające się pod powierzchnią w skomplikowany sposób. Te ukryte ruchy mogą kryć wskazówki, dlaczego niektórzy poruszają się z pozorną łatwością i precyzją, inni zaś rozwijają ból lub kontuzje, oraz jak projektować lepsze terapie, treningi sportowe, a nawet roboty. Niniejsze badanie przedstawia bogaty, publiczny zestaw danych, który pozwala badaczom, klinicystom i inżynierom zajrzeć pod skórę podczas wykonywania prostego zadania sięgania, łącząc to, co ramię robi na zewnątrz, z tym, co dzieje się wewnątrz tkanek.

Zajrzeć poniżej powierzchni prostego sięgnięcia

Naukowcy skupili się na bardzo podstawowym ruchu: wolnych, rytmicznych sięgnięciach do przodu wykonywanych w pozycji stojącej, z ręką poruszającą się od biodra przed ciało i z powrotem. W badaniu wzięło udział 36 zdrowych dorosłych, obejmujących trzy szerokie poziomy umiejętności: wykonawców światowej klasy i sportowców, osoby na poziomie regionalnym lub długoterminowo uprawiających rekreacyjnie, oraz osoby bez formalnego treningu ruchowego. Wybierając proste zadanie bez określonego celu i taktując je wizualnym metronomem, zespół zminimalizował wpływ czasu reakcji, strategii i sportowych sztuczek. Projekt miał raczej na celu uwidocznić bardziej ogólne cechy kontroli mięśni i zarządzania subtelnymi drżeniami przy powolnym ruchu — sytuacją, która dla ludzi często okazuje się zaskakująco trudna.

Wiele czujników obserwujących ten sam ruch

Aby zarejestrować zarówno widoczny ruch ramienia, jak i ukrytą aktywność wewnętrzną, badanie łączyło kilka typów czujników rejestrujących jednocześnie. Zewnętrzny ruch barku, ramienia, łokcia, przedramienia i dłoni śledzono w 3D przy użyciu refleksyjnych markerów i pierścienia szybkich kamer. Zestaw małych, bezprzewodowych urządzeń na bicepsie, tricepsie i dłoni mierzył elektryczną aktywność mięśni oraz drobne przyspieszenia, przydatne do wykrywania drżeń. Najbardziej nietypowo, cienki przetwornik ultradźwiękowy został przytrocowany wokół górnej części ramienia, aby obrazować przekrój tricepsa i brachialisa oraz otaczającej tkanki tłuszczowej i kości ramiennej. To stworzyło dziesiątki tysięcy „klatek filmowych” wnętrza ramienia podczas ruchu.

Przekształcanie surowych nagrań w użyteczne sygnały

Zebranie wszystkich tych strumieni danych to tylko połowa wyzwania; trzeba je też precyzyjnie wyrównać w czasie i oczyścić, zanim inni będą mogli z nich skorzystać. Każdy system czujników działa na własnym zegarze, dlatego zespół użył impulsów synchronizujących i starannej analizy, aby skalibrować dryf zegarów względem siebie, a następnie matematycznie przeskalował i przesunął dane, tak by na przykład wybuch drżeń w akcelerometrze pokrywał się z odpowiadającym mu wahnięciem w ruchu stawów i ruchu tkanek. Ślady z motion capture zostały przefiltrowane i zredukowane do jednego głównego sygnału „ruchu ramienia”, co ułatwiło wykrywanie każdego cyklu sięgnięcia. Sygnały mięśni zostały przefiltrowane i przekształcone w gładkie obwiednie ukazujące, jak silnie każdy mięsień był aktywny. Drżenia izolowano koncentrując się na określonym paśmie częstotliwości w akcelerometrach, a automatyczne algorytmy — następnie sprawdzone wizualnie — oznaczały momenty rozpoczęcia i zakończenia drżeń.

Śledzenie poszczególnych punktów wewnątrz mięśnia

Najbardziej charakterystyczną cechą tego zestawu jest to, że nie przechowuje on jedynie obrazów ultradźwiękowych; zawiera także śledzone trajektorie 11 konkretnych punktów w każdym wideo, obserwowanych klatka po klatce w około 300 000 obrazów. Niektóre z tych punktów leżą na kości ramiennej i na granicy między dwoma mięśniami, inne znajdują się w różnych strefach tricepsa i brachialisa. Aby stworzyć te ślady, autorzy zastosowali półautomatyczny proces zaczynający się od ręcznego oznaczenia umiarkowanej liczby klatek, następnie szkolący model głębokiego uczenia do śledzenia tych samych punktów przez cały film, a na końcu stosujący narzędzia optycznego przepływu i ręczne poprawki tam, gdzie było to konieczne. Efektem jest gęsty, ciągły opis tego, jak maleńkie obszary tkanki się ślizgają, rozciągają i odkształcają względem siebie podczas sięgania — informacje niemal niemożliwe do uzyskania nieinwazyjnymi metodami w inny sposób.

Wspólne źródło danych dla badań nad ruchem, zdrowiem i AI

Wszystkie nagrania, pochodne miary i kod są swobodnie udostępnione w standardowych formatach, wraz z samouczkami dotyczącymi ładowania i wizualizacji danych w powszechnym oprogramowaniu naukowym. Ponieważ zestaw danych łączy ruch na poziomie stawów, aktywność mięśni, drżenia i wewnętrzny ruch tkanek u osób o zróżnicowanych poziomach umiejętności, może być użyty do badania, jak eksperci różnią się od nowicjuszy, jak siły przenoszą się przez ramię lub jak subtelne zachowanie tkanek może wiązać się z bólem albo wydajnością. Równocześnie śledzenie punktów ultradźwiękowych klatka po klatce stanowi rzadkie pole treningowe dla nowoczesnych systemów deep learning dążących do automatycznego śledzenia struktur na obrazach medycznych. Krótko mówiąc, ta praca nie odpowiada na jedno wąskie pytanie; oferuje starannie zwalidowaną podstawę, na której można budować wiele przyszłych badań nad ruchem człowieka i analizą obrazów medycznych.

Cytowanie: Pallarès-López, R., Folgado, D., Magana-Salgado, U. et al. A multimodal biomechanics dataset with synchronized kinematics and internal tissue motions during reaching. Sci Data 13, 709 (2026). https://doi.org/10.1038/s41597-026-07019-3

Słowa kluczowe: ruch człowieka, obrazowanie ultrasonograficzne, mechanika mięśni, zbiór danych biomechanicznych, śledzenie z użyciem deep learning