光学运动捕捉技术在肩关节生物力学中的研究进展肩关节是全身最灵活、活动范围最大的关节，广义上由胸锁关节、肩锁关节、肩胛胸壁关节以及盂肱关节构成。任意一个关节的骨骼或肌肉系统出现异常，将会影响到其他几个关节的正常运动。对肩关节的检查的传统方式主要有各种主观评分及体格检查及影像学检查，这些检查方法难以测量肩关节在不同平面的比较客观的运动。近年来，其他记录肩关节在三维空间运动的技术在迅速发展，如放射立体测量分析（RSA），双平面技术，运动捕捉等。但目前尚无国际公认最好的捕捉肩关节运动的技术，其原因是各技术存在一定的优点和缺点，获得不同的研究数据需要不同的研究方法。放射立体照相测量分析和双平面技术虽然精确度高，但RSA需要在肩部植入金属标记，为有创操作。双平面不能捕捉复杂运动及日常生活中的常用动作，并且计算过程复杂。光学运动捕捉具有无创伤、无辐射、能捕捉复杂运动等优点，近年来，国内外将这种技术主要应用于下肢，用于捕捉下肢的步态改变，通过对步态的分析来研究下肢的生物力学。由于上肢较下肢灵活，生物力学较下肢复杂，运动捕捉在上肢的应用较少。本研究通过阅读大量文献，从光学运动捕捉的测量原理、减少皮肤软组织伪影的方法、与测量结果相关的因素、对肩关节疾病的研究4个方面来介绍光学运动捕捉，以期对临床及肩关节生物力学的研究提供一定的帮助。

光学运动捕捉系统的测量原理

光学运动捕捉系统一般由多个不同位置的摄像机、计算机、标记（Marker）及数据处理软件等组成，根据标记类型分为主动式和被动式两种。主动式的标记的发光二极管可产生红外光线，例如英国的Codamotion三维动作捕捉系统。被动式的标记表面涂有荧光等特殊的反光材料，能够反射摄像机发出的红外光线，例如英国的Vicon三维动作捕捉系统。标记反射或发出的光线能够被特殊的摄像机所捕捉，根据计算机视觉原理，1个Marker如果至少同时被2个摄像头所捕捉，就可以确定该点的空间位置。

光学运动捕捉是将人体各部分的运动简化为刚体的运动，1个刚体的运动可以由3个不在同一条直线上的点来描述。受试者在指定区域内运动时，使得Maker与身体的被测部分保持相对静止，通过捕捉和对应关节或骨上的Marker点的运动，将捕捉到的Marker运动数据转化为人体的骨骼运动数据。为了方便研究，人体骨骼的坐标由国际生物力学学会所建议，每个骨都有其独立的局部坐标系。通过建立好的坐标系，将Marker的运动转化为骨的运动数据，以欧拉角表示每个骨在局部坐标系中绕X－Y－Z轴的运动。α表示绕Z轴的角度，γ表示绕Y轴的角度，β表示绕X轴旋转的角度。在进行测量前，首先选择一个静态姿势，先通过粘贴在骨性标志上的Marker建立个性化的骨骼模型，明确Marker群与骨骼的相对位置关系；之后在运动过程中，只要完整捕捉到Marker空间位置，就能得出骨骼的运动学数据。

提高捕捉精确度的方法

在运动过程中，随着皮肤相对于骨的滑动，固定在皮肤上的Marker也会相对骨骼滑动，这种滑动会给骨骼空间位置的确定带来误差，尤其是在肌肉比较厚或活动范围较大的部位。大多数研究将3个Marker固定在1个不易变形的刚体上，形成Marker群，然后把Marker群固定在肢体上，这样就能最大限度提高骨骼运动数据的精确度。另外，为防止某个Marker被遮挡而导致运动数据缺失，刚体上固定的Marker通常为4个。由于肩胛骨是一种扁平的三角形骨，位于胸腔后部，不能像四肢一样捆绑标记群来减少皮肤移动来测量肩胛骨的运动。众多方法被开发出来以测量肩胛骨的运动，包括骨针及肩关节模型法，肩胛骨定位装置法，单校准肩峰标记群法，双校准肩峰标记群法，线性回归法，曲面插值法。

骨针与肩胛骨定位装置     一些研究者在局麻下将带有标记的骨针固定到受试者的肩胛骨上，这避免了皮肤标记与肩胛骨之间的软组的滑动带来的误差。这种方法被认为是“金标准”。DALMASO等在4名志愿者的肩胛骨、锁骨、肱骨上分别植入了1枚骨针，每个骨针的末端带有4个Maker，以便能够捕捉肩关节的运动。捕捉到骨骼的运动数据以后，利用线性回归方法计算运动学数据，发现此方法测量盂肱关节位移和旋转的误差分别＜0．15mm和＜0．2°。但另外有研究指出，骨针的植入限制了肩关节皮肤的移动，这有可能影响肩关节的正常运动。这种方法虽然精度高，但为有创检查，很难在临床中广泛应用。

有研究者开发出了一种能无创测量肩胛骨运动位置的仪器，被称为肩胛骨定位装置（SL），由于其精度高，被研究者认为是测量肩胛骨运动学的“银标准”。SL最早应用在电磁捕捉系统，SL由不易形变的金属制成，两边之间的角度可在一定范围内调节，每个边上各固定有1个可滑动的触针，角的顶部的也有1枚触针，每个触针的上方都有Marker。使用时，首先让肩胛骨保持特定的姿势不动，之后将SL的触针置于肩胛骨的3个易于触及的骨性解剖标志，即肩峰后角、肩胛棘内侧点和肩胛下角。此时，利用SL上Marker的空间位置数据，就可计算肩胛骨的空间位置数据。KUO等利用SL测量受试者手臂在肩胛平面内0°～120°活动时肩胛骨的运动，结果发现，与误差最小的骨针法相比，肩胛骨的内旋或外旋，上旋或下旋，前倾或后倾3个方向最大误差分别为2．39°、3°、3．24°，组内相关系数（ICC）均＞0．9。在该作者的另一项研究中，2名测试者测量23名健康青年男性，用ICC评价了这种方法在测量肩胛骨旋转和平移方面的可靠性，结果发现SL测量肩胛骨旋转和平移的ICC均＞0．8，有非常高的可靠性。笔者认为，SL法虽然精度和可靠性较高，但在测量过程中需要将1个简单动作分为多个动作，在肩关节保持静止的条件下测量，并且在每个姿势下需要重新放置SL，此时需重新对于肩胛骨解剖标志进行触诊，整个测量过程所花时间较长并且不能捕捉连续性的肩关节运动。

肩峰标记群     为了能提高获得数据的数量及速度，VANANDEL将3、4个不共线的Marker固定在1个体积小的刚体上，称为肩峰标记群（AMC），为了使误差最小，将AMC固定在皮肤软组织较薄的肩峰和肩胛嵴交汇处。固定好标记后，在保持静止的校准姿态下完成对标记群的一次校准，就能连续捕捉肩关节的运动，这种方法被称为单校准肩峰标记法（SC），在光学运动捕捉中应用最广泛。

GREWAL等研究了28名右利手的健康年轻志愿者，在39个静态姿势下，以带有4个标记的位置针为标准，分别用SC和SL测量肩胛骨旋转，发现SL法和SC法都低估了上旋，SL法低估4°，SC法低估0．9°，SC的测量结果更接近触诊，并且认为SC比SL估计肩胛骨旋转有更高的精度。但该研究只是在静态姿势下进行比较，运动下SC法的精确度没有进行研究。一些学者比较了运动条件下AMC的精确度。吴腾飞分别用SL和SC测量了13名健康男性在矢状面和冠状面手臂上举20°～100°时肩胛骨旋转的角度，结果发现两种方法的最大差异＜4．6°，和SL法相比，SC低估了肩胛骨运动。ALEXANDER等研究了20名年轻志愿者，让志愿者在肩胛平面和矢状面进行0°～150°的手臂外展和屈曲，每个志愿者被测试3次，第1次和第3次由第1名研究人员分别在第1日和第8日测量，第2次由另一名研究者于第2日测量，同样采用了ICC来评估AMC的可靠性；结果发现，AMC在＜20°或120°～150°时的外展或屈曲角度时可靠性降低，而在20°～120°的可靠性非常高（ICC＞0．9）。

以上研究应用SC法测量肩胛骨的运动都在上臂上举＜120°，这是因为＞120°时三角肌的收缩和皮肤相对肩峰的滑动使得肩峰标记簇不能和肩胛骨保持相对静止而使误差增大。SC法的研究报道最多，但进一步的研究应该结合X线、CT、MRI等，研究患者的肩峰形态、喙突形态等骨性参数对于运动学异常的影响，以进一步研究肩关节撞击学说。由于SC法对于手臂高于120°时肩胛骨运动捕捉数据的误差过大，BROCHARD等提出了一种双校准的方法（DC），该方法利用手臂上举0°位与外展180°2个静态位置的运动学数据，通过数学算法对原来的数据进行校正，并且和传统的SL和单校准法进行比较，发现DC的均方根误差（RMSE）为2．96°～4．48°，而SC的RMSE为6°～9．19°，DC法的RMSE较小。

LANG等研究了25名乳腺癌术后患者（平均年龄52．8岁）与25名健康女性，并与SL法和SC法的RMSE进行比较，发现SL测得的误差随着手臂外展角度的增大，其误差也随之变大；而用DC法在手臂上举角度达到180°时，其RMSE仍然保持在5°左右。该方法很大程度上提高了捕捉数据的精确度，并且可以测量手臂上举较高角度时肩关节的运动数据，但使用该方法，受试者手臂的运动必须限制在单个平面，不能研究投掷运动、日常生活动作或专业运动员的复杂动作。

线性回归法     NICHOLSON等在肩峰上只用1个标记来代替原来的肩峰标记簇，并在肩胛骨的3个骨性标志，即肩峰后角、肩胛棘内侧点和肩胛下角上放置标记，招募了9名健康志愿者，受试者的11个静态姿势下的运动数据同时被精确度很高的双平面和光学运动捕捉系统所记录；每个动作用光学运动捕捉记录60次，11个动作共660个数据集，然后通过多元线性回归计算出每个受试者的肩胛骨的旋转角度的回归曲线；与高精度的双平面进行对比，结果发现最大绝对误差为11°，平均误差＜8°。在另一项研究中，RICHARDSON对14名青年男性棒球投手进行研究，比较了SL和AMC和线性回归法的RMSE，回归曲线法的RMSE为（2．8°～6．3°），而AMC的RMSE为（5．1°～15．8°），在持球晚期和投掷后期，回归法与SL法的位置近似，而SC法计算出来的旋转角度与SL法有明显差异。该方法需要在运动过程中捕捉的肩胛骨运动数据集＞100个，计算过程比较复杂。但是该方法大大减少了误差并且能应用于肩关节跨多个平面的复杂运动。

曲面插值法      MATSUMURA等开发了一种曲面插值法，该方法沿用了单校准AMC捕捉到的数据，利用Matlab软件及曲面差值算法对肩胛骨旋转数据进行校正，从而得出误差较小的肩胛骨旋转角度，该方法也可以测量跨平面全运动范围的肩关节运动学；与SC法相比，多元线性回归法和插值法都降低了软组织对于测量带来的误差；曲面插值法的方法的RMSE范围为3．0°～8．6°，而SC法的RMSE为3．0°～11．6°；回归方法的RMSE为1．3°～10．4°，曲面插值法的RMSE小于线性回归法。另一项研究中，UEDA等研究了67名大学生棒球运动员，测量了在整个棒球投掷过程中的运动；与正常组相比，异常组在手臂上举达到最大高度时，盂肱关节上抬的角度明显增大（9°），肩胛骨后倾角明显减小（6°）；该方法目前在光学捕捉肩胛骨方面的应用很少，尤其是肩关节疾病方面，未来有广阔的应用前景。

数据优化与肩关节模型     另外一些研究者还开发了虚拟的人体肩部模型和数据优化算法，通过模型上对关节自由度的限制或使用数学算法对收集到的肩部运动数据进行后期的优化来提高数据精度。目前最接近生理肩关节运动的是允许肩胛骨在1个椭圆球上滑动的模型。一些研究者证实了该模型在不同的体育运动中对肩关节运动数据处理的有效性。BLACHE等对打高尔夫球运动过程中的运动数据进行多体运动优化算法处理，比较了肩胛骨固定在胸壁上的简单肩关节模型和椭球滑动模型的肩胛骨运动学，结果发现更复杂的椭圆球滑动模型能更有效跟踪实验标记。PUCHAUD等研究了10名健康的受试者在推轮椅动作过程中的肩部动作，在OpenSim软件下比较了与椭圆球肩关节模型与其他两种肩关节模型的RMSE，结果发现椭圆球滑动模型的RMSE最小，平移和旋转运动的RMSE分别为20mm和7°。

PUCHAUD等对使用轮椅超过1年的7例患者进行研究，发现椭圆球滑动模型相比于其他3种模型，对推轮椅动作运动的描述更合理，并且用软件计算了运动过程中的肌肉和关节的数据。BARNAMEHEI等研究了20名羽毛球运动员的扣球动作，受试者以慢、正常、快3种速度扣球，在OpenSim软件下比较了椭圆球模型与其他3种模型的精确度，发现运动速度与运动数据的精确度不相关，椭圆球滑动模型是处理羽毛球扣球动作的最佳模型。有的研究者还开发出了肩关节手术后的模型，BOURGAIN等开发了一种全肩关节置换术后的肩关节动力模型，这是一种病理模型，所得到的数据不需要优化就能直接计算。以上处理肩关节数据的模型接近生理状态下的肩部运动学，优点是能根据软件反算出肌肉力量及关节所受应力，能捕捉大范围运动、日常生活肩部运动及复杂运动，但不能完全模拟肩关节疾病患者的实际肩关节骨骼形态，未来的模型应该结合CT三维重建的骨骼形态数据并多开发病理下的肩关节模型，以在临床中辅助疾病的诊断，治疗与康复。

与测量结果相关的其他因素

肩关节的运动学测量结果除了受标记与骨骼之间相对滑动的影响以外，受试者的身体质量指数（BMI），手臂有无负荷，运动平面以及校准姿态，掌心朝向的都是肩关节运动捕捉的影响因素。LANG等研究了50名女性，平均BMI为26．8，30名被测者被归类为超重，11名被归类为肥胖，认为SL和SC误差的增大的原因是BMI的影响，较肥胖的患者肩胛骨周围的脂肪组织会影响肩胛骨骨性标志的触诊，但同时发现DC法可以减低BMI对于测量精度的影响。WOCHATZ等用AMC对12名健康志愿者进行研究，让志愿者在无负荷和最大负荷在肩胛平面20°～120°做手臂上举和手臂下降，以每20°作为1个测量间隔，结果发现与无负荷相比，最大负荷条件下，手臂上举和下降时肩胛骨上旋增加；并且认为负荷增加使上旋增加，是生理条件下对于肩关节的保护机制，这种机制避免了肱骨头对肩峰的撞击。

除BMI和负荷对光学运动捕捉的影响以外，不同的平面下手臂上举相同的角度时，肩胛骨的旋转角度大小并不相同。PICCO等用SC研究了30个健康成人，受试者在6个与冠状面呈不夹角的平面，即0°（冠状面）、30°、40°（肩胛平面）、60°、90°（矢状面）、120°共6个平面内手臂上举10°～120°时，肩胛骨的旋转，发现不同的平面下虽然手臂上举了相同的角度，但肩胛骨的上旋或下旋，内旋或外旋及前倾或后倾的角度都不相同；并认为影响肩胛骨旋转的主要因素有上肢上举或下降的角度及不同的阶段（手臂上抬和下降为2个不同的阶段），女性在手臂上举较高时，肩胛骨后倾较男性少，这可能是女性肩部疾病发病率较男性高的原因之一。

肩关节运动异常不一定在所有平面下的运动中都存在，肩关节病患者在某些运动平面下的肩肱节律可保持正常。ZAFERIOU等对反向全关节置换术（RSTA）手术前后的11例患者肩关节运动进行测量，让患者在矢状面、肩胛平面（与冠状面40°）、冠状平面下进行手臂抬高，发现在肩胛平面中RTSA前的患者肩关节肩肱节律为1．5（0．5），RSTA术后增加到1．7，差异不显著；但手臂在冠状面运动期间，RSTA术前为1．3（0．4），差异具有统计学意义（P＜0．05）；手臂在冠状面前屈，术前为1．2（0．3），术后为1．7（0．2），术后较术前显著增加（P＜0．001）；RTSA前后的肩肱节律小于健康人的节律比率。对于哪个平面下捕捉到的肩关节运动对疾病最有意义目前尚无统一的结论。校准姿态也对肩胛骨的旋转角度有影响。ZAFERIOU等对具有肩关节置换术指征的8例患者在术前进行研究，对比了4种不同的校准姿势下的肩胛骨运动学。结果发现不同的校准姿态对肩胛骨上旋或下旋，内旋或外旋，前倾或后倾的测量结果出现了线性偏移，各个校准位置对同一患者测量的角度不同，并且上旋或下旋的差值较小，在5°以内；但其他2个方向，即内旋或外旋，前倾或后倾的差异明显较大。另外，掌心朝向也是影响肩关节运动的因素。李鸣研究了11名健康志愿者，手臂在肩胛骨平面以掌心向前和掌心向后的姿势进行20°～80°的屈曲，结果发现锁骨、肩胛骨、肱骨在2种运动姿势下的运动学数据均不相同。

光学运动捕捉对于肩关节疾病的研究

异常的肩胛骨运动被称为肩胛骨动力障碍或肩胛骨运动障碍，这种运动模式的改变是撞击综合征、肩关节不稳定和肩袖撕裂等肩部疾病的高危因素。肩胛骨动力障碍使肩胛骨上旋减少，肩峰下间隙变窄，使肱骨头更容易和肩峰撞击。多数研究者让患者的手臂分别在在矢状面、肩胛平面、冠状面这3个不同的平面内运动，WARNER等研究了11名撞击试验阴性的轮椅网球运动员，并与16例肩关节撞击证患者和16名没有肩关节撞击证的健康人比较，在以上3个平面进行0°～120°手臂上举和下降；所有人的优势肩比非优势肩上旋增加3．9°，下旋减少4．3°，差异具有统计学意义（P＜0．05）；网球运动员比撞击证阳性患者具有更多的肩胛骨上旋（P＝0．014）。HUNG等研究了15例锁骨骨折手术后6个月并完全康复的患者，并纳入15名健康人作为对照组，在肩胛平面、冠状面和矢状面内手臂上举0°～150°，手术后患者的各项主观评分均与健康人无差别，但在3个平面的运动学分析中，肩胛骨和锁骨的运动都与健康人有明显差异。LANG等对25例乳腺癌术后患者和25名健康对照者研究，测量了在肩胛平面、冠状面和矢状面的肩胛骨运动，发现疼痛组肩胛骨上旋减少达到了7．1°。BRUTTEL等对16例RSTA术后患者和11名年龄匹配的健康志愿者进行对照研究，发现矢状面手臂前屈时，RSTA术后患者平均SHR为1．9，而对照组为2．78；并用肩胛骨上旋的角度除以整个手臂抬高的角度的比值，来表示肩胛骨对抬高所做的贡献，在矢状面RSTA术后患者的肩胛骨上旋百分比为36．5％，而对照组为28．5％；冠状平面肩胛骨上旋占百分比为38．1％，而对照组对抬高的贡献为30．2％，差异具有统计学意义。以上研究虽然发现了肩胛骨的异常运动，但是仅对肩关节其中的单个关节进行了研究，没有将4个关节的运动作为一个整体，且手臂上举角度均＜120°，局限在单一平面。未来应该研究4个关节组成的肩关节复合体在手臂上举全范围的运动。

总结与展望

在进行光学运动捕捉研究时，应该注意选取的运动平面、测量方法和数据处理方法的选择。以往的SL法虽然精度较高但不能捕捉肩胛骨的动态运动，在测量过程中需要在不同的姿态下重新定位。单校准AMC法虽然可以捕捉肩胛骨的动态运动，但在测量大于手臂上举120°时误差较大。DC法可以捕捉手臂在单个平面运动时内全范围的肩胛骨运动，但不能处理跨平面运动的数据。线性回归法和曲面插值法可以捕捉不同平面的运动，已被用来捕捉投掷运动的运动数据。数据优化和肩关节模型能根据软件反算出肌肉力量及关节所受应力，能捕捉大范围运动、日常生活肩部运动及复杂运动。对未来的研究应该应用更精确的线性回归法和曲面插值法进行肩关节疾病的研究，并应该开发出简单的软件，使临床医师对于数据的处理变的更加方便。进一步的研究还应该结合X线、CT、MRI等，研究患者的肩峰形态，喙突形态，肩关节关键角等骨性参数对于运动学异常的影响。