📰 OpenCap: ระบบตรวจจับการเคลื่อนไหวราคาประหยัดแบบไม่ใช้มาร์กเกอร์ สำหรับการวิเคราะห์การเคลื่อนไหวของขาในผู้ใช้ขาเทียมระดับเหนือเข่า
Validity and Reliability of OpenCap: A low-cost markerless motion capture system for lower extremity kinematics in Transfemoral prosthetic users
บทความจาก👩🎓 นักศึกษาระดับปริญญาเอก สาขากายอุปกรณ์ โรงเรียนกายอุปกรณ์สิรินธร คณะแพทยศาสตร์ศิริราชพยาบาล มหาวิทยาลัยมหิดล นางสาววิศวภรณ์ เนียมแสง
เป็นความร่วมมือกันระหว่าง Faculty of Medicine Siriraj Hospital, Faculty of ICT, and College of Sports Science and Technology Mahidol University ร่วมกับ
Department of Exercise and Sport Science, St. Mary's University และ School of Medicine, Walailak University
งานวิจัยนี้ทำการประเมินประสิทธิภาพของ OpenCap ซึ่งเป็นระบบตรวจจับการเคลื่อนไหวแบบไม่ใช้มาร์กเกอร์ผ่านเว็บ (Web-based markerless motion capture) ทำให้มีราคาประหยัด โดยทดสอบกับผู้ใช้ขาเทียมระดับเหนือเข่าเพื่อเปรียบเทียบข้อมูลกับการใช้ระบบกล้องตรวจจับมาร์กเกอร์ (MBS) มาตรฐานดั้งเดิม
ผลลัพธ์แสดงให้เห็นว่า OpenCap มีความแม่นยำและความน่าเชื่อถือสูงมากในการวัดข้อมูลเชิงพื้นที่และเวลา (เช่น ความเร็วหรือระยะก้าว) รวมถึงการเคลื่อนไหวในระนาบหน้าตรง แต่ยังมีข้อจำกัดด้านความถูกต้องในการคำนวณมุมองศาเชิงลึกของข้อต่อ โดยเฉพาะการหมุนของข้อสะโพกและข้อต่อฝั่งขาเทียมที่ยังมีความคลาดเคลื่อนสูง
จากบทความแสดงให้เห็นว่า OpenCap เป็นเครื่องมือทางเลือกที่คุ้มค่าและเข้าถึงง่ายสำหรับใช้งานในคลินิกที่มีงบประมาณจำกัด แต่ในทางคอมพิวเตอร์ ระบบนี้ยังต้องพัฒนาตัวแบบ (Model) และอัลกอริทึมการติดตาม (Tracking) เพิ่มเติม เพื่อให้สามารถตรวจจับและแยกแยะการเคลื่อนไหวที่ซับซ้อนของโครงสร้างขาเทียมได้อย่างแม่นยำยิ่งขึ้นในอนาคต
โดย Wisavaporn Niamsang, Gary Guerra, Worapan Kusakunniran, Harit Apidech, Pattaraporn Kongsatan, Pilipda Chaiwan, Chayanan Kittiteerathamrong, Saloottra Kla-arsa, Jutima Rattanakoch, Manunchaya Samala
อ่านฉบับเต็มได้ที่ https://www.sciencedirect.com/science/article/pii/S0010482526003811
Abstract
The 3D marker-based optical system (MBS) is the benchmark for biomechanical measurement, but it is limited by cost, time, and accessibility. OpenCap, a web-based 3D markerless motion capture system, has the potential to address these limitations, although its validity and reliability in transfemoral prosthesis users remain unclear.
This study aimed to evaluate the validity and within-session reliability of OpenCap in 31 transfemoral prosthetic users (mean age 44.52 ± 14.90 years). Participants performed walking trials on a dual-belt treadmill at a self-selected comfortable speed, while kinematic data were collected simultaneously using OpenCap and MBS. Statistical analyses included Intraclass Correlation Coefficients (ICC), Statistical Parametric Mapping (SPM1d), and Root Mean Square Error (RMSE).
OpenCap showed excellent agreement for spatiotemporal parameters (ICC >0.99 with RMSE <2). However, agreement across joint kinematics varied between parameters, with lower accuracy observed in peak joint angle estimation. RMSE values generally ranged from 0 to 10°, with higher errors observed in hip rotation (>10°). For time-series kinematics, SPM1d analysis identified significant differences (p < 0.05) in joint kinematics across the gait cycle, particularly at the knee and ankle.
Within-session reliability was good to excellent (ICC >0.75) for spatiotemporal parameters and several sagittal- and frontal-plane kinematic variables. Lower reliability (ICC = 0.584–0.733) was observed in transverse-plane measures on both sides and in some ankle measures on the prosthetic side, particularly hip rotation ROM on the prosthetic side.
OpenCap provides valid spatiotemporal data and may serve as an accessible tool for gait assessment. However, joint kinematic accuracy requires improvement. Future research should focus on optimizing tracking for the complex prosthetic movements.
Abstract (บทคัดย่อ)
งานวิจัยนี้เป็นการประเมินประสิทธิภาพของ OpenCap ซึ่งเป็นระบบจับการเคลื่อนไหวแบบไร้ตัวมาร์กเกอร์ (Markerless) ผ่านเว็บที่ใช้กล้องสมาร์ตโฟนทั่วไป โดยนำมาทดสอบกับผู้ใช้ขาเทียมระดับเหนือเข่า 31 คน เพื่อเปรียบเทียบข้อมูลกับระบบมาตรฐานดั้งเดิมที่ใช้กล้องความเร็วสูงราคาแพงร่วมกับตัวมาร์กเกอร์สะท้อนแสง
ผลการทดสอบพบว่า OpenCap มีความแม่นยำสูงมากในการวัดข้อมูลพื้นฐานอย่างความเร็วหรือจังหวะก้าว แต่ยังมีความคลาดเคลื่อนในการคำนวณมุมองศาของข้อต่อต่าง ๆ โดยเฉพาะการหมุนของข้อสะโพกและข้อต่อฝั่งขาเทียม
Introduction (บทนำ)
การวิเคราะห์การเคลื่อนไหวของมนุษย์มีความสำคัญมากในการฟื้นฟูผู้พิการ แต่ระบบกล้อง 3D มาตรฐานในปัจจุบันมีราคาแพงและใช้งานยาก ในปี 2022 จึงมีการพัฒนา OpenCap ขึ้นมาเป็นซอฟต์แวร์บนเว็บที่เปิดให้ใช้ฟรี
โดยใช้วิดีโอจาก iPhone หรือ iPad เพียง 2 เครื่อง แล้วส่งไปประมวลผลบนคลาวด์เพื่อสร้างแบบจำลองการเคลื่อนไหว 3 มิติ งานวิจัยนี้จึงต้องการทดสอบว่าระบบที่เข้าถึงง่ายและประหยัดนี้ จะมีความแม่นยำเพียงพอสำหรับนำมาใช้จับการเคลื่อนไหวที่ซับซ้อนของผู้ใส่ขาเทียม ซึ่งมีลักษณะการเดินต่างจากคนปกติหรือไม่
Materials and Methods (วัสดุและวิธีการดำเนินงาน)
ทีมวิจัยให้ผู้ทดสอบ 31 คนเดินบนลู่วิ่ง โดยใช้กล้อง iPhone 2 เครื่องตั้งมุม 45 องศาเพื่ออัดวิดีโอส่งให้ระบบ OpenCap ซึ่งใช้อัลกอริทึมคอมพิวเตอร์วิชัน (โมเดล HRNet และ LSTM) ในการตรวจจับจุดสำคัญบนร่างกายแบบ 2D แล้วแปลงเป็นพิกัด 3D ในขณะเดียวกันก็เปิดใช้งานระบบกล้องมาตรฐาน Vicon 10 ตัวควบคู่กันเพื่อเก็บข้อมูลมาเปรียบเทียบ จากนั้นนำข้อมูลดิบจากทั้งสองระบบมาผ่านฟิลเตอร์ลดสัญญาณรบกวน (Low-pass filter) และตัดแบ่งข้อมูลตามรอบการเดินเพื่อนำไปคำนวณทางสถิติ
Results (ผลการทดลอง)
ผลลัพธ์ชี้ว่า OpenCap ทำได้ดีเยี่ยมในการวัดค่าความเร็วและจังหวะการเดิน (ค่าความสอดคล้องทางสถิติ ICC > 0.99) แต่เมื่อดูเรื่องมุมองศาของข้อต่อกลับพบความคลาดเคลื่อนในช่วง 0 ถึง 10 องศา โดยจุดที่พบปัญหามากที่สุดคือมุมการหมุนของข้อสะโพกที่มีความคลาดเคลื่อนสูงกว่า 10 องศา และยังพบความต่างอย่างมีนัยสำคัญในการตรวจจับมุมข้อเข่าและข้อเท้าในฝั่งที่เป็นขาเทียมเมื่อเทียบกับระบบกล้องมาตรฐาน
Discussion (การอภิปรายผล)
จากผลการทดลองแสดงว่า OpenCap มีศักยภาพดีพอที่จะนำไปใช้เป็นเครื่องมือทางเลือกที่ประหยัดและเข้าถึงง่ายในคลินิกทั่วไปสำหรับประเมินการเดินเบื้องต้น อย่างไรก็ตาม ในมุมของนักพัฒนา ระบบนี้ยังมีจุดอ่อนในการคำนวณมุมข้อต่อเชิงลึก เนื่องจากการเคลื่อนไหวของขาเทียมมีความซับซ้อนและแตกต่างจากคนปกติ ส่งผลให้อัลกอริทึมการติดตาม (Tracking) ยังทำงานได้ไม่สมบูรณ์แบบและต้องการการปรับแต่งโมเดลเพิ่มเติม
Limitations (ข้อจำกัด)
ข้อจำกัดสำคัญคือความแม่นยำที่ลดลงเมื่อต้องวัดมุมการเคลื่อนไหวในระนาบที่มีการหมุนบิดตัว และการวัดฝั่งที่เป็นขาเทียม นอกจากนี้ ในขั้นตอนเตรียมการ (Setup) ตัวระบบ OpenCap ไม่สามารถประมวลผลขั้นตอนสอบเทียบ (Static calibration) ได้หากผู้ป่วยไม่ใส่ฟองน้ำหุ้มขาเทียม ทีมวิจัยจึงต้องให้ผู้ทดสอบทุกคนใส่ฟองน้ำหุ้มเพื่อให้โมเดล AI ตรวจจับรูปร่างของขาทั้งสองข้างได้ใกล้เคียงกับมนุษย์ปกติและทำงานต่อไปได้
Conclusion (สรุปผล)
OpenCap เป็นระบบที่น่าเชื่อถือสำหรับวัดข้อมูลเวลา ระยะทาง และมุมการเคลื่อนไหวในระนาบหน้าตรงของผู้ใช้ขาเทียมเหนือเข่า แม้จะยังไม่สามารถทดแทนระบบกล้องมาร์กเกอร์ราคาแพงในการวัดมุมข้อต่อเชิงลึกได้อย่างสมบูรณ์ แต่ก็เป็นเครื่องมือที่มีประโยชน์มากสำหรับการประเมินซ้ำในสถานพยาบาลที่งบประมาณจำกัด ซึ่งในอนาคตควรมีการพัฒนาและเทรนโมเดล AI เพิ่มเติมเพื่อให้รองรับโครงสร้างการเคลื่อนไหวเฉพาะตัวของผู้ใช้ขาเทียมได้แม่นยำยิ่งขึ้น
- 3
ดูเพิ่มเติมในซีรีส์
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2026 Blockdit
