基于全身协调动力学的数据驱动步态周期分解

人体运动的研究长期以来依赖于步态周期的描述性框架，这些框架为理解行走的功能阶段及其潜在的生物力学需求提供了关键见解。尽管这些模型仍然具有很高的信息价值，但它们在很大程度上基于观察性分析，可能无法充分捕捉表征人体运动的连续性、整体性协调。 本研究提出了一个用于研究全身协调的整合性框架。该框架将网络理论与非负矩阵分解（NNMF）相结合，将步态视为一个由协调的关节相互作用构成的动态系统。基于60名健康受试者的三维运动学数据，我们构建了一个跨时间的全身协调表征，称为动态运动组图谱（dynamic kinectome）。随后，采用NNMF对其进行分解，以提取关节协调的空间模式及其对应的时间激活，从而在保留生理意义的同时，对运动组织进行可解释性表征。 我们的分析提取出了六种稳健、高度一致且在参与者之间呈对称性的协调模式，有效捕捉了运动的主要功能性子任务。这些发现并非对经典阶段描述提出挑战，而是对其进行了丰富，揭示了协调如何作为一个连续且往往具有前瞻性的过程而产生，这一过程能够跨越传统阶段边界，并系统性地整合上肢以维持动态稳定性。 总体而言，本研究为人体运动提供了一种整体性的、数据驱动的视角，为未来运动控制研究提供了有前景的基础，并可能有助于开发用于临床和康复应用的敏感生物标志物。

本网站正在使用一项安全服务来保护自身免受在线攻击。您刚刚执行的操作触发了该安全防护方案。可能触发此拦截的行为有多种，包括提交某些特定词语或短语、SQL 命令或格式错误的数据。

您可以向网站所有者发送电子邮件，告知您被拦截一事。请在邮件中说明该页面出现时您正在进行的操作，并附上本页底部显示的 Cloudflare Ray ID。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.18.732845v1?rss=1

🏷️ 步态分析 运动协调 非负矩阵分解 网络理论 三维运动学 康复生物标志物