面向多样体型成年人的人体分段参数估计：一种数据驱动的几何框架

准确估计身体各节段的惯性参数对于生物力学分析至关重要，然而，常用的尺度缩放方法依赖于有限的数据集，且难以在多样化的成年人体形态之间实现良好的泛化。我们开发了一个数据驱动框架，利用在大型人体测量数据集（ANSUR II 和 NHANES）上训练的回归模型，并结合对16个身体节段的几何表征，来估计节段长度、质量、质心位置和转动惯量。该框架以身高、体重和性别作为主要输入，并在可获得时纳入腰围、臀围或其他长度及横截面测量值，以细化对体形的预测。对于肥胖个体，额外的几何规则会根据节段特异性的体积变化重新分配超额质量。所得模型能够再现训练数据集中观察到的节段长度、横截面尺寸和合并节段质量的取值范围，并且优于已发表的回归方程，尤其是在体重指数（BMI）较高时表现更佳。为促进广泛应用，我们提供了一个开源的 Python API，利用训练好的模型执行完整的参数估计。该框架为在广泛体型和体态范围内估计成人身体节段参数提供了一种准确且易于获取的方法，从而支持改进运动分析、肌肉骨骼模拟和临床生物力学研究。

身体节段惯性参数的准确估计对于生物力学分析至关重要，然而，常用的比例缩放方法依赖于有限的数据集，且难以在多样化的成年人体形态之间实现良好的泛化。我们开发了一种数据驱动框架，利用在大规模人体测量数据集（ANSUR II 和 NHANES）上训练的回归模型，并结合对16个身体节段的几何表征，对节段长度、质量、质心位置和转动惯量进行估计。该框架以身高、体重和性别作为主要输入，并在可获得的情况下纳入腰围、臀围或其他长度及横截面测量值，以细化对体形的预测。对于肥胖个体，还通过额外的几何规则，依据各节段特异性的体积变化对过量质量进行重新分配。所得模型能够重现训练数据集中观察到的节段长度、横截面尺寸和合并节段质量的变化范围，并且其性能优于已发表的回归方程，尤其是在较高体质指数（BMI）水平下。为促进广泛应用，我们提供了一个开源的 Python API，可利用训练后的模型执行完整的参数估计。该框架为在广泛体型与体态范围内估计成年人体身体节段参数提供了一种准确且易于获取的方法，从而支持改进运动分析、肌肉骨骼系统仿真和临床生物力学研究。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.03.736346v1?rss=1

🏷️ 生物力学 人体测量 身体节段参数 数据驱动建模 惯性参数估计 肌肉骨骼模拟