摘要
生物力学与临床步态研究通过观察肢体中的肌肉和肌腱来探究其功能与行为特征，因此常需测量特定解剖标志点（如肌腱连接处）的运动轨迹。为此，我们提出了一种可靠且高效的时间节约型机器学习方法，用于在超声视频中追踪这些连接点，从而辅助临床生物力学研究人员开展步态分析。为实现这一目标，我们引入了一种基于深度学习的方法。本研究构建了一个大规模数据集，涵盖三种功能性运动、两种肌肉类型，采集自123名健康受试者和38名功能障碍受试者，使用三种不同超声系统获取数据，共计包含66,864张经人工标注的超声图像，用于模型训练。此外，数据来源于多个独立实验室，由具有不同经验水平的研究人员进行整理与标注。为评估所提方法的性能，我们选取了一个多样化的独立测试集，并由四位专业医师独立验证。实验结果表明，本模型在识别肌腱连接点位置方面的表现与四位人类专家相当。该方法实现了高效的肌腱连接点追踪，单帧预测时间最高仅为0.078秒（约比人工标注快100倍）。所有代码、训练好的模型及测试集均已公开发布，且本模型已作为免费在线服务上线，可通过 https://deepmtj.org/ 免费访问使用。