AnyBody　应用案例

本案例旨在通过AnyBody Modeling System分析“跑步”等复杂的高速动作，而不使用测力台。另外，分析跑步经验不同的被试者的动作，确认肌肉的使用方法、代谢能量等的结果，比较其差异。

①　跑步动作的定义

测量速度为10km/h（配速6分/km）、光着在无倾斜的跑步机上行驶的动作。为了使动作稳定，获取20秒，将其中的10秒作为样本进行分析。

②　测定条件

作为测量器，使用光学式运动捕捉系统（Vicon），以200帧/秒获取数据。由于动作和体型在AnyBody用到，所以格外注意测量的精度。

③　被试者

获取3名受试者的动作。另外，为了评价跑步经验，听取了各受试者，使用右表进行了判断。以下记载受试者的数据。

被试者1 　
　男性・164cm・60kg 健康
　 　经验：LEVEL0（No exercise）

被试者2
　 　男性・165cm・60kg 健康
　 经验：LEVEL3（Occasional, light exercise）

被试者3
　 　男性・169cm・68kg 健康但右半月板断裂
　经验：LEVEL6（Regular exercise and training）

④　AnyBody中模型概要

获取跑步动作的运动捕捉数据导入AnyBody。AnyBody会计算出最适合的骨骼长度和关节角度，以模拟人体模型所捕获的动作，并再现动作和体型。

在取得像跑步一样的动作时，希望通过测力台获取实测数据，但是即使没有测力台的数据，也可以使用AnyBody推定地板反力的功能来考虑地板反力。这次使用这个功能。

⑤　结果　动作

这部动画实时显示了AnyBody分析的动作，让受试者进行对比。可以比较跑法、动作的稳定性、躯干的倾斜、质量中心的上下移动等。例如，受试者1（LEVEL0）看起来跑姿前倾。

⑥ 结果　肌肉的使用方法・活动量

为了比较，此动画显示了一个单独的动作周期（慢动作）。

作为AnyBody计算的肌肉活动量可视化的方法，蓝色表示没有激活的状态，随着蓝色→红色→粉色（超载）的变化，肌肉活动量变高。 此外，还显示了AnyBody推测的地板反作用力矢量（地面产生的反作用力红线）和作用点（压力中心）。

受试者全体在跑步各阶段（接触地面，站立期，迈步，摆动期等），看起来显示着大体上同样的肌肉使用方法。 但是，肌肉的活动水平（颜色）根据受试者的不同而不同，所以要稍微仔细确认一下。

以下的3个动画，用慢放被试者各自的动作（10秒）的肌肉活动水平和刻度。另外，以下内容是从AnyBody输出的数字中观察到的。

■　被试者1（LEVEL0）

主要使用外侧阔肌（作用：膝伸展）和股直肌（作用：膝伸展、髋关节弯曲）。外侧阔筋着地时显示活动量高峰，即使时间平均也活动量也处于较高水平。

■　被试者2（LEVEL3）

主要使用股直肌（作用：膝伸展、髋关节弯曲）和缝匠肌（作用：髋关节弯曲外转外旋、膝弯曲），但在脚跟着地时腓肠肌（作用：足蹠屈）显示活动量高峰。

■　被试者3（LEVEL6）

与受试者2同样使用着大腿直肌和缝匠肌，不过，缝匠肌在双浮状态（两脚都没有接触到地面）时显示着高峰。

⑦ 结果 代谢能

仔细确认肌肉活动量的结果，即使是同一受试者，根据循环以及脚（右、左）的不同，结果也会稍有不同。再加上，根据受试者的不同体型也不同，所以很难直接比较。 因此，为了评价跑步方法的效率性，建议使用AnyBody计算的肌力和肌肉收缩速度，计算下肢的代谢能量及其体重除法进行比较。

以下3个图表显示了右脚（蓝色）和左脚（橙色）10秒左右的代谢能量消耗，记载了右脚的循环编号。

■　被试者1（LEVEL0）

显示13个跑步周期，其中右脚会消耗多一些能量。

■　被试者2（LEVEL3）

消耗能量比受试者1显示出稍高的值。但是，由于步频长度小，为了跑与受试者1相同的距离，需要16个周期。另外，和受试者1一样，右脚消耗了多一点能量。

■　被试者3（LEVEL6）

显示了14个跑步周期，与其他被试者相反，左腿消耗能量的倾向更明显。原因可能是左腿护着右腿半月板损伤。

■　被试者的比较

这张图表显示了各受试者代谢能量消耗的体重除法。图中可以确认到被试者1（蓝线）和被试者2（橙色线），10秒后，体重每1千（克米）的能源消耗大体上相等。 比较的话，被试者3（绿线）的代谢能量消耗是最小的。结果表明被试者3（LEVEL6）的跑法效率性好。

⑧　总结

在AnyBody Modeling System中，确认了即使不测量地面反作用力，也可以实现跑步方法中肌肉的使用方法、活动水平的可视化和数字化。

从分析结果可以识别被试者的肌肉使用方法、跑步方法的效率性等差异，也可以调查某一现象的原因。 另外，有膝盖损伤的受试者，无意识中检测出有可能用左脚护着右脚跑步。

AnyBody的跑步动作解析中有很多可以验证的参数，这次介绍的方法是其中一个例子。要验证此方法的有效性，需要增加不同跑步姿态的受试者的分析结果。