融合多种技术为运动员身体机能创建数字副本,有望提前发现机能隐患、有效预防运动损伤。
澳大利亚篮球运动员Maddison Rocci一动不动地站在电影制片厂内,100多台摄像机正对准她身体的各个部位。百叶窗咔嗒关闭之后,她站起并张开双臂。镜头背后,则是一群曾多次与好莱坞导演合作的电影制作人。但这次他们的工作有所不同,合作对象变成了科学家。
在拍摄完毕之后,格里菲斯大学生物医学与康复工程中心(GCORE)的生物力学工程师和软件开发团队,将配合Myriad Studios和naughty Monkey的电影动画师们,一同根据Rocci的身体数据创建数字孪生,由内而外重现她的机体结构。
这就是所谓“数字运动员”。借助3D身体扫描、磁共振成像(MRI)和运动捕捉数据,副本详尽呈现了Rocci在运动环境中的身体形态、骨骼、关节、肌肉和其他软组织。科学家们现在能在她奔跑、跳跃、转身和投篮时,清晰看到身体内部的变化情况。肌肉与关节压力数据被实时捕捉,以供教练设计出更科学的训练程序或调整技战术动作。
那么,科学家们是如何构建数字孪生的?
例如,教练可以实时检查Rocci或其他运动员的侧步动作。正是这种常见动作,极易导致膝关节前交叉韧带发生损伤。这些信息既即时又反映运动员的个体特征,这一点非常关键。因为每位运动员都具有独特的生理机能,所以压力水平会各有不同。
要想维持关节组织的健康并/或修复关节组织,需要“理想的”组织负荷与应变方法。最近的研究表明,这种“生物反馈”技术能够将患者的数字孪生副本同运动捕捉、无线可穿戴设备匹配起来。个性化数字孪生能够把特定对象的运动拆分成更小、可以预测的动作,再通过神经肌肉骨骼刚体模型、实时编码优化以及人工智能(AI)或机器学习方法进行处理。
最近的工作还表明,实验室条件下的生物力学测量与建模完全具备实际应用的可能,而且只需少量可穿戴传感器或计算机视觉方法即可进行。也许在不久的将来,这项技术能够全面商业化,带来成本低廉的可用版本。
长期以来,在现实场景中实时、无创地准确预测内部组织负荷,一直是生物力学领域的至高难题。随着数字孪生技术的发展,基于运动员肌肉骨骼特征的数字孪生将很快发展成熟,并作为生物反馈系统指导运动员的训练与复健方案。
实时视觉生物反馈具有强大的指导性作用,能帮助运动员灵活调整原有训练方案或教练指示中的膝盖及臀部动作。根据指引,患者将逐步改变自己的运动习惯,在临床层面显著改善髋关节疼痛和运动功能。
除了优化运动表现之外,由此建立的数字孪生模型还拥有其他潜在应用,包括面向军人和残障人士——例如预防士兵群体中常见的肌肉骨骼损伤,以及帮助脊髓损伤患者实现神经康复。
目前,名为BioSpine的完整集成系统正基于增强现实技术进行训练和试验,其目标是帮助脊髓受损的病患也能在元宇宙中正常走动,或者配合肌肉电刺激和运动辅助恢复身体机能循环。通过这种方式,人将以思想控制的方式在增强现实环境中获得渲染式体验。随着后续发展,这项技术有望帮助四肢瘫痪和截瘫患者重新“站起来”。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。