ACL Jump-Landing MoCap — 43 人 2199 次试次疲劳前后六种跳跃落地的三维动捕与测力台数据

INFOBOX — ACL Jump-Landing MoCap 一屏速览

维度	内容
本质	ACL 伤后重返运动（RTS）评估导向的跳跃落地三维光学动捕 + 测力台数据集（数据描述符，非挑战赛）
团队	因斯布鲁克大学运动科学系（Department of Sport Science, University of Innsbruck, Austria），Calisti / Mohr / Federolf
论文	Scientific Data 2025;12；doi:10.1038/s41597-025-05934-5；PMID 41093902；PMCID PMC12528683；2025-10-15 发表
数据	Figshare 10.6084/m9.figshare.28890545.v1，CC BY 4.0，公开直链
受试者	初始 44 → 43 人（ACL 组 21 + 对照 22）；年龄 19–36；全部为在校学生
试次	计划上限 2236 → 原始 c3d 2201 → 关节角完整 2199
任务	单侧：SLH / uCMJ / COH / MRH；双侧：CMJ / DJ（30 cm 箱），共六种
状态	疲劳前 + 疲劳后两条件；疲劳 = 跳高降 ≥20%，或降 ≥10% 且 BORG CR10 >5
设备	Vicon 10 相机（8 Bonita + 2 Vero v2.2）250 Hz；双测力台 AMTI + Kistler 1000 Hz
标记	59 个反光标记（Plug-in Gait 全身模型 + 追加），同一研究者贴点
处理	OpenSim 4.3 逆运动学，Catelli 全身模型改造（+膝内外翻、膝内外旋 2 自由度），15 Hz 低通
输出	原始 .c3d / MATLAB .mat 关节角 + COM / OpenSim 模型与设置文件 / 6 段演示 webm
许可	数据 CC BY 4.0（可商用）；论文 CC BY 4.0
库内互链	acl27(916) 同病不同物｜rehab-motion-capture(1162)｜rehab-wearable-kinematic(1163)｜3dreasonknee(728)｜rsna-knee-2026(973)

这个数据集要回答的是一个临床上很尴尬的问题：一名 ACL 重建术后已经通过全部重返运动（Return to Sport, RTS）测试的运动员，为什么仍然有相当比例会二次断裂？因斯布鲁克大学的这批数据给出的线索是——测试是在不疲劳的状态下做的。他们把 21 名 ACL 伤者与 22 名健康对照放进同一间动捕实验室，各自完成六种跳跃落地任务，然后在疲劳协议之后再做一遍，并把原始标记点轨迹、测力台数据和 OpenSim 算出的关节角一并公开。2199 次试次里，每一个都带着「疲劳/非疲劳」这一维标签，这正是此前多数落地数据集缺的那一维。

导语读法三则：

1. 只想下数据：直奔 §6——Figshare 无需注册、CC BY 4.0 可商用，但先看 §6.3 的目录结构与命名规则，否则面对几千个 c3d 会无从下手。
2. 关心 ACL 再伤与 RTS：§0.2、§4、§8 三段连读，重点是「疲劳如何改变落地力学」与「哪个任务对伤史最敏感」。
3. 做动作识别 / 骨架提取 / 无标记动捕：直奔 §2.4 与 §5——这是少见的带医学标签（伤史 + 伤侧 + 疲劳）的 marker 级黄金标准。

§0 导读：这个数据集解决什么问题

0.1 一句话说清它是什么

ACL Jump-Landing MoCap 是一套实验室级三维动作捕捉 + 双测力台同步的跳跃落地数据集，采集对象是 21 名有前交叉韧带（Anterior Cruciate Ligament, ACL）完全断裂史的受试者与 22 名无伤史对照，每人完成六种单/双腿跳跃落地任务，每种任务在疲劳前与疲劳后各做一遍，共产生 2199 次可用的关节角试次。它不提供诊断标签，不提供官方分数，也不组织比赛——它提供的是原始物理测量：59 个反光标记在 250 Hz 下的三维轨迹、两块测力台在 1000 Hz 下的三向力与压力中心、以及一条已经跑通 OpenSim 4.3 的逆运动学流水线所输出的关节角波形。

0.2 它填补的三个空缺

论文在 Background & Summary 中给出了明确的对比坐标，本条目归纳为三个最要害的空缺：

1. 缺「疲劳」这一维。RTS 评估的实际困境在于：临床测试全部在非疲劳状态下完成，而比赛中的受伤几乎都发生在疲劳累积之后。已有的公开数据集要么只做步态/跑步（参考文献 24、25），要么做无疲劳的落地筛查（参考文献 26），要么用 IMU 研究健康人单腿落地（参考文献 29）——都没有把「同一批 ACL 伤者、同一套任务、疲劳前后各一遍」做成公开数据。作者的原话是：据其所知，尚无数据集把多种跳跃落地任务与疲劳/非疲劳条件组合在 ACL 伤者身上。
2. 缺「任务敏感性」的横向可比。临床常用的单腿跳、下落跳、垂直跳各自被不同研究推荐过，但从没有共识说哪一个最能暴露伤后缺陷。Zarro 等报告单腿垂直跳比水平跳更能暴露肢体不对称（参考文献 19），Dingenen 等报告内侧与旋转跳比前向跳更容易暴露不对称（参考文献 20）。要直接比，就必须让同一批人在同一实验室里把六种任务全做一遍——这正是本数据集的结构。
3. 缺「原始数据 + 可复算链路」。很多落地研究只公开算好的指标（如膝外翻峰值角），使用者无法换滤波参数、换模型、换事件定义。本数据集把未滤波的原始 c3d 与已跑通的 OpenSim 模型 + 设置文件同时放出，等于把「从原始标记点到关节角」的整条链路交到使用者手里。

0.3 谁该用、谁不该用

你是谁	该不该用	理由
做 ACL 再伤风险预测模型的团队	该用	带伤史 + 疲劳双标签的落地力学数据稀缺
做无标记动捕（markerless）精度验证的团队	该用	marker 级黄金标准 + 测力台地真值
做骨架提取 / 动作识别的研究者	可参考	六类任务结构清晰，但仅 43 人、无 RGB 视频（只有 OpenSim 渲染 webm）
想训练内窥镜/影像诊断模型	不该用	与影像无关，属运动学与动力学信号
想找职业运动员或青少年队列	不该用	全部为大学生便利样本，年龄 19–36
想要 EMG 或肌力数据	不该用	数据集不含肌电与等速肌力

§1 数据集速览：十问十答

Q1：这东西有官方名字吗？叫什么？
有。官方数据集名与论文标题同为 Motion capture data of six jump-landings, fatigued and non-fatigued, after anterior cruciate ligament injury。本条目 slug acl-jumplanding-mocap 是本库为检索便利取的缩写名（ACL + jump-landing + motion capture），不是作者命名，检索时应以论文标题或 Figshare DOI 为主键。

Q2：谁做的？
奥地利因斯布鲁克大学（University of Innsbruck）运动科学系（Department of Sport Science）一个团队，作者三人：Marco Calisti（数据采集、处理与主笔）、Maurice Mohr、Peter Federolf（监督与修订）。全部作者同一机构。

Q3：发了什么期刊？什么时候？
Scientific Data（Nature Portfolio），2025 年第 12 卷。DOI 10.1038/s41597-025-05934-5，2025-10-15 首发，PMID 41093902，PMCID PMC12528683。

Q4：数据在哪下？要申请吗？
Figshare，DOI 10.6084/m9.figshare.28890545.v1，公开直链，无需申请、无需注册。许可 CC BY 4.0，可商用，需署名。

Q5：多少人？多少次试次？
初始纳入 44 人，剔除 1 人（sub5，出汗导致标记点位移），最终 43 人：ACL 伤史组 21、健康对照 22。计划上限 2236 次试次，实际录到 2201 次原始 c3d，其中 2199 次完成了关节角计算。

Q6：六种任务分别是什么？
单侧四种：单腿前向跳（SLH）、单腿反向跳（uCMJ）、单腿交叉跳（COH）、单腿 90° 内侧旋转跳（MRH）；双侧两种：双腿反向跳（CMJ）、双腿下落跳（DJ，30 cm 箱）。

Q7：疲劳怎么定义的？
两条判据满足任一即算疲劳：(1) 最大跳跃高度下降 ≥20%；(2) 下降 ≥10% 且 BORG CR10 主观用力评分 >5。跳跃高度用冲量-动量定理算，取三次均值。

Q8：数据是什么格式？
三种：原始 .c3d（Vicon 标准格式，含标记点轨迹、GRF、COP）、.mat（MATLAB 结构体，含关节角波形、COM、滤波后轨迹、初始接触事件）、以及 .xlsx（受试者日志、问卷、逐试次标注表）。

Q9：有官方基线模型吗？
没有。论文是数据描述符（data descriptor），Technical Validation 只做了可视化检查与「同组另一篇论文用过本数据」的间接验证。使用者需自行设计任务与划分。

Q10：和库里已有的动捕条目有什么区别？
库内 rehab-motion-capture（rid=1162）是利物浦大学的康复操动捕（健康受试者、22 种动作、三模态）；rehab-wearable-kinematic（rid=1163）是卒中患者的可穿戴 IMU；acl27（rid=916）是 ACL 重建手术视频的阶段识别。本条目是ACL 伤者跳跃落地的光学动捕，人群、任务、模态三者都不同，详见 §9。

§2 数据构成与规格

2.1 受试者：44 进、43 出的一次剔除

论文的 Methods 一开篇就写明「A total 44 participants were initially included」，而摘要与背景一律写 43——这不是笔误，而是剔除（exclusion）留下的数字痕迹。被剔除的是 sub5，ACL 组男性，原因是出汗导致标记点位移过大（excessive marker movement caused by sweating）。这一剔除对性别构成有直接影响：ACL 组初始 22 人（11 男 11 女），剔除一名男性后变成 21 人（10 男 11 女），Table 1 里只写「n = 21; females: 11」，从数字反推即知。

两组的基本构成如下：

维度	ACL 组	对照组
最终样本	21（女 11）	22（女 12）
初始纳入	22（11 男 11 女）	22（10 男 12 女）
年龄（岁）	24.2 ± 3.5	26.5 ± 3.2（p = 0.008）
身高（m）	1.8 ± 0.1	1.7 ± 0.1（p = 0.568）
体重（kg）	69.6 ± 10.7	68.0 ± 14.8（p = 0.689）
BMI（kg/m²）	22.6 ± 1.7	22.4 ± 2.5（p = 0.350）
优势腿	右 19 / 左 2	右 20 / 左 2
损伤侧	优势腿 9 / 非优势腿 12	n/a
伤后时间（年）	3.9 ± 2.5	n/a
同侧再伤	0/21	n/a
移植物	BPTB 4 / ST 11 / QT 4	n/a
半月板受累	是 12 / 否 9	n/a
手术 vs 保守	ACLR 19 / ACLD 2	n/a

读这张表的第一件事：年龄组间差异是显著的（p = 0.008，ACL 组更年轻）。作者没有对年龄做协变量校正，也没有做配对匹配。任何「伤者与对照落地力学不同」的结论，都要先自问：这里有没有年龄的贡献？这是一个使用者在建模时必须自己处理的混杂。

第二件事：ACL 组里 19 人做过重建手术（ACLR），2 人保守治疗（ACLD，acl-deficient）。这两类人的膝关节力学机制不同（ACLD 依赖肌肉代偿控制胫骨前移，ACLR 依赖移植物与重建的本体感觉），作者未在分析中分层，但 participant_log.xlsx 里有逐人的手术信息，使用者可以自行分层。

第三件事：ACL 组的心理量表分数齐全——IKDC 93.2 ± 7.8（主观膝关节功能，接近满分，说明这群人自评状态很好）、ACL-RSI 67.0 ± 17.9（重返运动心理准备度）、Tampa 恐动症量表 21.3 ± 4.8。这三项在有伤史的落地研究中经常被忽略，而它们是「为什么这个人动作还是不对」的重要解释变量。尤其 ACL-RSI 67 分属于中等偏上但远未满分的水平，提示这群人虽然拿到了重返 I 级运动的许可，心理上仍有保留。

入选与排除：两组共同要求 (1) 研究前 6 个月内无下肢损伤；(2) 无重度踝关节损伤史。ACL 组追加 (1) 同一侧发生过 1 次或 2 次 ACL 损伤；(2) 已获准重返 I 级运动（多方向场地运动，含跳跃、急停、变向）且满 至少 1 年——这条很关键，它把「术后早期」排除在外，保证受试者处于 RTS 决策已经做出之后的阶段，正是再伤风险最高的窗口。

损伤场景（自报）：滑雪 12 例、足球 2 例，手球、沙滩排球、摔跤、跳跃、抱石、蹦床、跨栏各 1 例，合计 21 例。滑雪占比接近六成，符合奥地利阿尔卑斯地区的运动损伤谱，也意味着这批人的受伤机制以非接触性减速/落地为主——恰好是跳跃落地任务试图复现的场景。作者明确说明：接触性 vs 非接触性机制未被系统采集，仅有自报的场景描述。

2.2 六种任务：为什么是这六个

任务选择的逻辑不是「越多越好」，而是「临床上用得到的跳跃测试全都要有」。论文把六种任务分成双边与单边两组：

缩写	英文全称	中文	类型	关键执行规格
SLH	single-leg forward hop	单腿前向跳	单侧	起始距离 = 100% 腿长（髂前上棘至外踝）；起跳与落地同一腿；落在测力台中央
uCMJ	single-leg countermovement jump	单腿反向跳	单侧	测试腿站测力台中央；手叉腰；摆动腿保持 90° 屈膝；不许借摆动腿发力
COH	single-leg crossover hop	单腿交叉跳	单侧	连续 3 次前向跳，每次跨过一条中心条带；落点间距标准化 50 cm
MRH	single-leg 90° medial rotation hop	单腿 90° 内侧旋转跳	单侧	起始距离 = 50% 腿长；足内侧垂直于跳跃方向；摆动相内旋 90°；落地足朝前
CMJ	bilateral countermovement jump	双腿反向跳	双侧	左右脚各踩一块测力台；自选下蹲深度后全力向上
DJ	bilateral drop jump	双腿下落跳	双侧	从 30 cm 跳箱落下，落地缓冲后立即向上跳至最大高度

三个设计细节值得单拎出来讲：

其一，COH 的 50 cm 间距是被动捕体积逼出来的妥协。 原设计里连跳间距本可更长，但作者写明「落点标记间距标准化为 50 cm，具体原因是跳跃必须落在我们三维动捕设备的体积内」。这是实验室数据集的通病——空间分辨率与任务真实性之间存在硬约束。使用者若想与文献中的交叉跳数据横向比较，必须注意这个 50 cm 不是通用标准。

其二，MRH 的 90° 旋转发生在摆动相，落地时足要朝前。 这意味着受试者在腾空中完成一次躯干相对下肢的内旋再回正，落地瞬间膝关节承受的是旋转 + 外翻复合负荷——正是 ACL 非接触性损伤的经典力学构型。这也是为什么 Dingenen 等（参考文献 20）报告内侧与旋转跳比前向跳更敏感。

其三，「手叉腰」贯穿所有任务。 这不是为了好看，而是为了消除上肢摆臂对躯干角动量的贡献，让不同受试者、不同试次之间的可比性成立。任何落地后手离开髋部的试次都判为失败。

成功判定四条件（原文照录意译）：落在测力台中央、不失衡、手不离髋、落地后保持最低屈膝姿势 ≥2 秒。失败则重测，直至凑满 3 次成功。

每个受试者 52 次试次的构成——这张账必须算清楚，否则无法理解 2236 这个上限从哪来：

任务	计算方式	次数
SLH	2 腿 × 2 状态 × 3 次	12
uCMJ	2 腿 × 2 状态 × 3 次	12
MRH	2 腿 × 2 状态 × 3 次	12
COH	2 腿 × 2 状态 × 1 次	4
CMJ（双侧）	2 状态 × 3 次	6
DJ（双侧）	2 状态 × 3 次	6
合计		52

52 × 43 = 2236，即计划上限。COH 只做 1 次而非 3 次，是因为交叉跳本身由连续 3 跳组成，一次试次已经包含 3 个落地事件；若做 3 次试次，疲劳累积与用时都不可接受。

2.3 试次账：2236 → 2201 → 2199

三个数字代表三个不同的口径，读论文时极易混淆，这里逐一钉死：

口径	数值	含义	出现在哪
计划上限	2236	43 人 × 52 次	Methods 推算；Data Records 明写 “could include up to 2236 trials”
原始 c3d	2201	实际录到并保存为 .c3d 的试次	Data Records 与 Table 2 第一行
关节角完整	2199	完成 OpenSim 逆运动学的试次	摘要与 Table 2 第二行（Jump.mat 2199）

缺口拆解：35 次因受试者不适、标记点脱落（如出汗）等原因未录制，因此根本没有对应的 .c3d 文件，在 labeling_jump_side.xlsx 中以「1」标记，原因写在 notes 列。另有 2 次虽已录制，但因动作模式异常被排除在关节角计算之外——原始 .c3d 仍然保留，只是没进 .mat。这两次是 sub29: CMJ_r_t2 与 sub39: MRH_f_l_t3。

缺失的分布极不均匀，全部集中在四个人身上（Table 2 原文）：

• sub32：DJ_f_t1-3（疲劳状态下的双腿下落跳 3 次全缺）
• sub39：SLH_r_t2；MRH_f_r_t3（另有处理后排除的 MRH_f_l_t3）
• sub40：SLH_f_r_t1-3；CMJ_f_r_t1-3；MRH_f_r_t1-3；COH_f_r_t1（几乎全部落在疲劳后）
• sub44：SLH_r_t3；SLH_l_t3；CMJ_r_t3；CMJ_l_t3；CMJ_f_r_t3；CMJ_f_l_t3；MRH_l_t3；MRH_r_t3；MRH_f_l_t3；MRH_f_r_t3；CMJ_t3；CMJ_f_t3；DJ_t1-3；DJ_f_t1-t3（几乎全部是第 3 次试次与双腿下落跳）

这张表要读出两个信号。第一，疲劳后缺失更多（sub40、sub44 大量以 _f_ 开头的条目），这符合直觉——疲劳状态下动作质量下降、更易失败或中止，但这也意味着疲劳条件下的样本在个体层面更不均衡，若做配对分析（同一人的疲劳前后对比），这几个人的配对会残缺。第二，sub44 一个人贡献了近半数的缺失，其数据在受试者级分析中权重应被审慎处理。作者未给出逐人合计，表中还有一处明显的重复（SLH_l_t3 写了两次），属于原文排版瑕疵，不影响总量核对，但提示 Table 2 是人工整理而非脚本生成。

2.4 采集系统：十台相机、两块台、五十九个点

这是典型的高端实验室配置，逐件拆开看：

光学动捕：Vicon Motion Systems（英国牛津）系统，共 10 台相机——8 台 Bonita（经济型高速相机）+ 2 台 Vero v2.2（较高分辨率）。采样率 250 Hz。250 Hz 对跳跃落地来说是一个合理但不算奢侈的选择：落地冲击的瞬态过程通常在 50–100 ms 内完成，250 Hz 意味着 4 ms 一个采样，足以刻画膝屈角速度峰值，但对冲击力峰值这样的高频事件（测力台 1000 Hz）就明显不足——这也是为什么作者要把 GRF 从 1000 Hz 降采样到 250 Hz 再与轨迹一起处理。

测力台：两块，1000 Hz。型号与厂商不同：AMTI（美国马萨诸塞州 Watertown）与 Kistler（瑞士温特图尔）。这一点在 Fig. 1 的图注里有明确区分——「白色测力台为 Kistler，蓝色测力台为 AMTI」。用两台不同厂商的测力台做双侧任务（CMJ、DJ），是把「左右脚各站一块台」这件事做实，但也引入了一个潜在问题：两块台的交叉串扰与零点漂移特性不同，若做左右对称性分析而不做台间标定，可能引入系统偏差。论文未讨论这一点，属于使用者需要自查的工程细节。

同步：相机与测力台全部接入 Vicon 系统网络，由 Nexus 软件统一采集，因此时间同步是硬件级的，不依赖后处理对齐。每次试次前测力台在 Nexus 中归零。

软件：Vicon Nexus v2.14.0。

标记点方案：共 59 个反光标记，贴于皮肤与鞋面。基础是 Vicon 的 Plug-in Gait 全身模型，在此基础上追加了：

• 左右内踝与内侧膝关节标记
• 大转子（greater trochanter）
• 髂嵴（crista iliaca）
• 大腿与小腿的 cluster（4 点刚性簇）

追加这些标记的原因很直白：Plug-in Gait 的标准模型是为了步态设计的，膝关节只有一个屈伸自由度，无法刻画落地时最关键的外展/内收与内外旋。加了内侧膝、大转子、髂嵴与大腿 cluster，才能让后续的逆运动学把膝的六自由度解出来。

一处必须存照的口径差：正文写「59 retro-reflective markers were placed on the participants’ skin and shoes」，而 Fig. 4 的图注写「Markerset including 43 reflective markers and 4-marker clusters」。同一篇论文里 59 与 43 并存，作者未做解释。最合理的解释是图注的 43 指「该示意图中展示的、有解剖学名称的标记」，而 59 是包含 cluster 各点在内的反光标记总数——但这是推断，不是原文声明。使用者在复现标记布局时，应以 Figshare 中 description_markers.docx 的逐点对照表为准。

贴点一致性：所有受试者的标记点由同一名研究者贴附。这是一个容易被忽略但价值极高的设计——贴点位置变异（inter-rater marker placement variability）是动捕数据 reproducibility 的主要误差源之一，单一人贴点把它压到了最低。

其他控制：所有受试者穿标准化鞋具 Adidas Handball Spezial（避免不同鞋底缓冲改变落地力学）；热身固定为 5 分钟自行车测功计 + 3 次次最大双侧与单侧 CMJ。

2.5 疲劳协议：一个可复现的两级判据

这是整个数据集最有价值的实验设计，也是最容易被误用的部分。

流程：

1. 非疲劳状态测完全部六种任务（每任务按 §2.2 的次数），随后进入疲劳诱导。
2. F1 组：单腿深蹲（下蹲至膝 90°，臀部轻触 30 cm 箱）+ 单腿上台阶（30 cm 箱），每项 2 组 × 10 次。
3. 测最大跳跃高度（单腿 CMJ），并填 BORG CR10。
4. 判据检查：
   • 跳跃高度较基线下降 ≥20%，或
   • 跳跃高度下降 ≥10% 且 BORG CR10 >5
5. 满足任一 → 立即进入疲劳状态下的跳跃测试；不满足 → 重复 F2 组（每项 8 次），直到满足。
6. 维持疲劳：每完成 2 项跳跃任务后，再做一次 F2。

这套设计的三个优点：

其一，双判据而不是单一判据。仅用跳高下降 20% 会把「力量输出下降但主观不疲劳」的人错判为未疲劳；仅用 BORG 会把「主观很累但输出未降」的人错判。两条腿走路，取「或」逻辑，实际上是把「外周肌肉疲劳」与「中枢/主观疲劳」两个维度都纳入。

其二，持续监测而非一次性诱导。每做 2 项任务补一次 F2，是把疲劳当作需要维持的状态而非一次性的开关。这在与文献对比时非常重要——很多研究在疲劳诱导后连续做完所有任务，中途疲劳已经衰减，导致后做的任务实际处于半疲劳状态。

其三，F1/F2 两级剂量。F1 是启动剂量，F2 是维持剂量，剂量可随个体反应增减。但这种设计也带来一个代价：不同受试者经历的疲劳诱导总量不同（有人 F1 后即达标，有人做了多次 F2），因此「疲劳」在本数据集中是一个二分标签（达标/未达标），而不是一个可比的连续剂量。想研究「疲劳程度与落地力学的剂量-反应关系」的研究者会失望——数据不支持。

跳跃高度怎么算：用冲量-动量定理（impulse-momentum theorem），由自编的 LabVIEW 程序从测力台的力-时间曲线积分得出，取 3 次均值作为基线。这一方法比用飞行时间法更准，因为它直接积分了 GRF，不依赖起跳与落地瞬间的事件识别精度。

BORG CR10 量表：类别-比率量表，0 = 完全不用力，10 = 极限用力。注意论文中疲劳后 BORG 的组均值为 ACL 组 6.0 ± 1.0、对照组 6.7 ± 1.5，而判定阈值是个体层面的「>5」——两个数字不冲突，前者是群体平均，后者是逐人判定。

2.6 输出规格：三张表、三类文件

数据集在 Figshare 上是一个单一条目、三个顶层目录的结构。下面按目录拆解，这是使用者拿到数据后第一件要做的事。

participants/ —— 两张 Excel：

• participant_log.xlsx：逐人一行，含组别、性别、年龄、身高、体重、BMI、优势腿腿长；运动相关（每周活动天数、单次时长、主项运动）；ACL 伤情相关（伤腿、受伤过程、是否重建、移植物类型、半月板是否受累、受伤年份、伤后时长、恢复的活动等级、康复月数、单次康复时长）；跳跃高度测量结果；BORG CR10 评分。
• ACL_questionnaires.xlsx：三份问卷的原始分数——IKDC（国际膝关节文献委员会主观膝评分）、Tampa 恐动症量表、ACL-RSI（伤后重返运动心理量表）。

kinematic data/ —— 分 joint_angles/ 与 raw_c3d_files/：

• joint_angles/：六个 .mat 文件，每个对应一种任务（CMJ.mat、DJ.mat、SLH.mat、uCMJ.mat、COH.mat、MRH.mat），外加 IK_column_labels.xlsx 描述全部关节角列名。每个 .mat 内含四个字段：初始接触事件、质心数据、关节角波形、滤波后标记点轨迹；按「试次 × 受试者 × 条件（疲劳/非疲劳） × 肢体」组织。
• raw_c3d_files/：逐受试者一个子目录，内含该受试者全部任务的原始 .c3d——标记点轨迹 + GRF + COP + 静立试验（static trial）。

data processing/ —— 这是复现的关键：

• labeling_jump_side.xlsx：逐试次元数据表，列含跳跃类型、受试者 ID、组别、性别、腿侧、条件、腿优势、疲劳腿、ACL 伤腿；另有标记缺失/排除试次的列、缺失原因列、以及「跳跃方向是否改变」列（针对 COH）。
• Matlab/：figures.m，可重建并可视化 Fig. 6 的关节角波形——这是官方给出的「怎么读数据」的最小示例。
• OpenSim/：catelli_3dof_model.osim（改造后的肌骨模型）、setup_scaling_default.xml（缩放设置）、setup_IK_default.xml（逆运动学设置）。
• Videos_jumps/：六个 .webm，每个展示 OpenSim 模型执行一种跳跃任务。
• Supplementary_Material/：description_markers.docx，含标记点缩写的解剖学定位对照表。

示例波形图（Fig. 6）读法：图展示 sub1 的 SLH 试次，时间窗从初始接触（IC）前 100 ms 到后 100 ms，13 个关节角。蓝色实线 = 右腿非疲劳，红色实线 = 右腿疲劳，蓝色虚线 = 左腿非疲劳，红色虚线 = 左腿疲劳。作者在图注中特别提醒：部分角度呈现镜像模式（如腰椎侧弯与旋转），比较左右腿时必须考虑这一点——这是动捕数据解读最常踩的坑之一，因为坐标系的左右手性会让「同向」在数值上表现为「反向」。

§3 处理流水线：从原始轨迹到关节角

这一节把论文 Data processing 部分的每一步拆开，并指出每一步里使用者可以自行改动的地方——这正是「公开原始 c3d」的意义所在。

3.1 流水线全景

Vicon Nexus 2.14.0
  重建(reconstruct) → 标注(label) → 补洞(gap-fill) → 导出 .c3d
        │
        ├── .c3d：标记点轨迹 + GRF + COP（原始，未滤波）
        │
 坐标系旋转（对齐 OpenSim 坐标系）
        │
 三阶零相位低通 Butterworth，15 Hz
        │
        ├── .trc（轨迹文件）
        │
 OpenSim 4.3
   静立试验 → 手工缩放模型（setup_scaling_default.xml）
   → 逆运动学 IK（setup_IK_default.xml）
        │
   MATLAB R2021a（OpenSim-MATLAB 脚本接口）
   → 关节角写入 MATLAB 结构体
   → OpenSim Analyze Tool 提取 COM 位置/速度/加速度
        │
   GRF：15 Hz 低通 + 1000 Hz → 250 Hz 重采样
        │
   初始接触（IC）：垂直 GRF > 20 N
        │
   → joint_angles/*.mat（4 个字段）

3.2 七个可复算的决策点

决策点 1：坐标系旋转。 Vicon 的坐标系（Y 轴向上、右手系）与 OpenSim 的坐标系不一致，作者在导出 .c3d 后做了一次旋转以对齐 OpenSim。Fig. 3(d) 展示了旋转后的坐标系。这一旋转的变换矩阵没有在论文正文中给出，而是隐含在 .c3d 的数值里——使用者若自己从 .c3d 重算，需要先判断文件里的坐标已经是旋转前还是旋转后。这是复现时第一个卡点。

决策点 2：滤波。 标记点轨迹用三阶、零相位、低通 Butterworth，截止频率 15 Hz。三个参数各有讲究：

• 三阶：兼顾衰减陡度与相位失真，是生物力学界的常见选择；
• 零相位（双向滤波，filtfilt 式）：避免单向滤波引入的时间延迟，这对识别落地瞬间的峰值角至关重要；
• 15 Hz：对 250 Hz 采样而言，奈奎斯特频率 125 Hz，15 Hz 保留了大部分人体运动频段，同时滤掉了标记点的抖动噪声。

15 Hz 这个数字是有文献依据的选择（参考文献 44），不是随手取的。但它也是一个可争议的选择：落地冲击的某些高频成分（如胫骨加速度）会被滤掉，若研究关注冲击衰减（shock attenuation），这个截止频率可能偏高或偏低。作者在文中特别说明「为支持潜在的逆动力学分析，GRF 与标记点轨迹使用同一截止频率，符合文献建议」——统一截止频率是逆动力学的必要条件，否则力与运动不同步会产生虚假的关节力矩。

决策点 3：模型改造。 用的是 Catelli 等（参考文献 46）的全身肌骨模型改造版，做了两处关键改动：

• 增加 2 个自由度：膝外展/内收（knee abduction-adduction）、膝内旋/外旋（knee internal-external rotation）；
• 锁定 2 个自由度：踝的旋前/旋后（pronation-supination）、跖趾关节。

加膝的两个旋转自由度是必须的——ACL 损伤的核心力学机制就是膝外翻 + 胫骨内旋的复合负荷，一个只有屈伸的膝关节模型根本算不出这个量。锁踝的旋前旋后与跖趾关节则是为了降低模型复杂度、避免在标记点不足时出现不可辨识的自由度。

决策点 4：缩放方式。 用静立试验 + setup_scaling_default.xml 手工缩放（manual scaling），而非 OpenSim 的自动缩放（scale tool 的自动拟合）。手工缩放的可重复性依赖于操作者的判断，这一点论文没有展开。使用者在复现时若改用自动缩放，关节角会有小幅差异。

决策点 5：逆运动学而非逆动力学。 数据集提供的是关节角（逆运动学的输出），不是关节力矩（逆动力学的输出）。论文在 Technical Validation 中明确说「标记点轨迹与同步测力台数据的可得性，支持高级生物力学分析，包括关节力矩计算」——意思是力矩要你自己算。这是本数据集与「开箱即用」的差距：想做膝外展力矩分析的研究者，必须自己跑一遍逆动力学，而逆动力学对模型质量、滤波、事件识别的敏感度远高于逆运动学。

决策点 6：GRF 重采样。 测力台原始 1000 Hz，被重采样到 250 Hz 以匹配轨迹。降采样意味着力峰值可能被削平——若落地冲击的真实峰值落在两个 250 Hz 采样点之间。原始 1000 Hz 的 GRF 仍在 .c3d 里，做冲击分析时应回到原始数据。

决策点 7：初始接触事件定义。 判据是「重采样并滤波后的垂直 GRF > 20 N」。20 N 是一个经验阈值，用于区分「真正触地」与「传感器噪声/轻微擦碰」。DJ 任务特殊：需要识别两次触地事件（落箱后第一次触地、以及紧接着起跳后的第二次触地），作者对两次都做了计算并存入结构体。这个 20 N 阈值对慢速落地（如 SLH 的柔和落地）可能偏晚，对快速冲击（DJ）可能合适——使用者若做事件对齐分析，应检查阈值敏感性。

3.3 MATLAB 结构体的四个字段

每个 .mat 文件（按任务分）内的结构体包含四个字段：

字段	内容	用途
初始接触事件	每次试次的 IC 时刻（DJ 含两次）	事件对齐、时间归一化
质心数据	COM 位置、速度、加速度	平衡控制、动量分析
关节角波形	全部关节角的时序	波形分析、峰值角提取、机器学习输入
滤波后标记点轨迹	已旋转、已 15 Hz 滤波的轨迹	自定义逆运动学、标记点级分析

数据按「试次 → 受试者 → 条件（非疲劳/疲劳）→ 肢体」四层组织。这一组织方式决定了读取时的索引顺序，也在一定程度上决定了使用者做批量处理时的循环写法。

3.4 Fig. 6 的 13 个关节角：为什么是这 13 个

论文从全部关节角中抽出 13 个用于示例图，理由是它们「与 ACL 损伤相关研究相关」：

1. 膝屈伸（knee flexion/extension）
2. 膝外展/内收（knee abduction/adduction）
3. 膝内/外旋（knee internal/external rotation）
4. 髋屈伸（hip flexion/extension）
5. 髋外展/内收（hip abduction/adduction）
6. 髋内/外旋（hip internal/external rotation）
7. 踝屈伸（ankle flexion/extension）
8. 躯干屈伸（trunk flexion/extension）
9. 躯干侧弯（trunk lateral bending）
10. 躯干旋转（trunk rotation）
11. 骨盆倾斜（pelvis tilt）
12. 骨盆侧倾（pelvis list）
13. 骨盆旋转（pelvis rotation）

这 13 个构成了「下肢三关节 + 躯干三向 + 骨盆三向」的完整链条，恰好覆盖了落地时力从地面经足踝、膝、髋传到躯干再回到骨盆的闭合链。注意没有列出踝的内外翻与内外旋——踝被锁定在旋前旋后（见决策点 3），这是模型设计的直接后果，也是一处能力边界。

3.5 时间窗为什么是 ±100 ms

Fig. 6 的时间窗是 IC 前 100 ms 到 IC 后 100 ms。这个窗口的选择对应落地生物力学的经典分析区间：IC 前的 100 ms 包含预激活与预着陆调整（pre-landing adjustment），IC 后的 100 ms 覆盖了冲击吸收的主要阶段——膝屈角峰值通常在 IC 后 50–100 ms 出现，而膝外翻峰值出现得更早，常在 IC 后 30–50 ms。±100 ms 的窗口足以把这两个关键峰值都包住，又不至于引入后续的平衡恢复阶段噪声。

若研究关注的是整个落地-稳定过程（如 2 秒保持期的姿态控制），这个窗口就太短，需要回到完整波形。

§4 疲劳维度：这个数据集最值钱的一列

4.1 为什么「疲劳」是 ACL 研究的核心变量

论文的背景部分把这条逻辑链说得很清楚：

1. ACL 重建后，生物力学缺陷可以持续多年，表现为落地力学的左右不对称与代偿策略，两者都增加再伤风险（参考文献 10、11）；
2. 疲劳会引起神经肌肉改变——膝屈角减小、髋屈角减小、膝外翻增加——这些恰恰是再伤风险因子（参考文献 12、13）；
3. 但 RTS 判据通常在非疲劳状态下评估（参考文献 14、15），因此可能无法预测应激状态下的表现；
4. 结果是：即使通过了 RTS 判据，运动员仍然面临更高的二次 ACL 损伤风险（参考文献 16）。

这条链条的缺口在第 3 步：临床上没有疲劳状态下的评估工具，因为实验室里也没有疲劳状态下的公开数据。本数据集直接补这个缺口。

4.2 疲劳前后发生了什么：Table 1 的两个数字

Table 1 给出了疲劳前后的跳跃高度与 BORG 评分：

指标	ACL 组	对照组	疲劳主效应 p 值
跳跃高度（cm，疲劳前）	11.7 ± 4.3	12.3 ± 3.2	—
跳跃高度（cm，疲劳后）	8.9 ± 3.8	9.6 ± 3.1	0.001
BORG CR10（疲劳前）	0.6 ± 0.6	1.2 ± 1.5	—
BORG CR10（疲劳后）	6.0 ± 1.0	6.7 ± 1.5	0.001

三个读数：

• 跳跃高度下降幅度：ACL 组从 11.7 降至 8.9，降幅 24.0%；对照组从 12.3 降至 9.6，降幅 22.0%。两组降幅接近，都超过了 20% 的疲劳判据。注意这是组均值，个体层面有人靠 BORG 判据达标、有人靠 20% 判据达标。
• BORG 从 0.6/1.2 跃到 6.0/6.7：疲劳诱导是有效的，且对照组的主观用力感略高于 ACL 组（6.7 vs 6.0），差异未做统计检验，不足以推断 ACL 组「更能忍」。
• p = 0.001 是「疲劳主效应」，即重复测量方差分析中「疲劳前后」这一因素的主效应，不是组间差异。这是阅读 Table 1 最容易搞错的地方：两个 p 值都标着「Main effect fatigue」，说明该列检验的是疲劳前后的变化，不是 ACL 组 vs 对照组的差异。

至于组间差异，Table 1 只对人口学变量做了独立样本 t 检验（年龄 p = 0.008 显著，身高/体重/BMI/活动量均不显著），跳跃高度与 BORG 都没有报告组间比较。因此从本表无法得出「ACL 伤者疲劳后跳得比健康人低」这样的结论——从均值看 8.9 vs 9.6 确有差，但没有检验，不能当结论用。

4.3 疲劳协议的生理学定位

本数据集用的是外周局部疲劳（peripheral fatigue）：单腿深蹲 + 单腿上台阶，靶向股四头肌与臀肌。这与比赛中累积的疲劳机制并不完全等价——比赛疲劳既有外周成分（肌肉代谢产物堆积、肌纤维传导速度下降），也有中枢成分（运动皮层兴奋性改变、动机与注意力下降）。作者用 BORG 主观评分作为「整体用力感」的代理，部分补上了中枢维度，但没有任何神经生理测量（如表面肌电的中位频率下降、经颅磁刺激测的运动诱发电位）。

这一局限对使用者的实际含义是：不要把这个数据集里的「疲劳」直接等同于比赛末段的疲劳。它更准确的描述是「一次针对下肢主要肌群的局部力量耐力耗竭」。这个定性在数据集内部是一致的（所有受试者经历同一协议），但外推到真实比赛场景时需要谨慎。

4.4 疲劳条件下缺失更多：一个必须处理的偏倚

如 §2.3 所述，缺失试次大量集中在疲劳条件（sub40 与 sub44 的缺失条目多带 _f_）。这构成一个**非随机缺失（missing not at random）**问题：

• 谁更容易在疲劳状态下丢数据？——动作质量下降更多的人、出汗更多的人、无法维持终末姿势 2 秒的人；
• 这意味着疲劳条件下的可用样本，可能系统性地偏向「疲劳后动作仍较稳定」的受试者；
• 若做配对分析（同一人的疲劳前 vs 疲劳后），缺失会让部分人的配对不成立，样本量进一步缩小。

作者没有对这一缺失机制做敏感性分析。使用者在做组间或条件间比较时，建议至少报告「纳入分析的完整配对数」而非仅报告总试次数。

§5 验证与基准：一个诚实的「无基线」数据集

5.1 Technical Validation 做了什么

Scientific Data 对数据描述符类论文的要求是：证明数据「可用、可信、可复用」，而不是证明某个模型有多强。作者做了四件事：

第一，可视化自查。 用 OpenSim 算出全部任务的关节角时序，用附带的 MATLAB 脚本 figures.m 画出 13 个代表变量的波形（Fig. 6），检查膝、髋、踝、骨盆、躯干在疲劳/非疲劳两种状态下的运动模式是否「看起来合理」。这是一种定性验证——如果某个关节角的波形出现不符合生理的锯齿或跳变，说明逆运动学或滤波出了问题。

第二，间接的预测效度。 数据集已在同组的另一篇同行评议论文中使用（参考文献 30，European Journal of Sport Science 2025），机器学习模型成功区分了 ACL 伤者与对照。这一条比可视化强得多：如果数据里没有真实可学的信号，分类器不可能超随机。但它是间接的——论文没有在这里报告该模型的准确率数字，数字在同组那篇论文里。

第三，元数据的完备性论证。 作者指出，跳跃类型、腿侧、疲劳状态、伤侧、腿优势这五个维度的元数据齐备，因此使用者可以做亚组分析与对称性分析，或研究「同侧损伤对侧肢体的影响」。

第四，原始数据的可延展性。 标记点轨迹与同步测力台数据都在，因此可以做超出本文范围的高级分析，包括关节力矩计算。

5.2 那篇姊妹论文说了什么

论文在 Background 中交代了首次分析的关键发现，本条目如实转述：

调查了哪种跳跃落地任务、哪种疲劳状态最能准确预测「这次落地力学来自一名有 ACL 伤史的人还是一名健康人」。结果是：疲劳总体上提高了预测准确率，而最准确的结果来自疲劳状态下的单腿跳（single-leg hop）。

这个结论有三层意义：

1. 它直接支持了「疲劳状态下评估」的临床价值——非疲劳状态下的测试会低估伤后缺陷；
2. 它给出了任务优先级的初步证据——如果临床时间有限只能做一个任务，单腿跳（在疲劳后）是首选；
3. 它同时也暴露了本文的边界——作者紧接着写：「其他与 RTS 决策相关的问题（例如选择最合适的生物力学变量来评估动作质量）仍未能解决」。也就是说，这套数据能帮你区分「伤过/没伤过」，但还没能帮你回答「他的动作到底哪里不好」。

姊妹论文的完整标题中含 Which Jump-Landing Test Is Sensitive to an ACL-Injury History Under Fatigued or NonFatigued Conditions?，DOI 10.1002/ejsc.12317，可作为本数据集的「第一份外部使用范例」。

5.3 没有基线意味着什么

对 AI-Ready 语境来说，「无官方基线」是一个中立偏负的属性：

• 好处：没有既定的划分与指标，研究者可以自由定义任务（分类伤史、回归跳跃高度、检测疲劳状态、跨受试者泛化、无标记动捕验证……），不会被他人的评测协议绑架；
• 坏处：结果无法横向对标。你报告 85% 准确率，别人也报告 85%，但用的是不同划分、不同特征、不同预处理，两个 85% 不可比。任何人都可以声称自己的方法 SOTA，因为根本没有排行榜。

因此使用本数据集时，建立划分协议比调模型更重要。 最低要求应包含三条：

1. 按受试者划分（subject-wise split），绝不按试次划分——同一受试者的 52 次试次高度相关，按试次划分会造成严重的数据泄漏；
2. 明确配对结构——同一受试者的疲劳前/后是配对样本，若一侧进了训练集、另一侧进了测试集，同样构成泄漏；
3. 报告类别不平衡——21 vs 22 是接近平衡的，但若按「伤腿 vs 健腿」或「优势腿 vs 非优势腿」重新定义标签，分布会急剧倾斜。

5.4 一个容易误用的外部参照

检索本数据集时常会遇到 GitHub 上一个名为 ACL-injury-risk-classification 的课程项目（Roma Tre 大学）。它同样做 ACL 落地风险分类，用 LSTM 处理 .mot 关节角文件，报告 Schneider 任务 73.4% ± 14%、Padua 任务 80.3% ± 13.7% 的准确率。但它用的是完全不同的数据：60 名受试者、OpenCap 无标记动捕、LESS（Landing Error Scoring System）评分二分类（LESS < 5 为低风险，≥ 5 为高风险）。

这三点差异让它不能作为本数据集的基线：

• 人群不同：该项目未限定 ACL 伤史，做的是「风险筛查」；本数据集是「已伤者 vs 从未伤者」。
• 标签不同：LESS 是观察性评分（0–14 分），本数据集没有 LESS 评分，只有伤史、伤侧、疲劳状态这些结构性标签。
• 模态不同：OpenCap 是无标记（markerless）的智能手机视频方案，本数据集是 59 个反光标记的光学动捕 + 测力台。

唯一的交集是「跳跃落地任务」这一表层相似性。看到这篇 GitHub 项目就把 73.4%/80.3% 当作本数据集的可比成绩，是本条目要提醒的第一个误用。

§6 获取与许可：一扇完全敞开的门

6.1 三层资产、一种许可

资产	位置	许可	获取方式
数据集本体（c3d / mat / xlsx / osim）	Figshare 10.6084/m9.figshare.28890545.v1	CC BY 4.0	公开直链，无需注册
论文正文与图	Scientific Data 2025;12	CC BY 4.0	开放获取
代码（作图脚本 figures.m）	随数据集发布在 Figshare	未单独声明（见 §6.4）	公开直链

CC BY 4.0 的实际含义（对本数据集）：

• ✅ 可以商用——例如用于训练商业化的运动损伤风险模型；
• ✅ 可以修改——可以重新滤波、换模型、重新算关节角；
• ✅ 可以再分发——可以镜像、可以打包进自己的数据产品；
• ⚠️ 必须署名——需注明作者 Calisti、Mohr、Federolf 与数据集 DOI，并链接许可；
• ⚠️ 必须标明修改——若你重算了关节角或改了模型，需说明「本作品基于原作进行了修改」；
• ❌ 不能加额外限制——不能对下游使用者施加比 CC BY 4.0 更严格的条款。

这一点值得强调：本库中不少运动与生理数据集是 CC BY-NC（禁止商用）或请求制，本数据集是真正的开放许可，在 AI-Ready 光谱上属于最好的一档。

6.2 版本链

• .v1 是当前唯一版本，DOI handle 注册时间为 2025-07-25T08:53:00Z；
• 论文正式发表于 2025-10-15；
• 即数据先于论文约三个月公开。这一顺序在实践中意味着：论文发表时数据已经历了一轮外部使用，也意味着若作者后续更新（.v2），.v1 的 DOI 仍会保留但内容可能被新版替换——引用时应写明版本号 .v1。

6.3 目录结构与命名规则

文件命名编码了五元信息，这是使用者必须掌握的第一条规则：

s01_CMJ_r_t1        ← 非疲劳状态
s01_CMJ_f_r_t1      ← 疲劳状态（多一个 f）

字段	含义	取值
s01	受试者编号	s01–s44（sub32、sub39、sub40、sub44 有缺失）
uCMJ / SLH / COH / MRH / CMJ / DJ	跳跃类型	六种之一
f	疲劳标记	出现即疲劳状态；不出现即非疲劳
r / l	测试腿	右腿 / 左腿
t1 / t2 / t3	试次号	同一条件下第几次重复

注意：uCMJ（单腿反向跳）与 CMJ（双腿反向跳）只差一个前缀字母 u，批量处理时极易被字符串匹配混淆——若用 if 'CMJ' in filename 做筛选，会把两者都选进来。正确的做法是用正则锚定分隔符，例如 _uCMJ_ 与 _CMJ_。

6.4 一个许可上的空白

论文的 Code availability 节只写了两句话：「关节角作图的代码可在 Figshare 找到；MATLAB-OpenSim 脚本接口使用了 OpenSim 提供的说明与代码」。没有声明 figures.m 的独立许可。

在 CC BY 4.0 的常规解释下，随数据集一同发布的代码通常被视作「数据集的一部分」而适用同一许可；但严格来说，软件与数据在著作权法上类别不同，一些司法辖区不认可用数据许可覆盖代码。这是一个低风险但非零的模糊地带。若你的使用场景涉及把 figures.m 直接嵌入商业产品，稳妥做法是引用 CC BY 4.0 并保留署名，同时不要主张对该脚本的独占权。

6.5 AI-Ready 评估：为什么它是「高就绪」的

从「机器可消费」的角度看，本数据集有四个加分项和三个减分项：

加分项：

1. 原始数据可复算——不是只给结果，给了原始 c3d，任何下游计算都可追溯；
2. 元数据与数据文件分离但可连接——labeling_jump_side.xlsx 用文件名主键把元数据挂到每一次试次上，这是标准的表连接式设计；
3. 模型与设置文件齐全——.osim + 两个 .xml 意味着逆运动学可以逐比特复现，不是「我们用了 OpenSim 4.3」这种无法复现的表述；
4. 许可无摩擦——CC BY 4.0，无申请、无注册、无 gated。

减分项：

1. 无官方划分——需要使用者自建，容易出错（见 §5.3）；
2. MATLAB 依赖——.mat 与 .m 把非 MATLAB 用户挡在门外。Python 用户可用 scipy.io.loadmat 读取，但嵌套 cell array 与 struct 的解析相当繁琐；
3. 规模偏小——43 人、2199 次试次，对深度学习来说属于小样本，跨受试者泛化是硬骨头。

§7 生态与影响：一篇数据描述符的位置

7.1 前作与谱系

本数据集不是孤立产出，它与同组的另一篇论文构成「数据 + 分析」的双子结构：

• 数据侧（本条）：Motion capture data of six jump-landings, fatigued and non-fatigued, after anterior cruciate ligament injury，Scientific Data 2025;12，DOI 10.1038/s41597-025-05934-5；
• 分析侧：Return-To-Sport Assessments After Anterior Cruciate Ligament Injury: Which Jump-Landing Test Is Sensitive to an ACL-Injury History Under Fatigued or NonFatigued Conditions?，European Journal of Sport Science 2025;25，DOI 10.1002/ejsc.12317。

顺序上，分析论文先于数据描述符（数据在 Figshare 上 2025-07 已可访问）。这种「先发数据、后发描述符」的模式在 Scientific Data 上并不罕见——期刊的要求是描述符本身要把数据的来历、结构、验证讲清楚，而不要求数据首发。

7.2 论文自陈的坐标：与五类既有数据的对照

作者在 Background 中逐条列出了既有数据集及其不足，这是理解本数据集定位最直接的证据。本条目将其整理为表：

既有数据类型	代表文献	不足（作者视角）
步态与跑步生物力学	参考文献 24（不同步宽与速度）、25（柔性地形下的运动学与动力学）	不是跳跃落地，无法反映冲击负荷
一般性筛查（下落跳、跳下的稳定性测量）	参考文献 26（183 名运动员的动作筛查三维动捕）	无疲劳条件，且非 ACL 专门
膝病理患者的康复操（可穿戴传感器）	参考文献 27	是康复动作而非高强度落地
健康人在疲劳下行走	参考文献 28（DUO-GAIT）	是步行不是落地，且为 IMU
健康人单腿落地与垂直跳（IMU）	参考文献 29	无疲劳、无 ACL 专门

作者的结论句是：据其所知，没有任何数据集把多种跳跃落地任务与疲劳/非疲劳条件组合在 ACL 伤者身上。这句话是本数据集存在性的核心宣称，也是检索者判断「要不要用它」的第一依据。

值得注意的是参考文献 26——Zhao 等 2023 年发表于 Scientific Data 的「183 名运动员动作筛查三维动捕」。它是与本数据集最接近的公开资源（同样是大规模三维动捕、同样含跳跃动作），但两点关键差异：无疲劳条件、非 ACL 专门人群。想做「大样本动作筛查」的研究者可能更适合用它；想做「疲劳 × 伤史」交互的研究者只能用本数据集。

7.3 在 AI-Ready 数据集景观中的位置

按「模态 × 病理 × 可获取性」三维定位：

维度	本数据集	典型同类
模态	光学动捕（marker）+ 测力台	无标记视频、IMU、压力鞋垫
病理	ACL 损伤（伤后 ≥1 年，已获准重返 I 级运动）	卒中、帕金森、膝骨关节炎、一般运动筛查
可获取性	CC BY 4.0，公开直链	请求制、CC BY-NC、仅论文图表

在这个坐标里，本数据集占据的是「高质量但小样本、强标注但弱监督」的格子——它不是一个能直接喂进大模型的数据集，而是一个验证集与真值源：当你要证明自己的无标记动捕算法、IMU 落地检测算法、或视频骨架提取算法「测得准」时，marker 级 + 测力台级的数据才是黄金标准。

7.4 潜在的下游用法

以下是基于数据结构的合理推演，不是论文的宣称：

1. 无标记动捕验证：用同步采集的 RGB 视频（若有）或公开视频数据训练 markerless 模型，以本数据集的 marker 轨迹为地真值评估关节角误差；
2. 疲劳状态自动检测：从落地波形判断「这次落地是疲劳前还是疲劳后」，是一个天然的弱监督任务（标签由实验协议给出，非人工标注）；
3. 伤史分类与可解释性：区分 ACL 伤者与对照，并用 SHAP/注意力权重找出关键关节角与时相——这正是姊妹论文做过的；
4. 对称性指标构建：双侧任务（CMJ、DJ）天然给出左右腿同时的力学，可构建肢体对称指数（Limb Symmetry Index, LSI）；
5. 逆动力学二次分析：自行计算膝外展力矩、膝关节接触力等逆动力学指标（论文明确支持这一用法）；
6. 生物力学仿真验证：作为肌骨模型（如 OpenSim 的各类全身模型）的验证数据，检查不同模型在同一批落地数据上的关节角差异。

7.5 一个反向的观察：为什么这类数据集仍然稀少

从 2022 年 6 月采到 2023 年 2 月，8 个月只采到 43 人，这个效率说明了实验室动捕的成本结构：每名受试者需要一次到访、贴 59 个标记、做 52 次试次（含疲劳诱导）、再经历完整的 Nexus 处理与 OpenSim 逆运动学。2199 次试次的背后是 43 次这样的全流程。

这与影像数据集的规模化路径完全不同——影像可以从 PACS 里批量导出，动捕必须一人一次地"生产"。这也解释了为什么这个领域的数据集普遍只有几十人规模，以及为什么本数据集 43 人的样本量在同类中已属中等偏上。

§8 方法学启示：三条可迁移的经验

8.1 「疲劳」应该被当作实验条件，而不是混杂因素

多数运动生物力学研究把疲劳视为需要控制（避免）的因素——受试者要休息好、试次间要有充足恢复。本数据集反其道而行，把疲劳做成一个正式的实验条件，并且用双判据（客观跳高 + 主观 BORG）落定。

这个转变的方法学意义在于：临床上真正想预判的是「在比赛末段会发生什么」，而这个场景恰恰是疲劳状态。任何只在充分休息状态下采集的数据，其外部效度在 RTS 语境下都是打折的。「把被控制的因素变成被研究的因素」，是可迁移到其他领域的一条设计原则——例如把「噪声」「低光照」「运动伪影」从需要消除的干扰，变成需要覆盖的数据维度。

8.2 判据要「双轨」且「可复现」

本数据集用「跳高降 20%」或「跳高降 10% + BORG > 5」，两条轨并行。单独任一都有缺陷：跳高降幅会被受试者的动机影响（有人疲劳了但咬牙还能跳到接近原高度），BORG 则是纯主观。

双轨判据的可复现性依赖于两个细节：跳高的计算方法要写明（冲量-动量定理 + LabVIEW 自编程序 + 三次均值），BORG 的版本要引原文（Borg 1982，类别-比率量表）。这两点都做到了，因此另一个实验室可以完全按同样流程判定「疲劳」。

反例是那些只写「受试者做抗阻训练直至力竭」的研究——「力竭」没有操作化定义，不同实验室的做法千差万别，数据不可汇合。

8.3 公开原始数据比公开结果更有价值

论文选择公开未滤波的原始 c3d，而不仅仅公开算好的关节角。这一决定付出了存储成本（几千个 c3d），但换来三种可能性：

1. 换滤波参数重算——若你的研究关注冲击高频成分，可以不用 15 Hz 而用 50 Hz；
2. 换模型重算——若你认为 Catelli 模型不适合你的问题，可以换 OpenSim 的 Rajagopal 模型或 AnyBody 模型；
3. 换事件定义重算——若 20 N 阈值不适合你的任务，可以自己定义 IC。

这三种可能性，是「结果数据」永远给不了的。在 AI-Ready 语境下，「原始可复算」是一个比「已加工、开箱即用」更高的层级——它把数据从「消耗品」变成了「生产资料」。

§9 与库内条目的关系：五条互链路径与三条消歧

9.1 与 acl27（rid=916）：同病不同物，务必区分

这是本条目最需要说清的一条，因为两者共享「ACL」这个关键词，检索时极易混淆：

维度	acl27（rid=916）	本条目 acl-jumplanding-mocap
研究对象	关节镜手术视频（ACL 重建手术过程）	人体跳跃落地动作（ACL 伤后运动功能）
数据形态	27 段手术视频，18.4 GB，约 13 小时	2199 次试次的动捕与测力台数据
标注	逐秒五阶段标签（Preparation / Diagnosis / 股骨隧道 / 胫骨隧道 / ACL 重建）	无逐帧标注，标签来自实验设计（任务/状态/腿/伤史）
机构	苏黎世大学 Balgrist 医院 ROCS 组	因斯布鲁克大学运动科学系
论文	Computer Assisted Surgery 2025，doi:10.1080/24699322.2025.2508144	Scientific Data 2025;12，doi:10.1038/s41597-025-05934-5
任务	手术阶段识别（视频理解）	落地生物力学分析、伤史分类、疲劳检测

一句话区分：acl27 看的是「医生怎么做手术」，本条目看的是「病人怎么落地」。两者的唯一共同点是疾病名称。

9.2 与 rehab-motion-capture（rid=1162）：同为光学动捕，人群与任务不同

利物浦大学的 UL-RED 数据集是本库中与本条目模态最接近的条目——同样是光学动捕（marker），同样附带了 markerless 与 depth 副模态。但三点关键差异：

维度	rehab-motion-capture（UL-RED, rid=1162）	本条目
人群	10 名健康受试者	21 名 ACL 伤者 + 22 名对照
任务	22 种康复训练动作（normal/fast/slow 三节奏）	6 种高强度跳跃落地任务
模态	marker（250 FPS，29 标记）+ markerless（30 FPS）+ depth	marker（250 Hz，59 标记）+ 双测力台
病理标签	无	有（伤史、伤侧、手术方式、移植物）
疲劳维度	无（有节奏维度）	有（疲劳前后）

互补关系而非重复：UL-RED 适合做「多模态动捕一致性」研究（因为它同时有三种模态），本条目适合做「病理人群的生物力学差异」研究（因为它有病理标签）。若要做「无标记动捕在病理人群上的精度」，理想做法是把两者结合——但注意两者的标记集与采样率不同，不能直接拼接。

9.3 与 rehab-wearable-kinematic（rid=1163）：同是运动学，传感模态相反

解放军总医院与中科院苏州医工所的 REHAB 数据集，是 120 例卒中偏瘫患者使用 5 个可穿戴传感器节点（4 个九轴 IMU + 1 只弯曲传感器手套）在 50 Hz 下采集的 27 项 Fugl-Meyer 评估动作与 16 项训练动作。

与本条目的关系是**「可穿戴 vs 光学」这一经典对照**：REHAB 代表低成本、可居家、但精度与关节角解算受限的一端；本条目代表高成本、实验室限定、但精度可达毫米级的一端。把本条目当作 IMU 落地检测算法的验证真值，是一条合理的互链用法。

9.4 与 3dreasonknee（728）、rsna-knee-2026（973）：膝关节的影像侧

这两条都是膝关节医学影像：前者是 7,970 例 3D 膝关节 DESS MRI 上的 3D 定位推理数据集（494k 五元组），后者是膝关节 MRI 十二类异常检测挑战赛。它们与本条目构成**「结构影像 ↔ 功能运动」**的对照：影像告诉你韧带断没断、软骨磨没磨，动捕告诉你这个人动起来是什么样。临床上两者是互补的——ACL 重建后的再伤风险，既取决于移植物状态（影像），也取决于落地力学（动捕）。

9.5 与步态类条目：gait-pd（242）、gait-in-aging（232）、live-gaitneurokids（1055）

三条都是步态数据：帕金森步态数据库、神经退行性疾病步态动力学库、儿科多模态纵向步态（IMU + sEMG + 三视角视频）。与本条目的关系是**「步态 vs 落地」**——步态是周期性、低冲击的稳态运动；落地是一次性、高冲击的瞬态事件。两者对滤波截止频率、事件识别方法、特征工程的要求截然不同。把步态模型直接搬到落地数据上是常见的误用，本条目在 §10 坑 7 有专门提醒。

9.6 明确不相关：jump-cell-painting（563）

仅因 slug 含 jump 一词而可能被检索到，实为细胞成像数据集（JUMP Cell Painting Consortium），与本条目毫无关系。列出仅为消歧。

9.7 与 slam-laparoscopic-motions（762）的关系

SLAM 腹腔镜手术动作识别视频片段数据集，与本条目同属「动作」范畴但完全不同的场景（手术室内、内窥镜视角、手术操作动作）。唯一可迁移的是时序动作分割算法（如 MS-TCN、ASFormer 一类）——这些方法在手术动作分割上训练、在落地试次上做条件分类，是一条可探讨的迁移路径，但属于跨域迁移，不应直接声称可比。

§10 避坑清单：八个已踩过的坑

坑 1：把 43 和 44 当成两个不同的样本量

论文摘要写 43，Methods 一开头写 44。初次阅读容易以为前后矛盾或版本不同。真相：44 是初始纳入，43 是剔除 sub5（出汗致标记点位移）之后的最终样本。数据文件里也不会有 sub5——若你在 raw_c3d_files/ 里找不到 s05 的 ACL 相关试次而以为下载不完整，其实是对的设计。

坑 2：把 2199 当成「全部试次」

2199 是完成关节角计算的试次。原始 c3d 有 2201，计划上限 2236。若你做「原始数据」相关工作，应以 2201 为基数；若你只用 .mat 关节角，则以 2199 为基数。两个基数差 2 次（sub29 的 CMJ_r_t2 与 sub39 的 MRH_f_l_t3，因动作异常被排除），这 2 次的 c3d 还在，但 .mat 里没有。

坑 3：用 'CMJ' in filename 筛选导致 uCMJ 混入

文件名里 s01_CMJ_r_t1（双腿）与 s01_uCMJ_r_t1（单腿）只差一个 u。字符串包含判断会把两者一并选中，导致「双腿任务」混进了单腿试次，后续按腿配对的分析全部出错。正确做法：用正则锚定分隔符，_uCMJ_ 与 _CMJ_ 分别匹配，并先排除 uCMJ 再匹配 CMJ。

坑 4：把 p = 0.001 当成组间差异

Table 1 中跳跃高度与 BORG 的 p 值列标题是「Main effect fatigue」——检验的是疲劳前后的变化（重复测量 ANOVA 的主效应），不是「ACL 组 vs 对照组」的差异。组间差异在这两行上根本没有做检验。从均值 8.9 vs 9.6 推断「伤者跳得更低」是过度解读。

坑 5：忽略年龄混杂

ACL 组平均 24.2 岁，对照组 26.5 岁，p = 0.008，显著。落地力学随年龄变化（肌力、反应时、关节刚度），而作者未做协变量校正。任何「伤者与对照存在差异」的结论，都需要先排除年龄的贡献——最低限度应在文中讨论，更好的是把年龄作为协变量纳入模型或做年龄匹配子样本分析。

坑 6：把「疲劳」当成连续变量做剂量-反应分析

疲劳在本数据集中是一个二分标签（达标/未达标），而非连续剂量。不同受试者达到疲劳所需的 F2 次数不同（有人 F1 即达标，有人多次 F2），诱导总量不可比。想做「疲劳程度 → 落地力学改变」的剂量-反应曲线，本数据集不支持。

坑 7：把步态数据的滤波参数照搬到落地数据

步态分析常用 6 Hz 甚至更低的截止频率（因为步态是低频周期性运动）。落地冲击是瞬态高频事件，本数据集用 15 Hz。若你用 6 Hz 处理这批数据，落地瞬间的膝屈角速度峰值、冲击力峰值都会被大幅削平，得出「疲劳不改变落地力学」的假阴性结论。截止频率是任务相关的，不是通用的。

坑 8：在疲劳条件下做配对分析却不核查配对完整性

同一受试者的疲劳前/疲劳后本应成对，但缺失集中发生在疲劳条件（sub40、sub44 尤为严重）。若直接对「疲劳前所有试次」与「疲劳后所有试次」做均值比较，实际比较的是两个不同的受试者子集，而不是同一批人的前后变化。正确做法：先取两侧都完整的配对，再在配对上做检验，并报告有效配对人数。

§11 总结

11.1 三句话总结

1. 它是什么：因斯布鲁克大学发布的 ACL 伤后跳跃落地光学动捕 + 测力台数据集，43 人（21 伤者 + 22 对照）× 六种任务 × 疲劳/非疲劳，2199 次可用试次，CC BY 4.0 公开直链。
2. 它强在哪：把「疲劳」做成正式实验条件，同时公开原始 c3d 与完整的 OpenSim 模型/设置文件，使从标记点到关节角的整条链路可复现——这是同类数据集中少见的组合。
3. 它弱在哪：样本仅 43 名大学生（年龄混杂显著）、无官方基线、无 EMG、疲劳只能做二分标签、无 RGB 原始视频。它是一个高质量的验证与真值数据集，不是一个能直接训练大模型的规模化数据集。

11.2 适合谁

• 做 ACL 再伤风险预测、且需要带疲劳变量的落地力学数据的建模团队；
• 做无标记动捕 / IMU 落地检测算法，需要 marker + 测力台级黄金标准做验证的团队；
• 研究 RTS 评估体系的运动医学与康复科研人员；
• 需要「同一批人、同一实验室、六种任务」横向对比数据，以回答「哪个任务最敏感」的研究者。

11.3 不适合谁

• 想训练大规模深度学习模型、追求数据量的团队（43 人不够）；
• 需要青少年、职业运动员或非大学生人群的研究者（样本全部为在校大学生）；
• 需要肌电、肌力、影像等补充模态的研究者；
• 想找现成排行榜与基线的团队（没有）。

11.4 30 秒决策卡

你的问题	答案
要不要下？	若做 ACL/落地生物力学/动捕验证 → 下；若做影像诊断 → 不用
多大？	43 人，2199 次试次，原始 c3d 2201 次
什么许可？	CC BY 4.0，可商用，需署名
要申请吗？	不要，Figshare 公开直链
有基线吗？	没有，需自建划分（务必 subject-wise）
最快上手路径	先读 labeling_jump_side.xlsx 摸清试次清单 → 打开 SLH.mat 看一个样本 → 跑 figures.m 复现 Fig. 6
最大的坑	uCMJ 与 CMJ 文件名混淆；把疲劳主效应误当组间差异

FAQ（高频问答 24 问）

A. 基础认知

A1. 这个数据集有官方简称吗？
没有。论文标题与 Figshare 标题都是完整长句，作者未给出缩写。本库使用 acl-jumplanding-mocap 作为检索 slug，纯为本库内部命名，检索时应使用论文标题或 DOI。

A2. 它是挑战赛数据吗？
不是。Scientific Data 的数据描述符（data descriptor）类论文，无排行榜、无截止日期、无提交系统。

A3. 它和 LESS 评分有关系吗？
没有直接关系。本数据集不含 LESS（Landing Error Scoring System）评分，也不含任何观察性落地质量评分。若要 LESS 评分，需自行用视频或标记点数据按 LESS 条目重新评定——但数据集本身不提供原始视频（只有 OpenSim 渲染的 webm）。

A4. 有 RGB 视频吗？
没有原始采集视频。Videos_jumps/ 里的六个 .webm 是 OpenSim 模型执行跳跃的渲染动画，用于直观展示六种任务的动作形态，不是受试者的真实录像。这是一个重要的能力边界——想做视频-动作跨模态研究的研究者无法直接使用本数据集。

A5. 数据采集什么时候做的？
2022 年 6 月至 2023 年 2 月，约 8 个月。

B. 数据与获取

B6. Figshare 页面上有多少个文件？总多大？
本条目未取得确切的文件数与总体积（Figshare 公开 API 在本次核验环境下返回 403）。论文的 Data Records 节给出了目录结构，但未给出文件计数或字节数。建议使用者下载后自行统计。

B7. .c3d 文件用什么打开？
论文推荐 Mokka（Motion Kinematic and Kinetic Analyzer，一个开源的可视化与标注工具，网址见正文引用）。此外可用 Python 的 c3d 库（pip install c3d）、MATLAB 的 BTK（Biomechanical ToolKit）、或 Vicon Nexus 本身打开。

B8. .mat 文件 Python 能读吗？
能，用 scipy.io.loadmat。但需注意 MATLAB 的 cell array 与 struct 在 Python 中会被映射为嵌套的 object 数组，解析较繁琐。论文的 .mat 采用「按试次 × 受试者 × 条件 × 肢体」的四层嵌套，读取时应先探测层级结构再写循环，不要假设固定的索引顺序。

B9. 能给一个文件下载示例吗？
本条目不做直链列举——Figshare 的文件 URL 含随机化的下载路径，无法在文中稳定复现。正确做法是访问 DOI 落地页（https://doi.org/10.6084/m9.figshare.28890545.v1）在浏览器中下载，或用 Figshare 的公开 API 列举（注意本条目核验时该 API 返回 403，可能需要更换网络环境）。

B10. 数据有更新版本吗？
截至 2026-10-17，只有 .v1。DOI handle 注册于 2025-07-25，论文发表于 2025-10-15。

B11. 商用需要额外授权吗？
不需要。CC BY 4.0 允许商业使用，条件是署名 + 标明修改 + 保留许可声明 + 不加额外限制。

C. 数据规格

C12. 为什么相机是 250 Hz 而测力台是 1000 Hz，最后又都降到 250 Hz？
硬件采样率不同是因为相机与测力台的物理特性不同：测力台的模拟信号容易做高采样，而光学相机受帧率与标记点识别算力限制。处理时统一到 250 Hz 是为了让力与运动在同一时间栅格上，这是逆动力学的必要条件。但降采样会损失力的高频成分，做冲击分析时应回到 .c3d 里的原始 1000 Hz 数据。

C13. 59 个标记点 vs 43 个标记点，到底几个？
正文写 59，Fig. 4 图注写 43（+4 点 cluster）。作者未解释差异。最可能的口径是：59 是全部反光标记总数（含 cluster 各点），43 是示意图中展示的有名标记。复现时以 description_markers.docx 为准。

C14. 为什么膝关节要加两个自由度？
因为 ACL 损伤的核心机制是膝外翻 + 胫骨内旋的复合负荷。标准的 Plug-in Gait 模型膝关节只有屈伸一个自由度，算不出这两个量。改造后的 Catelli 模型增加了膝外展/内收与膝内/外旋，才能刻画落地时危险的力学构型。

C15. 为什么踝的旋前旋后和跖趾关节被锁了？
降低模型复杂度、避免标记点不足时出现不可辨识的自由度。代价是：踝的内外翻与内外旋不做输出，若研究关注踝扭伤机制，需要自行解锁这两个自由度并重算（前提是标记点方案支持）。

C16. 为什么 DJ 要识别两次触地？
下落跳的动作是：从 30 cm 箱落下（第一次触地）→ 落地缓冲 → 立即向上跳（离开地面）→ 再落地（第二次触地）。论文对两次触地事件都做了计算并存入 .mat，使用者需自行判断用哪一次做分析——通常分析第一次（从箱上落下的冲击）。

D. 使用与建模

D17. 我可以直接按试次随机划分训练/测试集吗？
不可以。同一受试者的 52 次试次高度相关（同一人、同一贴点、同一解剖结构），按试次划分会造成严重数据泄漏，测试准确率虚高。必须按受试者划分。

D18. 2199 次试次对深度学习够用吗？
看任务。若做「疲劳状态检测」这类试次级任务，每人 52 次可提供足够的样本量；若做「伤史分类」这类受试者级任务，有效样本只有 43 个（21 vs 22），深度学习非常吃力，传统机器学习 + 手工特征往往更稳。

D19. 有没有推荐的基线？
论文推荐姊妹论文（DOI 10.1002/ejsc.12317）的模型作为参考，但该文的完整方法与数字需自行查阅。本条目不转述未经一手核实的准确率数字。

D20. 我能用这份数据做无标记动捕验证吗？
理论上可以（marker 轨迹是黄金标准），但缺少同步的原始 RGB 视频是硬约束。若你自建拍摄方案，需保证标记点可见性与相机标定的可比性，否则误差来源无法分离。

E. 合规与引用

E21. 引用格式？
数据集：Calisti M, Mohr M, Federolf P. Motion capture data of six jump-landings, fatigued and non-fatigued, after anterior cruciate ligament injury [Data set]. figshare. 2025. doi:10.6084/m9.figshare.28890545.v1
论文：Calisti M, Mohr M, Federolf P. Motion capture data of six jump-landings, fatigued and non-fatigued, after anterior cruciate ligament injury. Sci Data. 2025;12. doi:10.1038/s41597-025-05934-5

E22. 受试者隐私如何处理？
数据经伦理审批（因斯布鲁克大学伦理委员会 Certificate 98/2022），全部受试者书面知情同意。数据中只有编号（s01–s44），不含姓名、出生日期等直接标识符。Fig. 1 中展示的受试者已单独书面同意其图像用于发表。

E23. 论文里说「无利益冲突」，可信吗？
作者声明「The authors declare no competing interests」。这是一份声明，不是可验证的事实。可观察的旁证是：全部作者同一学术机构，无企业署名，设备厂商（Vicon/AMTI/Kistler）未列为合作方或资助方。

E24. 这个条目和库内 acl27 是不是重复条目？
不是。详见 §9.1 的对照表：acl27 是 ACL 重建手术视频的逐秒阶段标注（视频理解任务），本条目是 ACL 伤者跳跃落地动作的动捕与测力台（生物力学任务）。两者只在疾病名称上重合。

事实清单（硬事实 42 条）

下表每一条均可回溯到论文正文或 Figshare 元数据，不含推断。标注「口径」者为多来源并存的数字。

#	事实	口径 / 出处
1	官方数据集名 = Motion capture data of six jump-landings, fatigued and non-fatigued, after anterior cruciate ligament injury	论文标题；Figshare 标题
2	论文期刊 = Scientific Data，2025 年第 12 卷	论文页眉
3	论文 DOI = 10.1038/s41597-025-05934-5	论文
4	PMID = 41093902	Europe PMC
5	PMCID = PMC12528683	Europe PMC
6	首发日期 = 2025-10-15	Europe PMC firstPublicationDate
7	论文许可 = CC BY 4.0	PMC 全文 license 节点
8	数据集 DOI = 10.6084/m9.figshare.28890545.v1	论文 Data Citations
9	数据集许可 = CC BY 4.0	论文 Data Records 节
10	DOI handle 注册时间 = 2025-07-25T08:53:00Z	doi.org handle API
11	作者 = Calisti M, Mohr M, Federolf P	论文作者列表
12	机构 = Department of Sport Science, University of Innsbruck, Austria	论文单位节点（唯一单位）
13	伦理批件 = Certificate 98/2022	论文 Methods
14	采集时段 = 2022-06 至 2023-02	论文 Methods
15	初始纳入 = 44 人	论文 Methods
16	最终样本 = 43 人（ACL 21 + 对照 22）	论文摘要与 Table 1
17	剔除 1 人 = sub5（ACL 组，男，出汗致标记点位移）	论文 Methods
18	ACL 组性别（最终）= 女 11	论文 Table 1
19	对照组性别 = 女 12	论文 Table 1
20	年龄 = 24.2 ± 3.5（ACL）vs 26.5 ± 3.2（对照），p = 0.008	论文 Table 1
21	身高 = 1.8 ± 0.1 vs 1.7 ± 0.1，p = 0.568	论文 Table 1
22	体重 = 69.6 ± 10.7 vs 68.0 ± 14.8，p = 0.689	论文 Table 1
23	BMI = 22.6 ± 1.7 vs 22.4 ± 2.5，p = 0.350	论文 Table 1
24	伤后时间 = 3.9 ± 2.5 年	论文 Table 1
25	同侧再伤 = 0/21	论文 Table 1
26	移植物 = BPTB 4 / ST 11 / QT 4	论文 Table 1
27	半月板受累 = 是 12 / 否 9	论文 Table 1
28	手术与保守 = ACLR 19 / ACLD 2	论文 Table 1
29	IKDC = 93.2 ± 7.8 %	论文 Table 1
30	ACL-RSI = 67.0 ± 17.9	论文 Table 1
31	Tampa 恐动症量表 = 21.3 ± 4.8	论文 Table 1
32	跳跃高度（疲劳前）= 11.7 ± 4.3（ACL）/ 12.3 ± 3.2（对照）	论文 Table 1
33	跳跃高度（疲劳后）= 8.9 ± 3.8（ACL）/ 9.6 ± 3.1（对照）	论文 Table 1
34	疲劳主效应 p（跳跃高度）= 0.001	论文 Table 1
35	BORG CR10（疲劳前）= 0.6 ± 0.6 / 1.2 ± 1.5	论文 Table 1
36	BORG CR10（疲劳后）= 6.0 ± 1.0 / 6.7 ± 1.5	论文 Table 1
37	疲劳主效应 p（BORG）= 0.001	论文 Table 1
38	计划试次上限 = 2236（43 × 52）	论文 Data Records
39	原始 c3d 试次 = 2201	论文 Data Records 与 Table 2
40	关节角完整试次 = 2199	论文摘要与 Table 2
41	未录制试次 = 35；处理后排除 = 2	论文 Missing data 节
42	相机 10 台（8 Bonita + 2 Vero v2.2），250 Hz	论文 Instrumentation
43	测力台 2 块（AMTI + Kistler），1000 Hz	论文 Instrumentation
44	采集软件 = Vicon Nexus v2.14.0	论文 Instrumentation
45	反光标记 = 59 个（正文口径）；Fig. 4 图注写 43 个	论文 Instrumentation / Fig. 4 图注（双口径存照）
46	滤波器 = 三阶零相位低通 Butterworth，15 Hz	论文 Data processing
47	逆运动学软件 = OpenSim 4.3	论文 Data processing
48	分析脚本环境 = MATLAB R2021a	论文 Data processing
49	肌骨模型 = Catelli 模型改造版（+膝外展内收、膝内外旋 2 自由度；锁踝旋前旋后与跖趾）	论文 Data processing
50	初始接触判据 = 垂直 GRF > 20 N	论文 Data processing
51	GRF 重采样 = 1000 Hz → 250 Hz	论文 Data processing
52	疲劳判据 = 跳高降 ≥20%，或降 ≥10% 且 BORG > 5	论文 Experimental protocol
53	疲劳诱导 = 单腿深蹲 + 单腿上台阶，F1 每项 2 组 × 10 次，F2 每项 8 次	论文 Experimental protocol
54	鞋具 = Adidas Handball Spezial	论文 Experimental protocol
55	落地保持 = 最低屈膝位 ≥ 2 秒	论文 Experimental protocol
56	DJ 箱高 = 30 cm	论文 Experimental protocol
57	COH 落点间距 = 50 cm	论文 Experimental protocol
58	每试次 52 次的构成 = SLH 12 + uCMJ 12 + MRH 12 + COH 4 + CMJ 6 + DJ 6	论文 Experimental protocol（验算 52）
59	姊妹论文 DOI = 10.1002/ejsc.12317，Eur J Sport Sci 2025;25	论文参考文献 30
60	首次分析结论 = 疲劳提升预测准确率；疲劳状态下单腿跳最准	论文 Background（转述参考文献 30）

术语表（24 条）

术语	英文	说明
ACL	Anterior Cruciate Ligament	前交叉韧带，膝关节内限制胫骨相对股骨前移的核心韧带
ACLR	ACL Reconstruction	ACL 重建术，取自体肌腱（BPTB/ST/QT）重建韧带
ACLD	ACL Deficiency	ACL 缺损（保守治疗，未重建）
RTS	Return to Sport	重返运动，康复末期的决策过程
ACL-RSI	ACL Return to Sport after Injury scale	伤后重返运动心理量表
IKDC	International Knee Documentation Committee（subjective knee form）	主观膝关节功能评分
Tampa Scale	Tampa Scale of Kinesiophobia	恐动症量表（本数据集用 TSK-11 简版）
BORG CR10	Borg Category-Ratio 10 scale	主观用力感量表，0–10
LESS	Landing Error Scoring System	观察性落地错误评分，0–14 分（本数据集不含）
SLH	Single-Leg forward Hop	单腿前向跳
uCMJ	unilateral Countermovement Jump	单腿反向跳
COH	single-leg Cross-Over Hop	单腿交叉跳（连续 3 跳）
MRH	single-leg 90° Medial Rotation Hop	单腿 90° 内侧旋转跳
CMJ	bilateral Countermovement Jump	双腿反向跳
DJ	bilateral Drop Jump	双腿下落跳（30 cm 箱）
GRF	Ground Reaction Force	地面反作用力
COP	Center of Pressure	压力中心
COM	Center of Mass	质心
IC	Initial Contact	初始接触（本数据集判据为垂直 GRF > 20 N）
IK	Inverse Kinematics	逆运动学，由标记点轨迹反解关节角
ID	Inverse Dynamics	逆动力学，由运动 + 外力反解关节力矩
c3d	Coordinate 3D	Vicon 的二进制运动数据格式
BPTB / ST / QT	Bone-Patellar Tendon-Bone / Semitendinosus-Gracilis / Quadriceps Tendon	三种 ACL 重建移植物
LSI	Limb Symmetry Index	肢体对称指数

附录

附录 A：条目信息速查卡

字段	内容
slug	acl-jumplanding-mocap
官方名	Motion capture data of six jump-landings, fatigued and non-fatigued, after anterior cruciate ligament injury
类型	数据描述符（data descriptor），非挑战赛
论文	Scientific Data 2025;12，doi:10.1038/s41597-025-05934-5
数据集	Figshare 10.6084/m9.figshare.28890545.v1
团队	Department of Sport Science, University of Innsbruck（Calisti / Mohr / Federolf）
规模	43 人（21 ACL + 22 对照），2199 次关节角试次 / 2201 次原始 c3d
设备	Vicon 10 相机 250 Hz + 双测力台 1000 Hz + 59 标记
许可	数据 CC BY 4.0；论文 CC BY 4.0
抓取时点	2026-10-17
库内互链	acl27(916) / rehab-motion-capture(1162) / rehab-wearable-kinematic(1163) / 3dreasonknee(728) / rsna-knee-2026(973) / gait-pd(242) / gait-in-aging(232) / live-gaitneurokids(1055)

附录 B：DAIMS 评估全表

维度	评分（1-10）	依据
D 可发现性	8	论文开放获取（CC BY 4.0），DOI 双注册（论文 + 数据），Google Scholar / PubMed / Europe PMC 均可索引；扣分因官方标题为长句、无易搜简称
A 可获取性	10	公开直链，无需注册、无需申请、无 gated，CC BY 4.0 允许商用——本库中可获取性最高的一档
I 可互操作	7	c3d 为行业标准二进制格式，含所有主流生物力学工具（Mokka/BTK/Nexus/Python c3d 库）；.mat 为 MATLAB 生态标准；但无 DICOM/BIDS 类通用医学标准映射
M 元数据质量	8	论文表格完备（受试者、协议、设备、目录结构、试用次数），附 labeling_jump_side.xlsx 逐试次元数据；扣分因标记点数双口径（59 vs 43）未解释、Table 2 有重复项、未声明代码许可
S 可持续性	8	依托 Figshare（Springer Nature 旗下，长期存档承诺）+ Nature Portfolio 期刊；DOI 稳定；扣分因依赖个人维护的单一仓库，无镜像
综合评级	8.2/10（优）	可获取性与文档质量显著高于同类；规模偏小与方法学细节的少量缺口为主要失分项

附录 C：逐项证据链自证

关键数字	来源	抓取时点
43 人 / 21 ACL / 22 对照	论文摘要 + Table 1	2026-10-17
44 人初始纳入、sub5 剔除	论文 Methods「Participants」	2026-10-17
2236 / 2201 / 2199 三口径	论文 Data Records + Table 2	2026-10-17
52 次构成	论文 Experimental protocol	2026-10-17
10 台相机 / 250 Hz / 2 块测力台 / 1000 Hz	论文 Instrumentation	2026-10-17
59 个标记 / 35 个	论文 Instrumentation + Fig. 4 图注	2026-10-17
15 Hz / OpenSim 4.3 / MATLAB R2021a	论文 Data processing	2026-10-17
疲劳判据 20% / 10% / BORG > 5	论文 Experimental protocol	2026-10-17
Table 1 全部人口学与量表数字	论文 Table 1	2026-10-17
DOI 10.6084/m9.figshare.28890545.v1	论文 Data Citations	2026-10-17
DOI handle 注册 2025-07-25	doi.org handle API 返回	2026-10-17
PMID 41093902 / PMCID PMC12528683	Europe PMC REST API	2026-10-17
论文 CC BY 4.0	PMC 全文 license 节点	2026-10-17
姊妹论文 10.1002/ejsc.12317	论文参考文献 30	2026-10-17

附录 D：数据获取决策树

你要做什么？
│
├─ 想验证无标记动捕 / IMU 落地检测算法
│   ├─ 有同步 RGB 视频？ → 否（本数据集不含原始视频）→ 需自建采集或用 marker 轨迹做仿真验证
│   └─ 是 → 用 marker 轨迹（250 Hz）或关节角作为真值
│
├─ 想做伤史分类 / 再伤风险预测
│   ├─ 样本量够吗？ → 43 人（受试者级）→ 深度学习困难，优先传统 ML + 手工特征
│   └─ 划分方式？ → 必须 subject-wise，且注意疲劳前/后的配对泄漏
│
├─ 想做疲劳状态检测
│   └─ 标签天然可得（文件名含 f）→ 试次级任务，2199 次可用
│
├─ 想做逆动力学（关节力矩）
│   └─ 需自行跑 ID → 用 .c3d 原始 1000 Hz GRF + .trc 轨迹 + osim 模型
│
└─ 只想要现成的落地力学指标（如膝外翻峰值）
    └─ 用 joint_angles/*.mat，按 IC 对齐，取 IC 后 0–100 ms 窗口

附录 E：试次命名与筛选规范

正确的文件筛选写法（Python 伪代码）：

import re

# 错误：'CMJ' in name 会把 uCMJ 一并选中
# 正确：先用分隔符锚定
pat = re.compile(r'^s(\d{2})_(uCMJ|SLH|COH|MRH|CMJ|DJ)_(f_)?([rl])_t(\d)$')

def parse(name):
    m = pat.match(name.replace('.c3d', ''))
    if not m:
        return None
    sid, task, fat, leg, trial = m.groups()
    return {
        'subject': f's{sid}',
        'task': task,
        'fatigued': bool(fat),
        'leg': leg,
        'trial': int(trial),
    }

注意三点：

1. (f_)? 是可选的——非疲劳文件名里没有 f 段，正则必须允许其缺席；
2. uCMJ 必须排在 CMJ 之前（正则的交替是「先匹配先赢」），否则 uCMJ 会被 CMJ 从中间截断匹配；
3. 双侧任务（CMJ、DJ）的文件名里仍然带 r/l，这是历史设计——双侧任务实际双腿同时采集，但命名时仍保留了单腿标志位。读到双侧任务时，不要按「只有一侧」来理解，应按「该试次记录了两块台的数据」来理解。

附录 F：疲劳判定的复现骨架

以下为按论文协议重写的判定逻辑，不是官方代码，仅供复现参考：

def is_fatigued(jump_height_baseline, jump_height_current, borg_cr10):
    """
    按论文疲劳判据双重逻辑判定。
    jump_height_baseline: 疲劳前 3 次单腿 CMJ 跳高均值
    jump_height_current:  疲劳诱导后立即测得的跳高
    borg_cr10:            同时刻的 BORG CR10 评分（0-10）
    """
    drop_ratio = (jump_height_baseline - jump_height_current) / jump_height_baseline
    if drop_ratio >= 0.20:
        return True
    if drop_ratio >= 0.10 and borg_cr10 > 5:
        return True
    return False


def maintain_fatigue_protocol(completed_tasks):
    """
    每完成 2 项跳跃任务后补做一次 F2，维持疲劳。
    """
    if completed_tasks > 0 and completed_tasks % 2 == 0:
        run_f2_set()

两点提醒：跳高必须用冲量-动量定理从 GRF 积分得到，不能用飞行时间法替代——两者在疲劳状态下会产生不同的数值，导致判据不一致；BORG 的阈值是严格大于 5，等于 5 不达标。

附录 G：按角色阅读路径

不同背景的读者不必从头读到尾。下表给出四条最短路径：

你的角色	阅读顺序	预计耗时	关键收获
临床运动医学 / 康复医师	§0.2 → §4.1 → §4.2 → §11.4	10 分钟	看懂「为什么要在疲劳状态下测」，以及哪条任务最敏感
生物力学 / 动捕工程师	§2.4 → §2.5 → §3.2 → 附录 E → 附录 F	30 分钟	掌握设备参数、七个可复算决策点、命名正则与疲劳判定
机器学习研究者	§1 Q5/Q9 → §5.3 → §9.1 → §10 坑 3/坑 8 → 附录 D	20 分钟	知道样本量瓶颈、必须 subject-wise 划分、哪些坑会导致虚高
数据工程 / 数据集选型	§6.1 → §6.3 → §6.5 → 附录 B	15 分钟	判断许可是否可用、目录结构是否便于接入、AI-Ready 评分

一条通用建议：无论什么角色，都先读 §10 的八个坑，再动手。这八条是实际使用中代价最高的错误，每一条都可能让一周的工作白做。

附录 H：指标计算速查（IC 对齐后）

下表给出从 joint_angles/*.mat 出发、计算常用落地生物力学指标的公式骨架。这不是官方代码，是基于数据结构的合理实现。

指标	英文	计算方式	典型窗口
膝屈角峰值	Peak knee flexion angle	屈伸角波形在该窗口内的最大值	IC 后 0–100 ms
膝外展峰值	Peak knee abduction angle	外展/内收角波形的最大值（正方向需按坐标系确认）	IC 后 0–60 ms
膝屈角位移	Knee flexion excursion	峰值角 − IC 时刻角	IC 至峰值
膝外展力矩	Knee abduction moment（需逆动力学）	由 ID 计算，非本数据集直接给出	IC 后 0–100 ms
左右对称指数	LSI	\	伤侧 − 健侧\
落地时间	Time to stabilization	从 IC 到力平台稳定（阈值需自定义）	秒级
垂直冲击峰值	Peak vertical GRF	原始 1000 Hz 数据在该窗口的最大值（勿用 250 Hz 降采样数据）	IC 后 0–100 ms

四则计算注意事项：

1. 正方向：不同关节、不同轴的正负定义不同，Fig. 6 图注已提醒「部分角度呈镜像模式」。计算前必须先读 IK_column_labels.xlsx 确认每个角的正方向，不能凭常识假设。
2. 窗口选择：膝外展峰值出现得比膝屈角峰值早（常在前 30–60 ms），若统一用 0–100 ms 窗口取最大值，可能捕捉到的是后续的平衡恢复动作而非冲击响应。
3. 对称指数方向：LSI 的分母用健侧还是伤侧，不同文献做法不同；本条目建议用「健侧」为分母并在方法中写明，因为伤侧数值本身是不稳定量。
4. 冲击峰值只能用原始数据：.mat 里的 GRF 已降采样至 250 Hz，峰值会被削平；要算垂直冲击峰值，必须回到 .c3d 的 1000 Hz 原始通道。

附录 I：库内互链点与消歧声明

本条目在库内的建议互链按相关度排序如下：

序	条目	rid	互链理由	是否同物
1	acl27	916	同属 ACL 临床主题，但为手术视频阶段识别	否，须消歧
2	rehab-motion-capture	1162	同为光学动捕（marker），UL-RED 康复操数据集	否，人群与任务不同
3	rehab-wearable-kinematic	1163	同属运动学，但为可穿戴 IMU、卒中人群	否
4	3dreasonknee	728	膝关节影像侧（MRI 3D 推理）	否
5	rsna-knee-2026	973	膝关节 MRI 十二类异常检测	否
6	gait-in-aging	232	步态动力学，运动生物力学同域	否
7	gait-pd	242	帕金森步态，同上	否
8	live-gaitneurokids	1055	儿科多模态步态（IMU + sEMG + 视频）	否
9	slam-laparoscopic-motions	762	时序动作分析算法可迁移	否
10	jump-cell-painting	563	仅 slug 撞词，细胞成像，完全无关	否，仅避混淆

消歧声明（供编辑与检索使用）：

• 本条目与 acl27（rid=916）不是同一数据集的不同版本，不得合并。判别依据：数据形态（c3d 运动数据 vs 手术视频）、研究对象（人体动作 vs 手术过程）、机构（Innsbruck vs Zurich）、期刊（Scientific Data vs Computer Assisted Surgery）四项全部不同。
• 本条目与 rehab-motion-capture（rid=1162）虽同为光学动捕，但**受试者人群（ACL 伤者 vs 健康人）、任务（跳跃落地 vs 康复操）、是否含测力台（含 vs 不含）**三项不同，属互补条目。
• 本条目官方名称中不含「dataset」之外的品牌词，检索时应使用 DOI 或论文标题全文，而非依赖简称。

附录 J：与五类既有落地/步态数据集的对照总表

本表依据论文 Background 的论述整理，列名中的「参考文献编号」对应论文原文编号：

对照对象	采集内容	模态	是否含疲劳	是否 ACL 专门	与本数据集的差异
步态与跑步数据集（ref 24，不同步宽与速度）	步行与跑步	动捕	—	否	非跳跃落地，无冲击负荷
柔性地形运动学与动力学（ref 25）	多地形行走	动捕 + 动力学	—	否	地形变量而非疲劳变量
183 名运动员动作筛查（ref 26）	筛查动作含跳跃	三维动捕	否	否	样本最大但无疲劳、无伤史分层
膝病理患者康复操（ref 27）	康复训练动作	可穿戴	否	否	低强度动作，非高强度落地
DUO-GAIT（ref 28）	双任务与疲劳下步行	IMU	是	否	是步行不是落地，且为 IMU
健康人单腿落地与垂直跳（ref 29）	单腿落地	可穿戴	否	否	无 ACL 人群、无疲劳
本数据集	六种跳跃落地	动捕 + 测力台	是	是	—

这张表的读法是：横向看，本数据集是唯一在「疲劳」与「ACL 专门」两列同时打勾的；纵向看，它在样本量上不如 ref 26（183 人 vs 43 人），在模态丰富度上不如 ref 28（无 IMU）。选型时先确定你最不能牺牲的那一列——若那一列是「疲劳」，本数据集几乎是当前唯一的公开选择。

附录 K：常见误解澄清五则

误解一：以为「ACL 组」都是重建术后患者。
不全是。21 人中 19 人做过重建（ACLR），2 人为保守治疗的 ACL 缺损（ACLD）。两者膝关节力学机制不同，混合分析会掩盖差异。participant_log.xlsx 有逐人手术信息，可分层。

误解二：以为「疲劳后」的数据质量更差所以不可用。
疲劳本身是研究变量，不是噪声。数据质量上，疲劳后试次确实更易出现标记点脱落与动作失败，但已录制的试次在信号质量上与疲劳前无系统差异。真正的问题是缺失偏向（见 §4.4），而不是信号本身。

误解三：以为「跳跃高度 11.7 cm」是垂直纵跳高度。
Table 1 的跳跃高度来自单腿 CMJ（测试腿站测力台，摆动腿保持 90° 屈膝，手叉腰），因此数值明显低于常见的双腿纵跳（健康成年人双腿 CMJ 通常在 30–40 cm 量级）。11.7 cm 是单腿、无摆臂、摆动腿受限条件下的结果，不能与双腿纵跳数据横向比较。

误解四：以为有「伤侧/健侧」的对称性标签直接可用。
数据集给出的是 injured leg（伤腿）这一字段，但没有预先算好的对称指数。LSI 需自己按附录 H 的公式计算，且分母方向、指标选择（峰值 vs 均值 vs 积分）都会显著影响结果。同一批数据，不同 LSI 定义可能得出相反结论。

误解五：以为「疲劳」在每个人身上都达到了同一水平。
不同受试者的疲劳诱导剂量不同（F1 后即达标 vs 多次 F2 才达标），且达标判据本身允许两条路径（降 20% 或 降 10% + BORG > 5）。因此「疲劳」是一个门槛标签而非等剂量标签。研究「疲劳程度」与「是否疲劳」是两个不同的问题，本数据集只支持后者。

附录 L：检索与引用规范

关键词组合建议（用于数据库检索本数据集或同类资源）：

• 精确命中："six jump-landings" + "anterior cruciate ligament"；或直接检索 DOI 10.1038/s41597-025-05934-5
• 主题检索：motion capture + jump landing + fatigue + ACL + OpenSim
• 检索同类资源：marker-based biomechanics dataset + force plate + return to sport

引用规范（两种用途）：

• 引用数据本体（推荐用于方法学描述中「数据来自……」）：
  Calisti M, Mohr M, Federolf P. Motion capture data of six jump-landings, fatigued and non-fatigued, after anterior cruciate ligament injury [Data set]. figshare; 2025. doi:10.6084/m9.figshare.28890545.v1
• 引用论文（推荐用于论述研究发现时）：
  Calisti M, Mohr M, Federolf P. Motion capture data of six jump-landings, fatigued and non-fatigued, after anterior cruciate ligament injury. Sci Data. 2025;12. doi:10.1038/s41597-025-05934-5

同时引用两者的场合：当你的论文既使用了数据、又引用了数据描述符中的数据质量论证时，两条都要给。CC BY 4.0 的署名义务在数据与论文两处都成立，但对象不同——数据署名给作者与 Figshare DOI，论文署名给作者与期刊 DOI。

一个常被忽略的细节：引用 Figshare 版本时必须带 .v1。DOI 的版本号是数据引用完整性的一部分——若作者将来发布 .v2（例如补充缺失试次或修正标注），.v1 与 .v2 的内容会不同，而不带版本号的 DOI 会解析到「最新版」。学术出版惯例要求写明实际使用的版本。

附录 M：数据规模对照——为什么 43 人已是同类上限

把本数据集放到公开动捕落地数据集的谱系里，规模显得很小，但这个「小」有结构性原因：

环节	单次成本	43 人的总成本（估算口径）
受试者招募与筛选	每人一次筛查访谈 + 伤史核实	44 人入组，1 人退出
单次到访时长	热身 + 非疲劳 6 任务 + 疲劳诱导 + 疲劳后 6 任务	每人约 2 小时（含休息）
贴点	59 个标记，同一研究者	每次 30–45 分钟
数据处理	Nexus 重建/标注/补洞 + OpenSim IK	每次试次数分钟，每人 52 次
质量控制	成功判定四条件 + 失败重测	额外试次不可预估

这张表说明的是：动捕数据集的规模瓶颈不在受试者意愿，而在每名受试者的处理工时。影像数据集可以从 PACS 批量导出上万例，动捕必须一人一次、一次两小时、事后还要逐试次处理。因此 43 人在同类中并非「小样本失误」，而是成本约束下的合理产出。

对使用者的实际含义：不要用「数据量不足」来否定这份数据，但也不要用「已经是上限」来为小样本开脱。正确的态度是承认它对深度学习不友好，把它定位为验证集与真值源，而不是训练集。

附录 N：一页速查卡

┌─────────────────────────────────────────────────────────┐
│  ACL Jump-Landing MoCap  ·  acl-jumplanding-mocap        │
├─────────────────────────────────────────────────────────┤
│  论文  Sci Data 2025;12  doi:10.1038/s41597-025-05934-5  │
│  数据  figshare 10.6084/m9.figshare.28890545.v1          │
│  许可  CC BY 4.0（数据与论文同）                          │
│  人群  43 人 = ACL 21（伤后 3.9 年，19 ACLR + 2 ACLD）    │
│              + 对照 22                                    │
│  任务  SLH / uCMJ / COH / MRH / CMJ / DJ（30 cm 箱）      │
│  条件  疲劳前 + 疲劳后（跳高降 ≥20% 或 ≥10% 且 BORG >5）  │
│  试次  计划 2236 → 原始 c3d 2201 → 关节角 2199           │
│  设备  Vicon 10 相机 250 Hz + AMTI/Kistler 双台 1000 Hz  │
│  处理  OpenSim 4.3 IK，15 Hz 三阶零相位低通              │
│  上手  labeling_jump_side.xlsx → SLH.mat → figures.m     │
│  三坑  uCMJ/CMJ 混淆 · 疲劳主效应≠组间差异 · 年龄混杂     │
└─────────────────────────────────────────────────────────┘

附录 O：本条目未核实项清单

为遵守「零未核实数字」纪律，以下项目在正文中一律未给出数字，列于此供后续补核：

项目	状态	原因
Figshare 总文件数与总体积	未取得	Figshare 公开 API 在核验环境返回 403，两次尝试后停止
.c3d 文件总数	未取得	同上；仅知原始试次为 2201，但静立试验也会产生 c3d，故文件数≠2201
Videos_jumps/ 视频时长与分辨率	未取得	同上
姊妹论文（ejsc.12317）的具体准确率/敏感度数字	未取得	本条目只转述论文 Background 的定性结论，未一手核对原文数字
figures.m 的独立许可证	未声明	论文 Code availability 未提
Fig. 4 图注的 43 与正文 59 的差异原因	未解释	论文未说明

若后续有人取得 Figshare API 访问权限，建议补核前两项，并据此更新附录 A 的规模描述。

附录 P：一份可照做的入门实操（约 90 分钟）

这一节把前文的规则串成一条从头到尾能跑通的路径，面向第一次打开这批数据的人。每一步都写明「做什么 / 为什么 / 常见错误」。

P.1 第 1 步：确认拿到的是完整版本（约 5 分钟）

打开 DOI 落地页 https://doi.org/10.6084/m9.figshare.28890545.v1，确认页面标题是 Motion capture data of six jump-landings, fatigued and non-fatigued, after anterior cruciate ligament injury，且版本号为 1。

为什么：Figshare 上同名条目可能有多个版本或相似标题的其他条目；确认版本号是避免误引的关键（见附录 L）。

常见错误：在搜索引擎里搜标题，点进一个第三方镜像或二手打包链接。不要用二手镜像——你无法确认其是否被修改，也无法确认其许可状态。

P.2 第 2 步：先读元数据，不急着读数据（约 15 分钟）

下载并打开 participants/participant_log.xlsx 与 data processing/labeling_jump_side.xlsx。

读这两张表时，按下表定位五个必看字段：

表	字段	你要确认什么
participant_log	group	ACL 组 vs 对照组的编号分布，记下哪些 s 编号属于 ACL 组
participant_log	injured leg	伤侧（左/右）与你分析时的「伤侧 vs 健侧」定义是否一致
participant_log	reconstruction / graft type	是否要剔除 ACLD 的 2 人
labeling_jump_side	缺失标记列	哪些试次在 .mat 里不存在
labeling_jump_side	notes	缺失原因（出汗、不适、动作异常）

为什么：这两张表决定了你后面所有的筛选逻辑。跳过这一步直接读 .c3d，会在发现某个试次「读不出来」时反复排查，而答案其实就在 notes 列里。

常见错误：把 labeling_jump_side.xlsx 当成「文件清单」用。它不是——它是逐试次元数据表，包含那些未录制的试次（标记为 1），因此表的行数大于实际文件数。

P.3 第 3 步：读一个 .mat，理解嵌套结构（约 20 分钟）

以 SLH.mat 为例，用 MATLAB 或 scipy.io.loadmat 打开，先只打印层级结构，不取具体数值：

import scipy.io as sio

d = sio.loadmat('SLH.mat', squeeze_me=False, struct_as_record=False)
print([k for k in d.keys() if not k.startswith('__')])
# 预期看到若干结构体字段：初始接触事件、质心数据、关节角波形、滤波后轨迹

在 MATLAB 中对应写法：

S = load('SLH.mat');
fieldnames(S)

为什么：论文说 .mat 按「试次 × 受试者 × 条件 × 肢体」四层组织，但没有给出确切的字段名与嵌套顺序。先探测再写循环是唯一稳妥的做法。若按想象的顺序硬写索引，很容易把「疲劳后右腿」读成「非疲劳左腿」。

常见错误：看到 loadmat 返回一堆 object 数组就放弃。MATLAB 的 cell array 与 struct 在 Python 中会变成嵌套的 numpy object 数组，逐层 .item() 或索引即可展开；写一个递归打印函数比手工试错快。

P.4 第 4 步：跑官方示例脚本，复现 Fig. 6（约 15 分钟）

在 MATLAB 中运行 data processing/Matlab/figures.m。若一切正常，应得到与论文 Fig. 6 形态一致的关节角波形图（sub1 的 SLH 试次，13 个关节角，±100 ms 窗口）。

为什么：这是官方给出的唯一验证点。如果图能出来且形态与论文一致，说明你的数据完整、路径正确、MATLAB 环境可用；如果出不来，问题几乎一定在路径或版本上，而不是数据本身。

常见错误：改了脚本里的路径之后忘了改回，导致后续自写脚本继承了错误的相对路径。建议把脚本复制到自己的工作目录再改，保留原始文件不动。

P.5 第 5 步：做一次最小的端到端分析（约 25 分钟）

选一个最简单的科学问题：「疲劳是否使 sub1 的右腿单腿前向跳落地膝屈角峰值降低？」按四步走：

1. 取数据：从 SLH.mat 中取 sub1、右腿、非疲劳与疲劳两组试次（各 3 次）；
2. 对齐：用初始接触事件把每次试次的波形截到 IC 后 0–100 ms；
3. 提峰值：在窗口内取膝屈伸角的最大值（注意正方向，见附录 H）；
4. 比较：比较两组各 3 次的峰值，看方向与幅度。

为什么：这一个练习把「读数据 → 事件对齐 → 指标提取 → 条件比较」四步全走了一遍。走通之后，扩展到 43 人只是加一层循环。

常见错误：

• 忘了按 IC 对齐，直接对整段波形取最大值——结果会被落地后的平衡恢复动作污染；
• 用 3 次试次的均值代替受试者级统计，然后跨受试者做 t 检验——这会虚增自由度（3 次试次来自同一个人，不独立）。正确的做法是先对每人求均值，再在 43 人层面统计。

P.6 第 6 步：决定是否扩展到全量（约 30 分钟决策）

走完前五步，你已经有能力判断这个数据集适不适合你的课题。建议按三个问题自检：

自检问题	若答「否」
我的核心变量是否与「疲劳」「伤史」「落地力学」之一直接相关？	换数据集，本数据集帮不上
我能否接受 43 人的样本量（受试者级任务约 43 个有效样本）？	把任务改为试次级，或换数据集
我能否做到 subject-wise 划分与配对完整性核查？	先补方法学，否则结论不可信

三个都答「是」，再投入全量处理。全量的主要耗时不在计算，而在缺失处理与配对核查——这恰恰是多数人跳过、事后被审稿人抓住的环节。

P.7 一份最小目录约定

建议在自己的工作目录里这样组织，避免日后混乱：

project/
├── raw/                     # 原样解压的 Figshare 内容，只读不改
├── meta/                    # 从 xlsx 导出的 csv（便于脚本读取）
│   ├── participants.csv
│   └── trials.csv
├── derived/                 # 自己算出的指标（每人每试次一行）
│   └── peak_angles.csv
└── scripts/
    ├── parse_filenames.py   # 附录 E 的正则
    ├── extract_peaks.py
    └── stats.py

为什么要分 raw/ 与 derived/：原始数据只读，任何改动都发生在 derived/。这是保证「可复现」的最低工程要求——半年后回头看，你还能说清哪个数字是原作者的、哪个是你算的。

---

相关数据集导航

以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：

• mhealth — 共享标签：生理信号 / 步态与运动 / 时序数据
• uci-har — 共享标签：生理信号 / 步态与运动 / 时序数据
• gait-in-aging — 共享标签：生理信号 / 步态与运动 / 时序数据
• big-ideas-glycemic-wearable — 共享标签：生理信号 / 队列研究 / 时序数据
• fantasia — 共享标签：生理信号 / 队列研究 / 时序数据
• sisfall — 共享标签：生理信号 / 步态与运动 / 时序数据
• wisdm — 共享标签：生理信号 / 步态与运动 / 时序数据
• rehab-wearable-kinematic — 共享标签：生理信号 / 步态与运动 / 时序数据
• gait-pd — 共享标签：生理信号 / 步态与运动 / 时序数据
• parkinsons-disease-smartwatch — 共享标签：生理信号 / 步态与运动 / 时序数据

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。