基于转播视频的棒球投球可扩展损伤风险筛查

投球中的损伤预测依赖于精确的生物力学信号，然而金标准测量来自昂贵的、安装在体育场内的多摄像头系统，这在职业场馆之外无法使用。我们提出了一个单目视频处理流程，能够从转播画面中恢复18个临床相关的生物力学指标，将姿态推导的运动学作为损伤风险建模的可扩展来源。我们的方法基于DreamPose3D，引入了一个漂移控制的全局提升模块，通过基于速度的参数化和滑动窗口推理恢复骨盆轨迹，将骨盆根部的姿态提升到全局空间。为了解决运动模糊、压缩伪影和极端投球姿态问题，我们整合了一个运动学精炼流程，包括骨长约束、关节限制逆运动学、平滑和对称约束，以确保时间稳定且物理上合理的运动学。在13名职业投手（156次配对投球）上，16/18个指标达到了亚度一致性（MAE $< 1^{\circ}$）。使用这些指标进行损伤预测，一个自动筛查模型在7,348名投手上对Tommy John手术的AUC达到0.811，对重大手臂损伤的AUC达到0.825。由此产生的姿态推导指标支持可扩展的损伤风险筛查，确立了单目转播视频作为生物力学领域体育场级动作捕捉的可行替代方案。