NL|EN

Database

Strategisch

De database die nog niet bestond

Babon bouwt een grote, gelabelde klinische bewegingsdatabase op. Zonder die data blijft de vraag welke meting bij welke patiënt iets toevoegt onbeantwoord. De onderstaande cijfers zijn live afkomstig uit de onderzoeksdatabase.

LiveOpnames in database43.019Samengesteld uit publieke, CC-BY gelicentieerde datasets. Basislaag voor normatieve vergelijking en validatie.
Unieke proefpersonen322Geteld waar de bron een proefpersoon-id vastlegt; AddBiomechanics doet dat niet. Uit praktijken en klinieken: nog niet.
Databronnen2Twee publieke datasets, beide CC-BY gelicentieerd en volledig geattribueerd.
Infrastructuurfr-parScaleway Parijs. Data verlaat de EU niet.

Bijgewerkt: 28 augustus 2026 · bron: research.movalytics-db

Samenstelling van de 43.019 opnames

// breakdown per bron
AddBiomechanics96%41.281
GAVD4%1.738
Waarom deze database

De context

Een grote, representatieve klinische bewegingsdatabase uit de dagelijkse praktijk bestaat op dit moment niet. De enige conventionele bron is een gait lab, waar een enkele meting tientallen euro's kost. Daardoor zijn analyses als leeftijdsnormen, herstelpatronen na knieoperaties en diagnosespecifieke referentiedata in de praktijk niet haalbaar.

Dat is precies de vraag waar wij aan werken: niet hoeveel bewegingsvariabelen we kunnen meten, maar welke daarvan bij welke patiënt daadwerkelijk iets toevoegen. Die vraag beantwoord je niet in software, maar met data uit de praktijk. Daarom bouwen we deze database samen met opleidingen en onderzoekers, en vermelden we bij elke bron waar hij vandaan komt.

Ingeladen bronnen

Met dank aan

Alle opnames in de onderzoeksdatabase komen uit publieke, CC-BY gelicentieerde datasets. Hieronder de volledige attributie.

[01] Normatieve referentie · gezonde populatie

AddBiomechanics

Werling, K., Bianco, N.A., Raitor, M., Stingel, J., Hicks, J.L., Delp, S.L., Liu, C.K. (2023). AddBiomechanics: Automating model scaling, inverse kinematics, and inverse dynamics from human motion data through sequential optimization. PLoS ONE 18(11): e0295152.

Geaggregeerde marker-based mocap uit 15 bijdragende studies. Basislaag voor normatieve vergelijking.

+Bijdragende studies15
  1. Lencioni et al. 201950 proefpersonen
  2. Carter et al. 202350 proefpersonen
  3. Santos et al. 201749 proefpersonen
  4. Camargo et al. 202122 proefpersonen
  5. Tan et al. 202317 proefpersonen
  6. Moore et al. 201512 proefpersonen
  7. Falisse et al. 201611 proefpersonen
  8. Van der Zee et al. 202210 proefpersonen
  9. Hamner et al. 201310 proefpersonen
  10. Uhlrich et al. 202310 proefpersonen
  11. Tan et al. 20229 proefpersonen
  12. Wang et al. 20239 proefpersonen
  13. Han et al. 20237 proefpersonen
  14. Fregly et al. 20126 proefpersonen
  15. Li et al. 20211 proefpersonen
273proefpersonen
41.281lab-mocap opnames
CC BY 4.0addbiomechanics.org →
[02] Klinisch en atypisch gang

GAVD, Gait Abnormality Video Dataset

Ranjan, R., Ahmedt-Aristizabal, D., Ali Armin, M., Kim, J. (2025). Computer Vision for Clinical Gait Analysis: A Gait Abnormality Video Dataset. IEEE Access 13: 45321, 45339. doi:10.1109/ACCESS.2025.3545787

Video-gebaseerde gait-opnames met klinische labels. Ondersteunt evaluatie van de pose-extractie op in-the-wild video, buiten lab-omstandigheden.

276proefpersonen
1.738video's
CC BY 4.0IEEE Access →
OnderzoekspartnerschapIn gesprek met Hogeschool Utrecht, Jaap Jansen, Instituut voor Bewegingsstudies. De opzet wordt gezamenlijk verkend; er is nog geen data bijgedragen.

Eigen database of onderzoeksvraag?

Neem contact op