Diagnóstico de la sarcopenia mediante conjuntos de datos de secuencias de marcha basadas en el esqueleto e imágenes de presión plantar
Video Experimental Relacionado
Updated: Apr 25, 2026
Clinical Assessment of Spatiotemporal Gait Parameters in Patients and Older Adults
Published on: November 7, 2014
Muhammad Tahir Naseem1, Na-Hyun Kim1, Haneol Seo1
1Laboratory of Computer Vision and Human Visual Perception, Department of Electronic Engineering, Yeungnam University, Gyeongsan, Republic of Korea.
IntroduccióN:
La sarcopenia es una enfermedad común relacionada con la edad, definida como una disminución de la fuerza y la función muscular debido a la reducción de la masa muscular esquelética. Una forma de diagnosticar la sarcopenia es mediante el análisis de la marcha y las imágenes de presión plantar.
MotivacióN Y VacíO De InvestigacióN:
Recopilamos nuestro propio conjunto de datos multimodales de 100 sujetos, compuesto por datos de presión plantar y de esqueleto de pacientes reales, lo que proporciona un recurso único para futuros estudios orientados a análisis más exhaustivos. Aunque se ha empleado la inteligencia artificial para la detección de la sarcopenia, los estudios previos se han centrado predominantemente en conjuntos de datos basados en el esqueleto sin explorar el potencial combinado de los conjuntos de datos de esqueleto y presión plantar. Este estudio lleva a cabo experimentos independientes para los conjuntos de datos de presión plantar y de esqueleto, demostrando el potencial de cada tipo de dato en la clasificación de la sarcopenia.
MéTodos:
Este estudio constó de dos componentes. En primer lugar, se recopilaron conjuntos de datos de esqueleto y de presión plantar, los cuales se clasificaron en grupos con sarcopenia y sin sarcopenia basándose en la fuerza de prensión, el rendimiento de la marcha y la masa muscular esquelética apendicular. En segundo lugar, se realizaron experimentos utilizando el modelo ResNet-18 con el conjunto de datos de presión plantar y la red convolucional de grafos espaciotemporales (ST-GCN) con el conjunto de datos de esqueleto para clasificar las marchas normales y anormales debidas a la sarcopenia. Para obtener un diagnóstico preciso, se registró la marcha en tiempo real de 100 participantes a 30 fps mediante imágenes RGB + D. El conjunto de datos de esqueleto se construyó extrayendo de la imagen información del esqueleto en 3D que comprendía 25 puntos característicos, mientras que el conjunto de datos de presión plantar se construyó ejerciendo presión sobre las placas de presión plantar.
Resultados:
Como evaluación de base, se determinó que las precisiones del rendimiento de la clasificación de la sarcopenia a partir de imágenes de presión plantar mediante Resnet-18 y de secuencias esqueléticas mediante ST-GCN fueron del 77,16 y 78,63 %, respectivamente.
DiscusióN:
Los resultados experimentales demostraron las aplicaciones potenciales de las clasificaciones de sarcopenia y no sarcopenia basadas en imágenes de presión plantar y secuencias esqueléticas.
