相关实验视频
Updated: Jul 23, 2025
07:51
Video Movement Analysis Using Smartphones ViMAS: A Pilot Study
Published on: March 14, 2017
16.9K
人工智能区分病态步态:通过iOS应用程序 (TDPT-GT) 获取的无标记运动捕捉步态数据的分析
Chifumi Iseki1,2, Tatsuya Hayasaka3, Hyota Yanagawa4
1Division of Neurology and Clinical Neuroscience, Department of Internal Medicine III, Yamagata University School of Medicine, Yamagata 990-2331, Japan.
Sensors (Basel, Switzerland)
|July 14, 2023
概括
这项研究开发了一种使用iPhone记录的AI算法,以区分病态步态. 该系统成功识别了异常的行走模式,为神经疾病提供了方便的诊断工具.
科学领域:
- 神经学 神经学
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 由于捕捉和分析全身运动的挑战,难以区分病态步态.
- 目前用于步态分析的方法可能不方便,需要专门的设备.
研究的目的:
- 开发一种方便的方法来使用iPhone记录步态.
- 建立基于深度学习的算法,用于分析和区分病态步行模式.
主要方法:
- 利用iPhone应用程序 (TDPT-GT) 进行无标记运动捕捉行走的对象.
- 收集了114名患有神经性步行障碍的患者和160名健康对照者的数据.
- 应用了一个光梯度增强机 (Light GBM) 模型,用于行走分析,具有分层的k-fold交叉验证.
主要成果:
- 人工智能模型在区分病态步态时实现了0.719的曲线下的面积 (AUC).
- 该系统展示了使用iPhone捕获的数据区分正常和病态步态的能力.
- 无标记运动捕捉系统以每秒30的速度生成了27个身体点的相对坐标.
结论:
- 一个使用iPhone记录的AI驱动系统可以有效地区分病态步态.
- 这种方法为临床环境中的步态分析提供了一个方便且易于使用的工具.
- 进一步开发可能会提高影响行走的神经系统疾病的诊断能力.
