使用基于相机和机器学习的方法评估功能测试的性能
Jindřich Adolf1,2, Yoram Segal3, Matyáš Turna4
1Czech Institute of Informatics, Robotics and Cybernetics, Czech Technical University in Prague, Prague, Czech Republic.
PloS one
|November 3, 2023
概括
这项研究表明,基于摄像头的系统和机器学习可以评估功能测试,如单脚坐测试. 这项技术提供了一种简单,负担得起的方法来评估运动性能质量.
科学领域:
- 生物力学 生物力学
- 计算机科学 计算机科学
- 运动医学 运动医学
背景情况:
- 功能测试对于评估身体表现和受伤风险至关重要.
- 目前的评估方法可能是主观的,需要专门的设备.
- 需要客观的,自动化的评估工具来提高准确性和可访问性.
研究的目的:
- 为了评估基于摄像头的系统的有效性,使用机器学习来评估功能测试.
- 为了确定OpenPose和标准摄像机是否可以量化单脚坐测试和下降测试的质量.
- 将机器学习预测与专家物理治疗师的评估进行比较.
主要方法:
- 收集了来自46名健康受试者的运动数据,他们使用OpenPose和标准摄像头进行功能测试.
- 提取的运动参数包括关节角度和段距离.
- 利用机器学习算法 (AdaBoost分类器) 来预测基于提取的数据的专家评估.
- 使用15个二进制参数与理疗师评估一致的性能进行分类.
主要成果:
- AdaBoost 分类器的准确度为0.7,特异性为0.8,灵敏度为0.68.
- 机器学习模型成功地预测了物理治疗师对功能测试质量的专家评估.
- 运动范围的定量分析提供了客观的绩效指标.
结论:
- 基于摄像头的系统与机器学习相结合,为功能测试评估提供了一个可行的,具有成本效益的工具.
- 这种方法可以提供对运动表现质量的客观和可靠的评估.
- 未来的应用可能包括远程患者监测和个性化康复计划.
