物理康复:新的数据集和人类姿势估计方法的研究 关于物理康复的练习

科学领域:

• 计算机视觉 计算机视觉
• 康复医学 康复医学 康复医学
• 机器学习 机器学习

背景情况:

• 身体康复对于康复至关重要,但由于长时间的等待列表,患者监测面临挑战.
• 深度学习为远程患者进展评估提供解决方案,优化医生与患者的交互时间.
• 肢体曲角度是康复期间患者移动性的关键指标.

研究的目的:

• 评估和比较各种用于康复的姿势估计方法.
• 分析对象位置和摄像头视角对姿势估计准确性的影响.
• 为了确定这个应用程序的3D与2D姿势估计的必要性.

主要方法:

• 使用5台RGB摄像头开发了一套新数据集,包括27名个人使用5台RGB摄像头执行8种不同的康复练习.
• 使用红外追踪系统 (OptiTrack) 精确地基真实关节定位.
• 进行统计分析来比较姿势估计方法,受试者的位置和摄像头的视角.

主要成果:

• 最先进的姿势估计器在不同患者姿势 (例如,躺着和站着) 中显示出可变的性能.
• 摄像头的视角显著影响估计的准确性,正面的视图是最有效的.
• 在研究的康复场景中,2D姿势估计方法被证明足以计算关节角度.

结论:

• 2D姿势估计是监测身体康复中患者康复的可行和足够的方法.
• 优化相机选择,特别是使用正面视图,提高了姿势估计的可靠性.
• 计算机视觉技术可以显著帮助远程管理康复患者的进展.