使用视频和机器学习分析的10秒握放测试来诊断手腕道综合征
Kazuya Tsukamoto1, Ryota Matsui2, Yuta Sugiura2
1Department of Orthopedic and Spinal Surgery, Graduate School of Medical and Dental Sciences, Tokyo Medical and Dental University, Tokyo, Japan.
The Journal of hand surgery, European volume
|November 23, 2023
概括
一个新的系统分析视频中的手指运动,以诊断手腕道综合征. 这种机器学习方法在检测病情方面表现出很高的准确性,并且与病情的严重程度相关.
科学领域:
- 神经学 神经学
- 生物医学工程 生物医学工程
- 医学诊断 医学诊断 医学诊断
背景情况:
- 手腕道综合征 (CTS) 是一种常见的疾病,导致手部麻木和虚弱.
- 准确和可访问的CTS诊断方法对于及时干预至关重要.
- 当前的诊断工具可能具有侵入性或需要专门的设备.
研究的目的:
- 开发和验证一个非侵入性,基于视频的手腕道综合征诊断系统.
- 通过使用机器学习来评估系统在检测CTS存在和严重性的准确性.
- 将系统的性能与已建立的诊断标准进行比较.
主要方法:
- 使用机器学习算法开发了一个诊断系统.
- 该系统分析了握放测试的10秒视频,以捕捉手指运动.
- 基于灵敏度,特异性和与神经传导研究 (NCS) 发现的相关性来评估性能.
主要成果:
- 该系统在检测手腕道综合征方面表现出89%的灵敏度和83%的特异性.
- 对手指运动的机器学习分析显示,与NCS确定的CTS严重程度有显著的相关性 (系数0.68).
- 该系统提供了与CTS相关的指部功能的客观测量.
结论:
- 基于手指运动的视频分析系统为诊断手腕道综合征提供了一个有希望的,非侵入性的方法.
- 开发的机器学习方法准确地估计了CTS的存在,并与疾病严重程度相关联.
- 这项技术有可能提高CTS诊断的可访问性和效率.
