动态评估脊柱运动模式使用RGB-D摄像头和深度学习
Jessica Wenghofer1, Kristen He Beange2, Wantuir C Ramos1
1School of Human Kinetics, Faculty of Health Sciences, University of Ottawa, Ottawa, ON, Canada.
Journal of biomechanics
|March 5, 2024
概括
这项研究引入了使用RGB-D摄像头的深度学习 (DL) 无标记运动捕捉系统,用于客观评估腰部疼痛患者的脊柱运动,从而提高诊断准确度.
科学领域:
- 生物医学工程 生物医学工程
- 计算机视觉 计算机视觉
- 康复医学 康复医学 康复医学
背景情况:
- 腰部疼痛中的功能限制是主观评估的,有误诊和长期疼痛的风险.
- 客观的动力学评估对于准确诊断和治疗脊柱疾病至关重要.
研究的目的:
- 开发和验证深度学习 (DL) 的无标记运动捕捉系统,用于客观地测量脊柱动力学.
- 评估腰部疼痛患者的脊柱曲延伸 (FE) 运动.
主要方法:
- 开发了一个DL语义细分算法,将背部和骨盆细分为解剖类.
- 一个动态框架利用这些细分来测量FE期间的脊柱动态.
- 使用RGB-D摄像头收集数据,与光学运动捕捉 (OPT) 系统进行验证.
主要成果:
- 该DL细分算法显示了高精度.
- 腰部动力学的根平均平方误差 (RMSE) 与地面真相相比为<4°.
- 无标记物和OPT动力学之间的RMSE为<6°.
结论:
- 拟议的无标记运动捕捉系统可用于在临床环境中评估脊柱FE运动.
- 这项技术为客观评估腰部疼痛中的功能限制提供了潜在的解决方案.
- 未来的研究将扩大运动分析和人口统计测试.
