深度学习增强的手握和释放测试用于退行性宫肌病:将评估时间缩短到6秒

科学领域:

• 神经学 神经学
• 医疗技术 医疗技术 医学技术
• 生物医学工程 生物医学工程

背景情况:

• 手的拙和灵敏度下降是退行性宫肌病 (DCM) 的早期指标.
• 标准的10秒握放试 (10秒G&R) 试验是用于评估手部功能的临床工具.
• 需要更容易获得和更有效的方法来评估DCM中的手部功能.

研究的目的:

• 探索深度学习增强的手握和释放测试 (DL-HGRT) 对于预测DCM的实用性.
• 评估DL-HGRT在减少传统10秒G&R测试持续时间方面的有效性.

主要方法:

• 一项涉及508名DCM患者和1,194名对照者的回顾性研究.
• 倾向分数匹配 (PSM) 用于控制年龄和性别混因素.
• 用智能手机捕捉的10秒G&R测试视频使用3D-MobileNetV2进行分析,生成关键性能参数.

主要成果:

• DCM患者在10s G&R测试参数中表现出显著的损伤.
• 在PSM之后,平均握力时间在6秒时达到0.83的AUC,并且在10秒后没有进一步的改善.
• 发现6秒的DL-HGRT持续时间足以有效评估DCM中手动机功能障碍.

结论:

• DL-HGRT是预测DCM的一个潜在的补充工具.
• 缩短6秒的测试时间足以使用DL-HGRT进行准确的DCM评估.
• 在不影响诊断准确性的情况下,DL-HGRT提供了一种更可行的和实用的方法来评估DCM中的手部功能.