人类姿势估计用于临床分析步态病理
Manal Mostafa Ali1, Maha Medhat Hassan1, M Zaki1
1Department of Computer and System Engineering, Al-Azhar University, Cairo, Egypt.
Bioinformatics and biology insights
|May 17, 2024
概括
这项研究引入了一种成本效益高的步态分析方法,使用RGB视频检测儿童的杜申肌力发育不良 (DMD). 该模型在区分DMD步态和健康步态方面实现了高准确度,有助于早期诊断.
科学领域:
- 生物机械分析分析
- 神经肌肉疾病 神经肌肉疾病
- 机器学习在医疗保健中的应用.
背景情况:
- 步态分析对于诊断神经和肌肉骨损伤至关重要.
- 传统的手动步行分析是耗时且主观的.
- 杜氏肌肉发育不良 (DMD) 是一种严重的遗传神经肌肉疾病,影响着步态.
研究的目的:
- 开发一种定量,二元分类方法来评估步行障碍.
- 专门识别与杜申肌肉发育不良 (DMD) 相关的步态障碍.
- 为了比较健康儿童的2D/3D姿势估计与3D运动捕捉 (MoCap) 的步态特征.
主要方法:
- 利用来自YouTube和公共来源的新型数据集,包括健康的儿童.
- 提取了时空变量 (速度,步长,节奏) 和腰下肢关节角度.
- 采用机器学习 (SVM) 和深度学习技术进行步态模式分析.
主要成果:
- 该模型实现了高预测准确度:SVM的96.2%,深度学习的97%.
- 成功地区分了健康受试者和患有DMD步行障碍的人.
- 该方法有效地使用具有成本效益的RGB视频来检测步行异常.
结论:
- 拟议的方法提供了一种有效和经济的方法,用于用于检测DMD的步态分析.
- 这种技术可以帮助早期识别步行异常.
- 需要进一步的开发来区分DMD和其他步行障碍.
