相关实验视频
Updated: Jun 25, 2025
10:19
3D Kinematic Gait Analysis for Preclinical Studies in Rodents
Published on: August 3, 2019
10.7K
走路障碍分析使用轮相图信号和辅助知识学习.
Mohammed A Al-Masni1, Eman N Marzban2, Abobakr Khalil Al-Shamiri3
1Department of Artificial Intelligence and Data Science, College of Software & Convergence Technology, Sejong University, Seoul 05006, Republic of Korea.
Bioengineering (Basel, Switzerland)
|May 25, 2024
概括
这项研究引入了一种人工智能系统,用于使用轮图和1D CNNs分析步行障碍. 该方法在识别视频中的步态异常方面达到很高的准确性,提供了定量,非侵入性的评估.
科学领域:
- 生物医学工程 生物医学工程
- 计算机科学 计算机科学
- 神经学 神经学
背景情况:
- 步态分析对于诊断神经系统疾病至关重要.
- 目前用于评估步行障碍的方法可以是侵入性的或主观的.
- 需要自动化,从视频中对步态进行定量分析.
研究的目的:
- 从视频中开发和验证一种新的AI驱动系统,用于自动化行走障碍分析.
- 为了引入一种新的1D走路动态表示,称为轮图形. sinogram.
- 为了利用1D卷积神经网络 (CNN) 进行时空行走分析.
主要方法:
- 从视频中生成轮影像图,以表示步态动态.
- 在连续的轮图形上训练1D CNN模型,以捕获时空步态信息.
- 在INIT GAIT数据库上评估系统,使用框架级和学科级分析.
主要成果:
- 在框架层面实现了F1分数100%,90.62%和77.32%的2,4和6步态异常.
- 在受试者层面上,在2,4和6种步态异常方面,获得了100%,100%和83.33%的完美F1分数.
- 与传统方法相比,在识别行走障碍方面表现优越.
结论:
- 拟议的人工智能系统提供了一种定量和非侵入性的方法来评估运动.
- 轮图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图形图
- 这种方法对行走障碍的评估和诊断具有重大潜力,特别是在神经系统疾病中.
