相关实验视频
Updated: May 11, 2026

07:51
Video Movement Analysis Using Smartphones ViMAS: A Pilot Study
Published on: March 14, 2017
16.8K
计算机视觉算法的验证和应用,用于基于视频的震动分析.
Maximilian U Friedrich1,2,3, Anna-Julia Roenn4, Chiara Palmisano4
1Center for Brain Circuit Therapeutics, Brigham and Women's Hospital, Boston, MA, USA. mfriedrich1@bwh.harvard.edu.
NPJ digital medicine
|June 21, 2024
概括
使用Mediapipe的计算机视觉提供了一种可访问的方法,用于详细的震动分析. 这个工具准确地量化了视频中的震特征,匹配了黄金标准的设备,帮助诊断.
科学领域:
- 神经学 神经学
- 生物医学工程 生物医学工程
- 计算机视觉 计算机视觉
背景情况:
- 震是一种常见的神经症状,具有复杂的特征.
- 目前的表型化方法,如仪器分析,资源密集,而床边得分缺乏细节性.
- 需要可访问的,详细的震动分析工具.
研究的目的:
- 评估开源计算机视觉算法Mediapipe用于颗粒状震表型.
- 将Mediapipe的性能与黄金标准方法和特定疾病的算法进行比较.
- 评估媒体管衍生的震特征的诊断和预后相关性.
主要方法:
- 在临床视频中使用Mediapipe进行手部跟踪,以计算震特征.
- 将Mediapipe与3D运动捕捉,加速度计,临床评分和震特定算法进行比较.
- 在各种条件下分析了66名基本震患者的数据.
主要成果:
- 来自媒体管的指标显示出高临床有效性 (斯皮尔曼的 ρ = 0.550.86,p ≤ .01).
- 震幅度和频率测量与黄金标准准确度相匹配.
- 媒体管分析了复杂的手动,并提取了诊断相关的特征,与传统的得分不同.
结论:
- 媒体管提供了一个准确且易于使用的工具,用于基于视频的震动分析.
- 这种计算机视觉方法的结果与黄金标准设备相提并论.
- 媒体管增强了震表型,提供了诊断和预后见解.

