在脊髓损伤后,自动手握评估自我中心视频
概括
计算机视觉模型可以从自我中心的视频中预测手部功能评估得分,从而在日常活动中远程监控脊髓损伤 (SCI) 患者的上肢康复.
科学领域:
- 康复医学 康复医学 康复医学
- 计算机视觉 计算机视觉
- 生物医学工程 生物医学工程
背景情况:
- 脊髓损伤 (SCI) 上肢康复的临床手部功能评估可能不反映现实世界的家庭环境表现.
- 穿戴式摄像机的自我中心视频提供了一种在日常生活活动 (ADL) 中进行远程评估的方法.
研究的目的:
- 展示使用计算机视觉模型来预测从自我中心视频数据的临床手部功能评估得分.
- 评估SCI患者在模拟家庭环境中远程手部功能评估的可行性.
主要方法:
- 在定制的SCI数据集上对SlowFast,MViT和MaskFeat计算机视觉模型进行培训和验证.
- 数据集包括在模拟家庭环境中对ADL的自我中心视频,并注释了适应的临床手功能的得分.
- 使用5类和合并3类分类任务进行评估.
主要成果:
- 在5类任务中获得了0.551±0.139准确度,0.517±0.184MAE和0.547±0.151F1得分.
- 在合并的3类任务中,获得了0.724±0.135准确度,0.290±0.140 MAE和0.733±0.144 F1得分.
- 证明了第一个成功预测手部功能评估得分从自我中心视频后SCI.
结论:
- 用计算机视觉模型进行自我中心视频分析,显示了SCI康复中远程手部功能评估的前景.
- 这种方法可以为日常活动中手部功能提供生态有效的见解.
- 未来的研究可以改进模型以提高准确性和更广泛的临床应用.
