针对运动障碍的深度学习的自动二维和三维视频分析:系统性审查
Wei Tang1, Peter M A van Ooijen2, Deborah A Sival3
1Department of Neurology, University Medical Center Groningen, University of Groningen, P.O. Box 30001, 9700 RB Groningen, The Netherlands; Data Science Center in Health, University Medical Center Groningen, University of Groningen, P.O. Box 30001, 9700 RB Groningen, The Netherlands.
Artificial intelligence in medicine
|August 24, 2024
概括
深度学习和视频分析为诊断像帕金森病这样的运动障碍提供了客观,低成本的方法. 本综述强调了自动视频分析的进步,以准确和早期检测各种运动条件.
科学领域:
- 神经学 神经学
- 计算机科学 计算机科学
- 生物医学工程 生物医学工程
背景情况:
- 传统的运动障碍诊断依赖于主观评估,通常缺少早期或重叠的症状.
- 计算机视觉和深度学习提供了对运动症状的客观,定量分析.
- 视频分析为运动障碍评估提供了一种实用,低成本的解决方案.
研究的目的:
- 系统地审查基于深度学习的动作障碍视频分析方面的进展.
- 巩固客观视频分析知识,用于像帕金森病,衰和图雷特综合征这样的疾病.
- 确定该领域的关键方法,数据集和挑战.
主要方法:
- 对2023年9月之前发表的研究进行系统的文献审查.
- 搜索了主要的科学数据库 (科学网络,PubMed,Scopus,Embase).
- 分析了68项相关研究,重点关注目标,数据集,模式和深度学习技术.
主要成果:
- 确定了多种应用,包括帕金森病症状量化,氧评估和滴滴检测.
- 检查了各种视频模式 (2D/3D) 和使用的深度学习架构.
- 用于客观分析运动障碍的目录化数据集和方法.
结论:
- 深度学习驱动的视频分析为客观运动障碍诊断带来了重大进展.
- 在改善数据集,可解释性和实现远程监控方面存在机遇.
- 需要进一步的研究来应对当前的挑战,并提高临床效用.
