更好地了解跌倒风险:基于人工智能的计算机视觉用于上下文步行评估

科学领域:

• 神经学 神经学
• 生物医学工程 生物医学工程
• 计算机科学 计算机科学

背景情况:

• 帕金森病 (PD) 增加了跌倒的风险,需要准确的评估方法.
• 可穿戴的基于惯性的测量单元 (IMU) 捕捉了步态动态,但错过了环境背景.
• 当前对PD的跌倒风险评估往往忽视了诸如障碍等外部因素.

研究的目的:

• 将基于视频的可穿戴眼睛跟踪与人工智能计算机视觉集成在一起,以提高帕金森病的跌倒风险评估.
• 将IMU的内在步态数据与自由生活环境中的外在环境数据结合起来.
• 开发一种更全面的方法来了解帕金森病患者在家中的跌倒风险.

主要方法:

• 使用了基于视频的人体工程学可穿戴眼镜.
• 采用基于AI的计算机视觉方法来进行数据分析.
• 在自由生活的家庭环境中从一小群患有PD的人群收集数据.

主要成果:

• 证明了在家庭环境中使用基于视频的眼睛跟踪和人工智能的可行性,用于PD研究.
• 展示了利用环境意识来补充IMU数据的潜力.
• 在帕金森病中为更全面的跌倒风险评估提供了基础.

结论:

• 基于视频的眼睛跟踪与人工智能相结合,提供了一种伦理和高效的方法来捕捉环境背景,用于评估PD中的跌倒风险.
• 这种综合方法代表了超越IMU仅用于帕金森病研究的方法的进化一步.
• 未来的研究可以利用这项技术,以更全面地了解和减轻PD中跌倒风险.