自动步行:使用计算机视觉对步行任务视频进行自动动风险评估
Wasifur Rahman1, Masum Hasan1, Md Saiful Islam1
1University of Rochester, USA.
Proceedings of the ACM on interactive, mobile, wearable and ubiquitous technologies
|November 19, 2024
概括
这项研究引入了一种新的计算机视觉方法,用于使用标准摄像头进行远程阿塔克西亚评估. 该系统准确地预测了阿塔克西亚风险和严重程度,改善了偏远地区患者的可访问性.
科学领域:
- 神经学和计算机视觉 神经学和计算机视觉
- 生物医学工程 生物医学工程
- 步态分析 步态分析
背景情况:
- 像阿塔克西亚这样的神经系统疾病对诊断的可访问性构成挑战,特别是在偏远地区.
- 现有的诊断工具通常需要专门的传感器,限制了自然环境中的可扩展性.
- 缺氧会损害运动控制,特别是导致步态失衡,影响日常活动.
研究的目的:
- 开发和验证一种基于计算机视觉的方法,用于从行走视频中识别阿塔克西亚症状.
- 通过使用标准单眼相机实现远程阿塔克西亚评估,克服传感器的局限性.
- 为研究和算法开发创建一个大规模的,公开可用的阿塔克斯步态数据集.
主要方法:
- 在11个医疗站点收集了89名参与者的155个视频 (24名对照组,65名阿塔克西亚患者) 执行步行任务.
- 开发了一个计算机视觉管道来检测,跟踪和提取视频数据中的身体姿势特征.
- 使用提取的步态特征 (例如,步幅,速度,稳定性) 构建的阿塔克西亚风险预测和严重性评估模型.
主要成果:
- ATAXIA风险预测模型实现了83.06%的准确性和80.23%的F1得分.
- 的严重程度评估模型产生了0.6225的平均绝对误差 (MAE) 和0.7268.8的皮尔森相关性.
- 功能分析证实,更宽的步骤,降低速度和增加的不稳定性与更高的阿塔克西亚严重程度相关.
结论:
- 拟议的计算机视觉系统有效地使用标准摄像头评估阿塔克西亚风险和严重程度,证明了临床一致性.
- 开发的模型和数据集为远程神经疾病评估提供了可扩展的解决方案,提高了获得医疗保健的机会.
- 这项工作有助于进一步研究诊断运动障碍和改进人工智能驱动的医疗保健解决方案.
