使用单摄像头行走视频进行基于深度学习的机动车综合征查:开发和验证研究

科学领域:

• 数字健康数字健康
• 计算机视觉 计算机视觉
• 肌肉骨健康 肌肉骨健康

背景情况:

• 发动机综合征 (LS) 的特点是减少行走和站立的能力.
• 早期的LS诊断对于有效的干预和管理至关重要.
• 目前的诊断方法是劳动密集型和耗时的,限制了广泛采用.

研究的目的:

• 开发和验证基于深度学习 (DL) 的计算机视觉模型,用于客观的LS评估.
• 为早期LS检测和分析提供一个高效和易于使用的工具.
• 为了简化诊断过程,加快LS患者的治疗启动.

主要方法:

• 使用DL模型集成OpenPose用于姿势估计和MS-G3D用于时空图形分析.
• 训练和验证该模型在186个行走视频的数据集上,在65个额外的视频上进行外部验证.
• 采用单摄像头的视频捕捉用于非侵入性步行模式分析.

主要成果:

• 该模型在LS检测方面实现了0.86的平均灵敏度和0.85的积极预测值.
• 总体准确度为0.77,在外部验证中,曲线下的面积为0.75,强烈的概括性得到证实.
• 与非LS病例相比,该模型在诊断LS病例方面表现出更高的精度.

结论:

• 这项研究引入了一种开创性的计算机视觉模型,用于通过姿势估计来诊断LS.
• 开发的模型为传统劳动密集型LS诊断测试提供了可访问,非侵入性和高效的替代方案.
• 数字健康的这一进步可以通过促进及时的LS检测和治疗,显著改善患者的治疗结果.