相关实验视频
Updated: Jul 16, 2026
07:51
Video Movement Analysis Using Smartphones ViMAS: A Pilot Study
Published on: March 14, 2017
16.8K
在功能任务中量化性能和关节动力学对于前十字带康复至关重要,使用智能手机视频和姿势检测来量化性能和关节动力学
Nicolas Lambricht1, Alexandre Englebert2, Laurent Pitance3
1Institute of Experimental and Clinical Research, UCLouvain, Brussels, Belgium.
The Knee
|November 27, 2024
概括
使用深度学习的智能手机视频分析准确地测量了功能任务性能和前十字带 (ACL) 康复的关节动力学. 这种无标记剂的方法提供了一个简单的,临床上适用的解决方案来评估患者的康复.
科学领域:
- 生物机械分析分析
- 康复技术 康复技术 康复技术
- 数字健康数字健康
背景情况:
- 评估功能性任务性能和运动质量对于前十字带 (ACL) 损伤康复至关重要.
- 在这些任务中量化关节动力学是一个临床挑战.
- 本研究探讨了使用深度神经网络进行智能手机视频分析,以改进动力学评估.
研究的目的:
- 评估智能手机视频分析与深度学习的有效性,以测量功能任务性能.
- 为了确定这种方法是否可以准确地评估康复环境中的关节动力学.
- 为管理ACL损伤的临床医生提供实用工具.
主要方法:
- 12名健康的参与者执行了功能性任务 (星际旅行平衡测试,跳跃).
- 使用基于标记器的系统和智能手机视频,同时进行了动作捕捉.
- 使用OpenPifPaf深度神经网络进行无标记的人体姿势检测和动态分析.
主要成果:
- 无标记系统表现出与基于标记器的运动捕捉对关节角度 (膝盖,部,脚) 的高度一致.
- 对于临床相关的参数,如性能,峰值膝盖曲和运动范围,发现了良好的一致性 (ICC>0.97).
- 连接角度的平均根平均平方误差很低,表明准确度很高.
结论:
- 使用OpenPifPaf进行无标记的智能手机视频分析,可用于评估性能和关节动力学.
- 这项技术为ACL患者的康复提供了一个简单而有效的方法.
- 该方法适合纳入常规临床实践.
