使用基于骨架的步态序列和脚压图像数据集来诊断萨科佩尼亚
Muhammad Tahir Naseem1, Na-Hyun Kim1, Haneol Seo1
1Laboratory of Computer Vision and Human Visual Perception, Department of Electronic Engineering, Yeungnam University, Gyeongsan, Republic of Korea.
引言:
肌少症是一种常见的与年龄相关的疾病，其定义为由于骨骼肌减少导致的肌肉力量和功能下降。诊断肌少症的方法之一是步态分析和足底压力成像。
动机与研究空白:
我们从100名受试者中收集了包含足底压力和骨骼数据的多模态数据集，其中包括真实患者的数据，为未来开展更全面分析的研究提供了独特资源。尽管人工智能已被用于肌少症检测，但以往研究主要集中在基于骨骼的数据集，尚未探索骨骼数据与足底压力数据结合使用的潜力。本研究分别对足底压力数据集和骨骼数据集进行独立实验，验证了每种数据类型在肌少症分类中的应用潜力。
方法:
本研究包含两个部分。首先，我们收集了骨骼和足底压力数据集，并根据握力、步态表现和四肢骨骼肌质量将数据分为肌少症组和非肌少症组。其次，我们对足底压力数据集采用ResNet-18模型进行实验，同时在骨骼数据集上使用时空图卷积网络（ST-GCN）模型，以分类由肌少症引起的正常与异常步态。为实现准确诊断，我们以每秒30帧的速度记录了100名参与者的实时行走过程，获取RGB + D图像。骨骼数据集通过从图像中提取包含25个特征点的三维骨骼信息构建，而足底压力数据集则通过受试者在足底压力板上施加压力构建。
结果:
作为基线评估，使用Resnet-18基于足底压力图像进行肌少症分类的准确率为77.16%，使用ST-GCN基于骨骼序列的分类准确率为78.63%。
讨论:
实验结果表明，基于足底压力图像和骨骼序列的肌少症与非肌少症分类具有潜在应用价值。
