在3个月大的婴儿中使用姿势估计量化手臂和腿部运动:概念证明
Marcelo R Rosales1, Janet Simsic2, Tondi Kneeland3
1School of Health and Rehabilitation Sciences, The Ohio State University, Columbus, OH 43210, USA.
Sensors (Basel, Switzerland)
|December 17, 2024
概括
姿势估计精确检测婴儿四肢运动,显示有希望的发育评估在婴儿和没有复杂的先天性心脏病. 这项技术为跟踪儿科运动发育提供了可访问的工具.
科学领域:
- 生物医学工程 生物医学工程
- 发育儿科 发育儿科
- 计算机视觉 计算机视觉 计算机视觉
背景情况:
- 姿势估计 (PE) 为从视频记录中量化儿科运动提供了一种有前途的方法.
- 评估婴儿运动对于理解发育至关重要,特别是在患有复杂先天性心脏病 (CCHD) 的婴儿中.
研究的目的:
- 量化PE模型在检测3个月大的婴儿手臂和腿部运动中的准确性.
- 为了比较典型发育 (TD) 婴儿和患有CCHD的婴儿之间的PE模型准确性.
主要方法:
- 使用MediaPipe的全身姿势估计模型对12名婴儿 (6 TD,6 CCHD) 的视频数据进行了估计.
- 使用行为编码评估模型准确性,计算正预测值 (PPV) 和检测到四肢运动的灵敏度.
主要成果:
- 该PE模型确定了499个腿和手臂运动,总体PPV为85%,灵敏度为94%.
- 这两组的准确性都很高:TD婴儿 (PPV 84%,灵敏度93%) 和CCHD婴儿 (PPV 87%,灵敏度98%).
- 运动频率范围与现有文献一致,没有发现任何显著的群体差异.
结论:
- 姿势估计模型显示了使用智能手机等可访问技术描述婴儿运动的巨大潜力.
- 这种方法可以加强对肢体功能发展的评估,并随着时间的推移跟踪变化.
- PE提供了一种具有成本效益和可扩展的方法,用于儿科运动分析.
