一种基于DeepLabCut模型和红外热谱的新传感方法,用于在运动期间描述膝盖的热谱
Davide Crisafulli1, Marta Spataro1, Cristiano De Marchis1
1Department of Engineering, University of Messina, Contrada di Dio, 98166 Messina, Italy.
Sensors (Basel, Switzerland)
|December 17, 2024
概括
这项研究使用红外热学和AI (DeepLabCut) 来监测炼期间的膝盖温度. 这种非侵入性方法有助于诊断膝盖受伤并跟踪恢复.
科学领域:
- 生物医学工程 生物医学工程
- 运动医学 运动医学
- 医疗成像医学成像
背景情况:
- 膝盖受伤和疾病影响运动员和老年人,需要有效的监测工具.
- 表面温度分析为关节健康提供了洞察力,有助于早期诊断诸如骨关节炎和肌损伤等疾病.
- 目前用于温度评估的方法可能耗时且不太准确.
研究的目的:
- 开发一种创新的,非侵入性的方法来监测膝关节关节温度变化.
- 整合红外热谱与人工智能驱动的分析,进行精确,无标记器的测量.
- 在功能练习期间,将热谱与生物力学数据相关联.
主要方法:
- 利用红外热学来捕捉膝盖表面的温度,在坐立练习.
- 雇员Resnet 152 (基于DeepLabCut) 用于自动化感兴趣区域 (ROI) 选择和分析.
- 使用Wii平衡板与热成像同时收集的重量分布数据.
主要成果:
- 成功检测和监测特定膝盖区域的温度变化.
- 通过DeepLabCut自动选择ROI,比传统方法提高了准确性和效率.
- 确定了热概况和运动期间体重分布之间的相关性.
结论:
- 热学和DeepLabCut的结合方法为膝盖健康评估提供了一个精确的,非侵入性的工具.
- 这项技术可以帮助诊断膝关节病理,评估康复进展,评估治疗疗效.
- 突出了可访问的,预防性诊断工具的潜力,用于联合健康监测.


