一个新的多层次的3D姿势估计框架用于用单眼视频检测帕金森病的步态
Rong He1, Zijing You2,3, Yongqiang Zhou2
1Department of Rehabilitation Medicine, University of Hong Kong-Shenzhen Hospital, Shenzhen, China.
Frontiers in bioengineering and biotechnology
|January 7, 2025
概括
这项研究引入了用于帕金森病 (PD) 步态分析的无标记3D姿势估计框架. 该方法使用步态参数准确预测PD,为早期诊断和患者监测提供了可靠的工具.
科学领域:
- 生物医学工程 生物医学工程
- 计算机视觉 计算机视觉
- 神经学 神经学
背景情况:
- 帕金森病 (PD) 由于肌肉硬和平衡障碍等症状,影响生活质量.
- 目前的临床步态分析缺乏用于早期PD诊断和干预的客观和准确的工具.
研究的目的:
- 开发和验证一个多层次的3D姿势估计框架,用于分析帕金森病患者的步态.
- 使用提取的步态参数建立PD的早期预测模型.
主要方法:
- 集成的单眼视频与变压器和图形卷积网络 (GCN) 进行3D姿势估计.
- 从59名健康老人和PD患者中提取了时间和空间步行参数.
- 开发了一个随机森林 (RF) 分类器用于基于步态特征的PD预测.
主要成果:
- 步行参数显示高可重复性 (ICC > 0.70) 和与VICON/ATMI (r > 0.80) 的强相关性.
- 射频分类模型在预测PD时实现了93.3%的准确性.
- 3D姿势估计方法在步态参数提取方面被证明是可靠和有效的.
结论:
- 拟议的无标记3D姿势估计框架可靠地用于PD患者准确的步态分析.
- 这种方法显示出对帕金森病的早期预测和监测有很大的潜力.
- 这种低成本,便携和用户友好的方法适合临床查和监测.
