基于视觉的姿势平衡评估,对年轻人和老年人从坐到站的转变进行评估
Chia-Hsuan Lee1, Tomas Mendoza2, Chien-Hua Huang3
1Department of Data Science, Soochow University, No.70, Linhsi Road, Shihlin District, Taipei, Taiwan.
Gait & posture
|January 11, 2025
概括
这项研究使用手机摄像头和姿势估计来识别坐姿过渡期间的关键肘部运动,有助于对老年人进行跌倒风险评估. 新的功能显示了对非侵入性姿势不稳定性查的希望.
科学领域:
- 生物医学工程 生物医学工程
- 老年学是一门学科.
- 计算机视觉 计算机视觉
背景情况:
- 跌倒风险评估的惯性测量单位 (IMU) 面临着受试者不适和数据解释挑战等局限性.
- 对于跌倒风险的态度估计特征存在有限的研究.
- 从坐到站的转变是评估移动性和跌倒风险的关键功能运动.
研究的目的:
- 探索新的特征和表示方法,以评估使用坐立转换的跌倒风险.
- 调查手机摄像机的实用性,并提出用于捕获动态数据的估计技术.
- 确定区分不同年龄和移动群体的关键特征.
主要方法:
- 从使用手机摄像头的社区老人,托儿所老人和大学生收集的坐立过渡数据.
- 雇员对姿势进行估计,以从视频数据中提取关键点的动态特征.
- 使用十倍交叉验证和随机森林分类器来训练具有不同数量的顶部特征 (5,10,15) 的模型,并使用曲线下面面积 (AUC) 进行性能比较.
主要成果:
- 肘部关键点特征 (例如,KP08和KP09的平均Y,RMSY) 被确定为区分学科组的关键.
- 统计测试证实了这些已识别的特征的重要性.
- 人体姿势估计和关键点信号表明临床姿势平衡查和跌倒风险评估的潜力.
结论:
- 该研究强调了使用随时可用的技术 (如手机摄像头) 来评估跌倒风险的潜力.
- 识别的动力学特征可以为开发用于检测姿势不稳定的非侵入性工具提供信息.
- 这项研究为将各种测量方式整合到坐立转变分析中,以改善临床策略提供了基础.
