使用深度神经网络,基于行走视频预测大脑动症的严重程度
Katsuki Eguchi1,2, Hiroaki Yaguchi1, Hisashi Uwatoko1
1Department of Neurology, Faculty of Medicine and Graduate School of Medicine, Hokkaido University, Sapporo, Japan.
概括
使用人工智能的姿势估计可以从步态视频中预测小脑动症的严重程度. 该模型准确地评估了阿塔克西亚评估和评分表 (SARA) 评分,重点关注关键的步行特征.
科学领域:
- 神经学 神经学
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 姿势估计算法分析2D视频中的步态障碍.
- 有限的研究已经应用了这些算法来评估无氧步态.
研究的目的:
- 为了确定一个姿势估计算法是否可以使用步态视频预测小脑动症的严重程度.
- 评估该算法的与临床性衰竭评级相关的能力.
主要方法:
- 66名患有退行性小脑疾病的患者在定时启动测试期间进行了视频记录.
- 一个姿势估计算法提取了关键的步态点.
- 一个深度学习模型使用这些关键点预测了阿塔克西亚评估和评级量表 (SARA) 的得分.
主要成果:
- 该模型在SARA得分预测中实现了2.30的平方根平均误差和0.79的R平方.
- 该算法专注于站立,转身和身体摇摆来评估严重程度.
结论:
- 通过关键点数据估计姿势显示了捕获步态特征的潜力.
- 开发的模型显示了预测SARA分数在无氧步行中的潜力.
