基于计算机视觉的无标记的人体姿势估计的可靠性和有效性,用于测量部和膝盖的运动范围

科学领域:

• 生物医学工程 生物医学工程
• 康复技术 康复技术 康复技术
• 计算机视觉 计算机视觉

背景情况:

• 准确的关节运动范围 (ROM) 测量对于有效的远程康复至关重要.
• 传统的ROM评估方法可能是繁的,在偏远的环境中难以使用.
• 计算机视觉 (CV) 的进步为新的远程测量解决方案提供了潜力.

研究的目的:

• 评估基于CV的无标记人体姿势估计 (HPE) 应用程序的可靠性和有效性,用于测量活跃的部和膝盖ROM.
• 确定这项技术是否可以作为远程康复的可行工具.
• 为了评估与既定测量技术相比的准确性.

主要方法:

• 30名健康的年轻人 (20名男性,10名女性) 参加了这项研究.
• 使用基于CV的无标记HPE应用程序测量了活跃的部和膝盖ROM.
• 评估了测试重复测试的可靠性,并通过将测量结果与参考图像框架进行比较来确定有效性.

主要成果:

• 基于CV的HPE应用程序显示出高可靠性,在不同的部和膝盖运动中,课内相关系数 (ICC) 从0.74到0.93不等.
• 有效性很强,显示CV应用程序和参考测量方法之间的高相关性 (r值从0.85到0.99).
• 具体的ICC:0.93 (部内侧旋转),0.83 (部外侧旋转),0.82 (部曲/延伸),0.74 (膝盖曲).
• 具体相关性:0.99 (部内侧旋转),0.98 (部外侧旋转),0.87 (部曲),0.85 (部延伸),0.90 (膝盖曲).

结论:

• 基于CV的无标记HPE应用程序是测量活跃部和膝盖ROM的可靠和有效工具.
• 这项技术为远程康复中远程ROM监控提供了可访问和有前途的解决方案.
• 它促进客观和方便的评估,可能改善患者的治疗结果和获得护理的机会.