一个人工智能驱动的基于摄像头的平台,用于患者的行走评估

科学领域:

• 医疗技术 医疗技术 医学技术
• 计算机视觉 计算机视觉
• 生物医学工程 生物医学工程

背景情况:

• 准确的患者出行评估对于医疗保健中的康复和移动性监测至关重要.
• 传统的步态和姿势分析方法可能是劳动密集型和主观的.
• 需要客观,自动化和非侵入性评估工具.

研究的目的:

• 开发和验证一个使用深度学习的新型行走评估平台.
• 为了从视频数据中精确检测身体/头部位置,运动和姿势.
• 为在临床环境中对人类运动进行定量分析提供准确和自动化的解决方案.

主要方法:

• 在视频流中实施深度神经网络,以进行强大的身体和头部检测.
• 计算3D头部坐标和精确测量距离相机的距离.
• 开发用于跟踪身体运动和分类各种人体姿势的算法.
• 通过对人类志愿者进行的测试来验证平台的性能.

主要成果:

• 在身体和头部检测方面取得了高精度 (高达90%).
• 在测量与相机的移动距离方面表现出极好的精度 (高达92%).
• 在姿势分类中表现出卓越的表现 (高达99%).

结论:

• 拟议的平台为行走评估提供了一个高度准确和自动化的解决方案.
• 深度学习技术在医疗保健中对分析人类运动,姿势和位置是有效的.
• 这项技术有可能显著提高患者监测和康复策略.