通过轻量化拓姿势估计对帕金森病患者进行术后康复评估

科学领域:

• 人工智能的人工智能
• 医学诊断 医学诊断 医学诊断
• 生物医学工程 生物医学工程

背景情况:

• 统一帕金森病评分表 (UPDRS) III对于跟踪帕金森病的进展至关重要.
• 目前的UPDRS III评估是耗时的,昂贵的,主观的,严重依赖于医生亲自评估.
• 人工智能的进步为自动化和改进传统诊断方法提供了机会.

研究的目的:

• 开发一个基于人工智能,基于变压器的姿势估计模型,用于客观和远程UPDRS III规模的自我评估.
• 为了减少帕金森病患者的诊断时间和医疗费用.
• 为了提高UPDRS III评估的准确性和标准化.

主要方法:

• 开发了一个基于变压器的姿势估计模型来评估UPDRS III的行动.
• 该模型将基于骨架的评估与自我评估的后处理相结合.
• 新型组件包括用于人类拓理解的空间图形注意力模块 (SGAM) 和用于高效模型压缩的轻量级Chi块.

主要成果:

• 拟议的模型使患者能够远程进行自我评估,节省医生的时间.
• 该SGAM模块提高了网络对人类骨结构的把握.
• 千块实现模型压缩,准确性损失最小,在ImageNet-1K和CIFAR-10等基准数据集上表现出高效的性能.

结论:

• 人工智能驱动的姿势估计为自动,远程帕金森病评估提供了可行的解决方案.
• 开发的模型有可能显著改善患者获得护理和诊断效率.
• 这项技术为更客观,更具成本效益的帕金森病管理铺平了道路.