[运动捕捉数据驱动的神经退行性疾病运动评估的研究进展]
Junlang Wu1, Wei Guo2, Kexin Luo1
1Key Laboratory of Advanced Manufacturing Technology of the Ministry of Education, Guizhou University, Guiyang 550025, P.R. China.
概括
运动捕捉技术增强了对神经退行性疾病 (NDD) 的运动功能评估. 本综述对方法进行了分类和分析,为NDDs电机评估的未来趋势提供了见解.
科学领域:
- 神经学和生物医学工程
- 计算神经科学是一种神经科学.
- 康复技术 康复技术 康复技术
背景情况:
- 神经退行性疾病 (NDD) 的特点是神经元逐渐丧失,导致运动功能下降.
- 准确的运动评估对于评估NDD的疾病严重程度和患者的能力至关重要.
- 运动捕捉技术提供高精度,高分辨率的人类运动数据进行详细分析.
研究的目的:
- 审查使用运动捕捉数据的NDD运动评估的最新进展.
- 为了对NDD电机评估进行不同特征提取和处理方法的分类和比较.
- 讨论该领域的未来趋势和发展前景.
主要方法:
- 将NDD的运动评估方法分类为统计分析,机器学习和深度学习方法.
- 基于数据组成,预处理,评估技术和有效性的这些方法的比较分析.
- 审查现有的NDDs发动机评估数据集.
主要成果:
- 确定并分析了三种主要类别的动作捕捉驱动的NDD电机评估方法.
- 提供了对每个评估类别的技术方面和特征的比较概述.
- 突出了NDD运动评估中的统计,机器学习和深度学习方法的优点和局限性.
结论:
- 基于运动捕捉的方法显著提高了在NDD中评估运动功能的精度和细节.
- 评估方法的选择 (统计,ML,DL) 取决于具体的数据特征和评估目标.
- 未来的研究应该专注于改进这些方法,并探索新的深度学习架构,以改进NDD的运动评估.
