运动障碍中的计算机视觉技术:系统性审查

科学领域:

• 利用计算机视觉和机器学习进行神经学中的客观运动分析.
• 专注于无标记器自动化视频分析的应用,以评估运动障碍.

背景情况:

• 目前的运动障碍评估严重依赖主观现象学,导致诊断准确度低于最佳.
• 需要客观,定量和非侵入性运动分析来弥合诊断准确性的差距.
• 无标记器自动视频分析,或计算机视觉 (CV),为生态有效的评估提供了一个有希望的解决方案.

研究的目的:

• 系统地审查计算机视觉 (CV) 在运动障碍的评估,诊断和监测中的应用.
• 评估基于CV的临床神经病学方法的有效性和挑战.

主要方法:

• 按照PRISMA指南进行的系统审查,搜索Cochrane,Embase,PubMed和Scopus数据库.
• 搜索策略包括"视频分析"或"计算机视觉"与运动障碍和相关术语的全面列表相结合.
• 纳入标准主要集中在1984年至2024年9月发表的研究,并根据专家判断纳入其他研究.

主要成果:

• 在1099项确定研究中,有61项符合纳入标准,另外还有10项额外的研究.
• 帕金森病是研究最多的疾病,步态分析是最常见的运动任务.
• 对于大多数运动障碍,自动视频分析显示诊断准确率超过80%,其中OpenPose是常见的工具. 心血管显示与加速度计和临床评估对震, dystonia 和 tic 检测有很强的对齐.

结论:

• 计算机视觉 (CV) 显示出对运动障碍存在和严重性的非侵入性量化有很大的潜力.
• 现实世界应用的主要挑战包括视频设置的异质性,软件的使用,以及对标准化视频录制指南的需求.