在中风中通过稳定图形因果分析模型的自动化摩托腿得分

科学领域:

• 生物医学工程 生物医学工程
• 人工智能在医学中的应用
• 康复技术 康复技术 康复技术

背景情况:

• 由于中风导致的腿部运动障碍显著影响患者的行动能力和日常生活.
• 使用视频分析对运动功能的自动评估对于一致的中风诊断和监测至关重要.
• 现实世界的视频数据带来干扰挑战,影响自动化运动功能评分的准确性和稳定性.

研究的目的:

• 开发一个强大的自动化系统,用视频分析对中风患者腿部运动障碍进行临床水平量化.
• 为了解决动作表示和决策过程中干扰引起的性能不稳定性.
• 提高自动化中风评估工具的可靠性和临床采用.

主要方法:

• 提出了一种新的因果分析图卷积网络 (CDGCN),以系统地减少来自机动和非机动身体部位的干扰.
• 引入了一个类内因果关系增强模块,通过分离和精细化骨架图来稳定运动腿的表示.
• 实施了跨类非因果抑制模块,以减轻非机动身体部位中非因果因素的偏差.

主要成果:

• 在CDGCN的机动腿分数和在验证数据集上的确定的临床分数之间实现了高相关性 (高于0.82).
• 通过在另外两个医院进行独立测试,证明了一致的性能和稳定性.
• 验证了该方法在机动手臂评分和帕金森步态评估任务中的可靠性,证实了其通用性.

结论:

• 拟议的CDGCN有效地从人类骨中提取因果表征,确保可靠的运动功能评估决策.
• 该方法在现实场景中显示出显著的价值,为中风评估和远程医疗提供了大量的临床意义和可信度.
• 这种方法具有广泛临床采用,推进中风诊断,康复和远程患者监测的巨大潜力.