基于视觉的骨肌肉衰退评估:与SPPB性能相关联的步态差异
Zhaozhen Tong1, Sinan Chen2, Yuko Yamaguchi3
1Graduate School of Economics, Faculty of Economics, Kobe University, 2-1 Rokkodai-cho, Nada-ku, Kobe 657-8501, Japan.
Healthcare (Basel, Switzerland)
|June 26, 2025
概括
计算机视觉量化老年人的步态,揭示步态变化可能表明更好的身体活力和助力跌倒风险评估. 这项技术为长期健康监测提供了潜力.
科学领域:
- 老年学是一门学科.
- 生物医学工程 生物医学工程
- 计算机视觉 计算机视觉
背景情况:
- 人口老龄化带来越来越多的健康挑战和跌倒风险.
- 传统的跌倒风险评估,如短物理性能电池 (SPPB) 有局限性.
- 计算机视觉提供了客观下降风险评估的潜力,但需要改进.
研究的目的:
- 使用计算机视觉量化老年人的步态运动特征.
- 分析步态特征,SPPB分数和测试持续时间之间的相关性.
- 开发一个长期监测和高效的跌倒风险评估的解决方案.
主要方法:
- 分析了来自19名日本老年人的步态和SPPB数据.
- 使用Python进行数据处理,运动分析和索引构建.
- 进行了相关性分析和主要组件分析 (PCA).
主要成果:
- 步态变化与SPPB测试2完成时间负相关,表明更好的活力.
- PCA确定了与测试时间相关的"肌肉控制储备"和"学习疲劳反应".
- 一个综合指数显示,与SPPB分数的非显著正相关性.
结论:
- 在老年人的步行特征和SPPB表现之间建立了相关性.
- 在数据收集和分析中进行创新,用于降落风险评估.
- 建议扩大样本大小,参数和深度学习,用于未来的研究.
