现在轮到你了:在家中估计帕金森病严重程度评估的转角度

科学领域:

• 生物医学工程 生物医学工程
• 神经学 神经学
• 计算机视觉 计算机视觉

背景情况:

• 帕金森病 (PD) 显著影响步态,特别是转动,目前的临床工具无法捕捉现实世界的每小时症状波动.
• 连续,被动测量转角度对于使用步态特征监测PD进展至关重要.

研究的目的:

• 开发和验证一种基于深度学习的方法,可以使用单眼相机视频自动量化PD患者的转角度.
• 评估在自由生活的家庭环境中测量步态参数的可行性,克服临床评估的局限性.

主要方法:

• 利用Fastpose和Strided Transformer人类姿势估计模型从视频剪辑中提取3D骨.
• 从Turn-REMAP数据集中计算了关节旋转 (部和膝盖) 来量化24个受试者的1386个视频剪辑 (12个PD,12个控制) 的转向角度.
• 在Turn-H3.6M数据集上验证了该方法,使用专家临床医生标记的45°角容器在自由生活的Turn-REMAP数据集中验证地面真相.

主要成果:

• 该方法在Turn-REMAP数据集 (家庭设置) 上实现了41.6%的准确性,34.7°MAE和68.3%的WPrec.
• 在Turn-H3.6M数据集上,该方法实现了73.5%的准确性,18.5°MAE和86.2%的WPrec.
• 这是首次使用单眼单眼相机数据来量化家庭环境中的PD患者轮流.

结论:

• 开发的深度学习方法提供了一种可行的方法来量化PD患者在家中的转向角度.
• 公共可用的数据和模型为使用自由生活数据对PD步态分析的未来研究奠定了基础.
• 这项技术有可能在临床环境之外加强对PD进展和症状变化的监测.