无标记运动捕捉增强了临床评估:通过盒子和块测试进行初步验证
概括
我们开发了C-MoRe,这是一个基于电话的系统,使用计算机视觉进行精确的上肢运动功能评估. 这项技术为康复提供了准确的定量指标,改善了患者特异性治疗,并使大规模的数据收集成为可能.
科学领域:
- 生物医学工程 生物医学工程
- 康复科学 康复科学 康复科学
- 计算机视觉在医疗保健中的应用
背景情况:
- 精确康复需要患者特异性治疗,但目前的临床评估缺乏解决方案.
- 高分辨率技术对于常规临床使用往往太麻烦,限制了它们的采用.
- 需要可访问的,高分辨率的工具来量化运动功能的量身定制康复.
研究的目的:
- 开发和验证C-MoRe,一种基于电话的系统,利用计算机视觉进行上肢运动功能的定量评估.
- 评估C-MoRe在盒子和块测试 (BBT) 中测量运动指标的准确性和可靠性.
- 探索C-MoRe的定量测量和慢性中风幸存者的临床结果之间的关系.
主要方法:
- 开发了C-MoRe,这是一款使用计算机视觉和机器学习 (ML) 模型的智能手机应用程序.
- 利用ML识别手动和评估地标,用于自动评分.
- 定制算法量化了BBT抓取和转移任务期间的运动持续时间,振幅和速度.
主要成果:
- 与人类评分器相比,C-MoRe在区块计数方面实现了高精度 (98.4%),在识别任务阶段方面实现了卓越的可靠性 (ICC>0.99).
- 量化运动速度,抓取和转移时间表明对肢体间功能差异的敏感性.
- 掌握时间与手指亲感显著相关,这是康复结果的关键预测指标.
结论:
- 在BBT期间,C-MoRe提供了对上肢运动功能的有意义的定量见解.
- 该系统的简单性和准确性促进了广泛采用,并为康复中的预测建模创建了有价值的数据集.
- 通过提供客观的,高分辨率的运动功能数据,C-MoRe有可能提高精确的康复.
