单摄像头人工智能辅助直播指动作捕捉的概念验证和验证
Huy G Dinh1, Joanne Y Zhou1,2, Adam Benmira1
1Department of Orthopaedic Surgery, Stanford University, Stanford, CA 94305, USA.
Sensors (Basel, Switzerland)
|August 14, 2025
概括
人工智能辅助的运动捕捉为分析指关节运动范围 (ROM) 提供了实用解决方案. 这种无标记,单摄像头方法准确评估 carpometacarpal (CMC) 关节动力学,有助于临床评估.
科学领域:
- 生物机械分析分析
- 医学技术 医学技术 医学技术
- 医疗保健中的人工智能
背景情况:
- 甲手腕 (CMC) 关节,最常见的关节炎手关节,对传统的运动分析提出了挑战.
- 现有的3D运动捕捉和手动测方法很难整合到临床工作流程中.
- 准确的手动力学分析对于诊断和管理手部疾病至关重要.
研究的目的:
- 引入和验证一个无标记,单摄像头的人工智能辅助的运动捕捉系统,用于评估指关节动力学.
- 评估基于人工智能的移动捕捉与传统方法的准确性,精度和相关性.
- 确定人工智能辅助运动捕获用于实时运动范围 (ROM) 分析的临床可行性.
主要方法:
- 使用了一种新的无标记,单摄像头AI系统,利用谷歌的MediaPipe Hands模型.
- 捕获了指关节 (IP),甲手腕关节 (MP) 和CMC关节运动的14个临床参数.
- 测量结果与五名健康受试者的手动测量结果进行了比较.
主要成果:
- 人工智能辅助的运动捕捉在14个参数中的11个参数中显示出足够的准确性.
- 在所有14个评估参数中都实现了高精度.
- 人工智能运动捕捉和手动度测量之间发现了很强的一致性,Pearson相关系数为0.97 (p < 0.001).
结论:
- 人工智能辅助的实时移动捕捉为指关节ROM分析提供了准确和精确的方法.
- 这项技术为临床环境提供了一种实用工具,特别是在虚拟患者接触方面.
- 该系统增强了手动力学的评估,特别是对于具有挑战性的CMC关节.
