相关实验视频
Updated: Jan 17, 2026
07:51
Video Movement Analysis Using Smartphones ViMAS: A Pilot Study
Published on: March 14, 2017
17.2K
使用保护隐私的可解释的人工智能和手机视频对模拟步行障碍进行分类
Lauhitya Reddy1, Ketan Anand2, Shoibolina Kaushik3
1Department of Biomedical Engineering, Emory University and Georgia Institute of Technology, Atlanta, Georgia, United States of America.
PLOS digital health
|September 16, 2025
概括
一个新的手机人工智能 (AI) 系统使用视频分析准确地分类行走障碍. 这种保护隐私的工具提供了一种可访问的,客观的步态评估方法,超越了昂贵或主观的传统方法.
科学领域:
- 生物医学工程 生物医学工程
- 计算机科学 计算机科学
- 康复医学 康复医学 康复医学
背景情况:
- 目前的步行障碍诊断依赖于主观的临床观察或昂贵的多摄像头系统.
- 需要可访问,客观和保护隐私的步态评估工具.
研究的目的:
- 开发和评估基于手机的人工智能 (AI) 系统,用于分类步行障碍.
- 评估系统的准确性,并确定步态分类的关键特征.
主要方法:
- 使用手机摄像头创建了一个新的数据集,包括743个视频,模拟正常和六种病态步行类型 (环形,Trendelenburg,心痛,,帕金森,跳跃).
- 一个人工智能系统被开发出来,用于从正面和斜视频视图分类行走障碍.
- 进行了特征重要性分析,以确定关键分类特征.
主要成果:
- 人工智能系统在使用结合的正面视图和斜视图来分类步行障碍时,获得了86.5%的准确性.
- 斜视图通常优于正面视图,除了特定的步态类型,如环导.
- 下肢关键点,频域特征和度测量被确定为对分类至关重要的.
结论:
- 基于手机的人工智能系统可以有效地分类各种步态类型,同时通过设备上的处理来保护隐私.
- 该系统显示出快速原型化步态分析工具的潜力.
- 用患者数据进行临床验证是必要的,以确认在现实环境中的疗效.
