基于卷积神经网络的无标记体位估计系统与基于标记体位的3D运动分析系统对步态评估的有效性-试点研究
Korbinian Ksoll1, Rafael Krätschmer2, Fabian Stöcker2
1OPED GmbH, 83626 Valley/Oberlaindern, Germany.
Sensors (Basel, Switzerland)
|November 13, 2025
概括
使用卷积神经网络 (CNN) 的无标记步态分析提供了一个可行的临床替代方案. 这项试点研究表明,与传统的基于标记器的运动捕捉相比,Orthelligent VISION系统准确地测量了关键的步态指标.
科学领域:
- 生物力学 生物力学
- 计算机视觉 计算机视觉
- 临床运动分析.
背景情况:
- 基于标记器的3D光学系统是目前用于步态分析的标准.
- 使用卷积神经网络 (CNN) 的无标记系统正在成为重要的工具.
- 对这些新的无标记物系统与既有方法的验证对于临床采用至关重要.
研究的目的:
- 为了验证基于CNN的无标记步态分析系统 (Orthelligent VISION; OV) 的性能.
- 为了比较OV的准确性与基于标记的标准3D运动捕捉系统.
- 评估无标记步态分析的临床适用性.
主要方法:
- 一项试点研究涉及16名健康成年人.
- 比较Orthelligent VISION (OV) 无标记系统与基于标记的3D运动捕捉系统.
- 使用一致性相关系数 (CCC) 和变化系数分析标准步态指标.
主要成果:
- 在两种系统之间的步行事件检测中发现了良好的重叠.
- 在OV的测试中,OV显示出强烈或几乎完全的对应性 (CCC ≥0.624) 对于斜面平面的指标 (节奏,可变性,步骤/立场时间,步骤长度,双支).
- 对前面平面参数 (节奏,步骤/立场时间,步骤宽度) 观察到强烈的一致性 (CCC ≥ 0.805),对于步行对称度有中度到弱的相关性.
结论:
- 基于CNN的无标记步态分析系统OV显示了许多临床步态指标的高准确性.
- OV是基于标记器的3D运动捕捉系统的有希望的替代方案.
- 无标记步行分析具有广泛临床应用的潜力.
