探索基于智能手机的单摄像头无标记运动捕捉技术的有效性,以量化膝关节骨关节炎患者的膝关节运动范围

科学领域:

• 生物机械分析分析
• 肌肉骨成像技术 肌肉骨成像技术
• 数字健康技术数字健康技术

背景情况:

• 无标记运动捕捉提供了一种非侵入性方法,用于评估肌肉骨疾病中的关节功能.
• 膝关节骨关节炎 (OA) 的管理需要准确的关节动力学评估.
• 单摄像头系统为多摄像头设置提供了更容易获得的替代方案.

研究的目的:

• 评估深度视觉平台的有效性和会话内可靠性,以量化膝关节骨质炎患者的膝关节关节动力学.
• 为了比较深度视觉平台的性能与已建立的方法,如Kinovea.
• 要确定量化的动力学是否符合临床上有意义的值.

主要方法:

• 十五名膝关节骨质炎患者使用msk.ai深度视觉平台和Kinovea进行了平面膝关节关节动力学评估.
• 采用了3D运动捕捉系统来获取数据.
• 使用Bland-Altman分析以95%的一致限值来评估对预定义的临床值 (±5°和±10°) 的有效性和可靠性.

主要成果:

• 深度视觉在临床上有意义的临床值内显示了平均差异和一致的极限,用于膝盖曲,伸展和运动范围的峰值.
• 基诺维亚评估达到平均差异值,但超过了峰值曲和运动范围的协议限制.
• 所有方法都显示出可靠的会话内测量,平均差异和置信区间在临床上可接受的范围内.

结论:

• msk.ai 深度视觉平台是一个有效和可靠的工具,用于量化膝关节曲,延伸和膝关节OA患者的运动范围.
• 深度视觉提供了一个有前途的无标记运动捕捉解决方案,用于临床评估膝关节功能.
• 该研究支持使用单摄像头无标记运动捕捉用于肌肉骨疾病的客观动力学分析.