深度多模式生物机械分析用于腰部疼痛康复,以改善患者的稳定性
Muhammad Abrar Ashraf1,2, Yanfeng Wu1, Shaheryar Najam3
1Guodian Nanjing Automation Co., Ltd, Nanjing, China.
Frontiers in bioengineering and biotechnology
|November 24, 2025
概括
这项研究介绍了3D-PoseFormer,这是一种用于远程物理治疗的AI框架. 它使用人工智能对腰部疼痛炼进行无传感器分析,在远程康复中实现高精度.
科学领域:
- 生物医学工程 生物医学工程
- 人工智能的人工智能
- 康复科学 康复科学 康复科学
背景情况:
- 人工智能 (AI) 正在通过实现可扩展,以患者为中心的康复解决方案来彻底改变医疗保健.
- 电话康复为远程患者监测和治疗提供了一个有前途的途径,特别是对于患有慢性疾病,如腰部疼痛 (LBP) 的个人.
- 目前的远程康复方法通常依赖于可穿戴传感器,限制了患者的舒适性和坚持.
研究的目的:
- 介绍3D-PoseFormer,一个新的深度多式人工智能框架,用于无标记和无传感器的腰部疼痛 (LBP) 远程康复.
- 通过使用同步的RGB和深度视频流来实现物理治疗练习的自动数据采集和实时分析.
- 开发一个强大的系统,用于准确的运动分类和人类意图识别LBP患者.
主要方法:
- 使用同步RGB和深度视频流进行无传感器分析的自动数据采集.
- 从深度数据中提取3D身体关节位置和基于SMPL的网状顶部,用于生物力学分析.
- 使用先进的关键点检测算法和语义轮分析处理RGB,用于局部特征提取.
- 融合多式联络功能和输入到基于变压器的机器学习模型中,用于时间运动模式分析.
主要成果:
- 在KIMORE数据集上达到94.73%,在MRI数据集上达到91%,在UTKinect-Action3D数据集上达到94.2%的最先进的精度.
- 证明了该系统能够消除对可穿戴传感器的需求,从而实现自主和持续监控.
- 在各种数据集和活动场景中验证了框架的稳定性和通用性.
结论:
- 3D-PoseFormer显示了人工智能辅助康复的显著临床潜力,为远程物理治疗提供了可扩展和智能化的解决方案.
- 该框架促进了在家庭康复环境中进行自主,持续的监测,提高了患者的护理和可访问性.
- 这项研究强调了深度多式学习在推进低背部疼痛等疾病的远程康复方面的有效性.
