在视频光学吞研究中自动检测动作,使用深度学习进行里程碑检测和运动分析
Andrea Bandini1, Angelo Lasala2, Melanie Peladeau-Pigeon3
1Health Science Interdisciplinary Research Center, Scuola Superiore, Sant'Anna, Pisa, Italy; The Biorobotics Institute & the Department of Excellence for Robotics and AI, Scuola Superiore Sant'Anna, Pisa, Italy; KITE Research Institute, University Health Network, Toronto, ON, Canada.
Computers in biology and medicine
|December 2, 2025
概括
本研究引入了一种自动化管道,用于分析视频光学吞研究 (VFSS) 期间的. 这项技术精确地检测动作,有助于评估吞功能和安全性.
科学领域:
- 生物医学工程 生物医学工程
- 临床诊断 临床诊断 临床诊断
- 语音语言病理学 语音语言病理学
背景情况:
- 对于安全的吞至关重要,但老年人和患有神经疾病的人群中常有损伤.
- 目前在视频光学吞研究 (VFSS) 中评估的方法是手动的,耗时的,缺乏标准化.
- 在VFSS期间对口功能进行自动分析是一个尚未探索的领域,具有显著的临床潜力.
研究的目的:
- 在VFSS中开发和验证第一个完全自动化的管道,用于分析在时的部运动.
- 在临床和研究环境中对功能进行客观和可扩展的评估.
- 为将分析集成到标准VFSS协议中奠定基础.
主要方法:
- 开发了一个由三个模块组成的管道:地标检测,口腔处理阶段细分和动作分类.
- 利用地标检测网络识别关键解剖点来跟踪部运动.
- 采用视频细分来隔离口腔处理阶段和分类模块来区分和非的动作.
主要成果:
- 自动化管道在所有集成模块中表现出高性能.
- 该系统成功地在各种数据集上进行了训练和验证,包括健康的个人和患有食障碍的人.
- 结果证实了VFSS中自动分析的可行性和临床相关性.
结论:
- 拟议的自动化管道提供了一个可扩展的解决方案,用于评估VFSS期间的功能.
- 这项技术可以通过量化性能来提高吞安全性和效率的评估.
- 这项研究支持将自动分析纳入常规临床VFSS协议的未来整合.
