在部和膝盖骨关节炎患者群体中开发和验证深度学习下肢动力学无标记系统的开发和验证
Junqing Wang1, Tengfei Li1, Wei Xu2
1Department of Orthopedic Surgery and Orthopedic Research Institute, West China Hospital, Sichuan University, Chengdu, Sichuan Province, China; Department of Orthopedic Surgery and West China Biomedical Big Data Center, West China Hospital, Sichuan University, Chengdu, Sichuan Province, China.
Journal of biomechanics
|March 7, 2026
概括
这项研究开发了一种新的四摄像头无标记系统,用于评估骨关节炎患者的下肢动力学. 该系统表现出高精度,为临床人群中的生物力学研究提供了具有成本效益的工具.
科学领域:
- 生物机械工程 生物机械工程
- 医疗成像医学成像
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 无标记器的运动捕捉系统比基于标记器的系统具有优势,但往往缺乏对患者群体的概括性.
- 现有的无标记器系统通常是根据健康个体的数据进行训练,这限制了它们在临床环境中的应用.
- 骨关节炎 (OA) 患者群体需要准确的生物力学评估进行研究和治疗.
研究的目的:
- 开发和验证一个四摄像头无标记系统,用于测量部或膝关节骨关节炎患者的下肢动力学.
- 在OA队列中,与基于黄金标准标记的系统相比,评估无标记系统的准确性.
- 为了确定该系统适合于骨关节炎的生物力学研究.
主要方法:
- 一组150名骨关节炎患者被分为训练 (n=120) 和测试 (n=30) 组.
- 在训练组上使用深度学习开发了一个四个摄像头的无标记系统.
- 在行走过程中使用无标记器和基于标记器的系统同时收集动力学数据,在测试组上进行.
主要成果:
- 无标记系统实现了13.4毫米的大平均位置差,关键点的ICC为0.93.
- 所有关节角的平均根平均平方误差 (RMSE) 为4.1°.
- 关节角度波形的类内相关系数 (ICC) 在斜面平面 (0.93) 高,但在正面 (0.50) 和横面 (0.34) 平面较低.
结论:
- 开发的四摄像头无标记系统在骨关节炎患者的关键点预测和平面关节角度方面表现出高准确度.
- 该系统的性能表明它适合在骨关节炎患者群体中进行临床生物力学研究.
- 这种无标记器系统为OA研究中的步态分析提供了具有成本效益和方便的替代方案.
