相关实验视频
Updated: Mar 13, 2026
12:33
Corticospinal Excitability Modulation During Action Observation
Published on: December 31, 2013
9.4K
基于单眼视频测量手振幅的方法的比较
Valeria Filippou1, Jane Alty2, Samuel D Relton3
1University of Manchester, Vaughan House, Portsmouth Street, Manchester, M13 9GB, United Kingdom.
Computers in biology and medicine
|March 11, 2026
概括
使用计算机视觉进行客观的手评估对于神经疾病至关重要. 基于LiDAR的深度传感提供了准确的度量振幅测量,优于临床使用的深度学习预测.
科学领域:
- 神经学 神经学
- 生物医学工程 生物医学工程
- 计算机视觉 计算机视觉
背景情况:
- 准确的手评估对于诊断和监测神经系统疾病至关重要.
- 目前的临床方法依赖于主观估计,导致可靠性较差.
- 客观计算机视觉方法为震量化提供了一个有希望的替代方案.
研究的目的:
- 为了比较三种计算机视觉方法的准确性,从智能手机视频中估计手震幅度.
- 评估LiDAR,深度学习和非维度规范化方法的性能.
主要方法:
- 从20名健康参与者中记录了120个模拟休息,姿势和运动震的视频.
- 使用姿势骨架提取和极端点运动分析估计了震动振幅.
- 通过布兰德-阿尔特曼分析,将三种深度估计方法与黄金标准统治者测量方法进行了比较.
主要成果:
- 基于LiDAR的深度探测 (方法a) 实现了0.01厘米 (±0.78厘米LOA) 的偏差.
- 深度学习深度预测 (方法b) 显示出更高的偏差为-0.91厘米 (±1.88厘米LOA).
- 不同肤色之间没有发现精度的显著差异 (p=0.32). 方法 (c) 显示出高相关性 (r=0.977).
结论:
- 最先进的神经网络深度估计不足以准确量化手振幅.
- 设备上的激光雷达 (LiDAR) 为模拟的手提供了准确的度量振幅测量.
- 使用LiDAR进行客观的震评估,有可能改善临床诊断和监测.
