用于膝关节疾病中基于运动的生物标志物发现的无需标记人体运动分析系统
计算机视觉与模式识别
2023-04-27 v1
摘要
近年来,NHS 在接诊所有低风险患者方面面临越来越大的困难,这包括但不限于疑似骨关节炎(OA)患者。为帮助解决不断增加的等候名单与人员短缺问题,我们提出了一种用于膝关节疾病诊断与治疗方案进展监测的自动化生物标志物识别新方法。所提方法允许以廉价且灵敏的方式测量和分析生物力学并分析其临床意义,作为当前可用商业替代方案的替代。这些方法和结果验证了临床环境中标准 RGB 相机捕捉运动的能力,并表明与深度相机等替代方案相比,在临床环境中具有相当的准确度。使用主成分分析(PCA)进行生物标志物识别,可降维以从运动数据中提取最具代表性的特征,这些新生物标志物随后可用于评估治疗成功与否并跟踪康复进展。通过对局部麻醉用于膝关节疼痛的探索性案例研究应用这些技术,验证了这些新代表性生物标志物具有统计显著性(p-value < 0.05)。
引用
@article{arxiv.2304.13678,
title = {A marker-less human motion analysis system for motion-based biomarker discovery in knee disorders},
author = {Kai Armstrong and Lei Zhang and Yan Wen and Alexander P. Willmott and Paul Lee and Xujioing Ye},
journal= {arXiv preprint arXiv:2304.13678},
year = {2023}
}
备注
11 pages, 5 figures