基于个性化视频的手部分类学：用于脊髓损伤个体的应用
计算机视觉与模式识别
2024-03-28 v1 机器学习
摘要
手部功能对于我们的交互和生活质量至关重要。脊髓损伤（SCI）可损害手部功能，减少独立性。对功能在家和社区环境中的全面评估需要针对手功能受损个体的手部抓握分类学。开发此类分类学具有挑战性，因为标准分类学中未代表的抓握类型、损伤程度之间的数据分布不均且数据有限。本研究旨在自动识别以语义聚类方式识别 egocentric 视频中主导distinct手抓握。使用收集于19名仆臼SCI个体家中egocentric视频记录，对抓握动作进行语义聚类。采用集成姿态和外观数据的深度学习模型用于创建个性化手部分类学。定量分析显示聚类纯度为67.6%+-24.2%，重叠度为18.0%+-21.8%。定性评估显示视频内容中具有意义的聚类。该方法提供了灵活且有效的策略来分析野生环境中的手功能。它为研究人员和临床医生提供了一个高效工具，用于评估手功能，辅助敏感性评估和量身定制的干预计划。
引用
@article{arxiv.2403.18094,
title = {A Personalized Video-Based Hand Taxonomy: Application for Individuals with Spinal Cord Injury},
author = {Mehdy Dousty and David J. Fleet and José Zariffa},
journal= {arXiv preprint arXiv:2403.18094},
year = {2024}
}