一种基于视频的共济失调客观评级方法

对于许多运动障碍疾病，如帕金森病和共济失调，疾病进展由临床医生使用数值疾病评级量表进行视觉评估。这些测试具有主观性、耗时，且必须由专业人员实施。在无法获得专家或患者未由同一位临床医生持续评估的情况下，这可能会带来问题。我们提出了一种仅使用视频记录自动量化共济失调患者运动障碍严重程度的方法。我们考虑指鼻试验的视频，这是一种常见的运动任务，用作常规临床检查期间共济失调进展评估的一部分。我们的方法使用基于神经网络的姿态估计和光流技术来追踪视频记录中患者手部的运动。我们提取描述运动特性的特征，例如速度和表现的变化。使用专家临床医生提供的标签，我们训练了一个根据简要共济失调评级量表（BARS）预测严重程度的监督学习模型。在平均误差和相关性方面，我们系统的表现与一组共济失调专家相当，并且我们系统的预测始终处于评分者间变异范围内。这项工作证明了使用计算机视觉和机器学习来生成一致且具有临床实用性的运动障碍测量指标的可行性。