基于网络摄像头的机器学习三维关节活动度评估方法
人机交互
2023-10-12 v1 计算机视觉与模式识别
摘要
背景。关节活动度（ROM）是物理治疗的一项重要量化指标。通常依赖量角器，准确可靠的 ROM 测量需要大量训练与练习。这进而对线下就医受限的人群造成了显著障碍。目的。本研究提出并评估了一种可经网络摄像头远程访问的基于机器学习的 ROM 评估替代方法。方法。为评估其可靠性，将该方法所得多类关节（颈部、脊柱及上下肢）的 ROM 测量值与基于标记的光学动作捕捉系统所得结果进行比较。结果。来自 25 名健康成年人的数据显示，该网络摄像头方案表现出较高的重测信度，多数关节的类内相关系数达到基本一致至几乎完全一致的强度。与基于标记的系统相比，基于网络摄像头的系统对部分关节表现出基本一致至几乎完全一致的评分者间信度，对其他关节（如肩屈和肘屈）的评分者间信度较低，这可能归因于在运动顶点处对关节位置敏感度的降低。结论。所提基于网络摄像头的方法表现出较高的重测和评分者间信度，使其成为临床实践及物理治疗与康复远程实施中现有 ROM 评估方法的一种通用替代方案。
引用
@article{arxiv.2310.07322,
title = {A webcam-based machine learning approach for three-dimensional range of motion evaluation},
author = {Xiaoye Michael Wang and Derek T. Smith and Qin Zhu},
journal= {arXiv preprint arXiv:2310.07322},
year = {2023}
}