基于深度神经网络的步态视频健康问题自动检测
计算机视觉与模式识别
2020-01-28 v2
摘要
本研究旨在开发一种利用深度神经网络(DNNs)自动检测步态相关健康问题的系统。所提出的系统以患者视频作为输入，并基于DNN方法估计其3D身体姿态。我们的代码公开于 https://github.com/rmehrizi/multi-view-pose-estimation。所得的3D身体姿态时间序列随后在一个分类器中进行分析，该分类器将输入的步态视频分为四组：健康者、帕金森病者、中风后患者以及骨科问题者。所提出的系统免除了复杂重型设备与大型实验室空间的需求，使系统可用于家庭环境。此外，它不需要特征工程的领域知识，因为它能够从输入数据中提取语义与高层特征。实验结果显示不同组的分类准确率为56%至96%。进一步，25名健康受试者中仅1名被误分类(假阳性)，70名患者中仅1名被分类为健康受试者(假阴性)。本研究为步态障碍自动分类的有力工具提供了起点，并可作为未来深度学习在临床步态分析中应用的基石。由于该系统仅以数码相机为必需设备，它可被用于患者与老年人的居家环境，以进行持续的步态监测与步态改变的早起检测。
引用
@article{arxiv.1906.01480,
title = {Automatic Health Problem Detection from Gait Videos Using Deep Neural Networks},
author = {Rahil Mehrizi and Xi Peng and Shaoting Zhang and Ruisong Liao and Kang Li},
journal= {arXiv preprint arXiv:1906.01480},
year = {2020}
}
备注
The claims in the conclusion are disproportionate to the merits of the research