基于深度学习的姿态估计用于组合超激动运动障碍的多标签识别
计算机视觉与模式识别
2026-02-03 v1 神经元与认知
摘要
超激动运动障碍（HMDs）如畏形、震颤、捕食、肌无力和 tic 等，影响儿童和成人。它们具有波动性、间歇性且常常共存的表现，阻碍了临床识别和纵向监控，这些监控仍主要是主观的，容易受到评审者间变异性的影响。缺乏客观且可扩展的方法来区分重叠的HMD表型。本研究开发了一种基于姿态的机器学习框架，将常规门诊视频转换为解剖学上有意义的关键点时间序列，并计算跨统计、时序、频谱和更高阶不规则性-复杂度特征的运动描述子。
引用
@article{arxiv.2602.00163,
title = {Deep Learning Pose Estimation for Multi-Label Recognition of Combined Hyperkinetic Movement Disorders},
author = {Laura Cif and Diane Demailly and Gabriella A. Horvàth and Juan Dario Ortigoza Escobar and Nathalie Dorison and Mayté Castro Jiménez and Cécile A. Hubsch and Thomas Wirth and Gun-Marie Hariz and Sophie Huby and Morgan Dornadic and Zohra Souei and Muhammad Mushhood Ur Rehman and Simone Hemm and Mehdi Boulayme and Eduardo M. Moraud and Jocelyne Bloch and Xavier Vasques},
journal= {arXiv preprint arXiv:2602.00163},
year = {2026}
}