利用计算机视觉增强盒子和块测试，用于中风后上肢运动评估

标准的中风后上肢运动功能临床评估要么依赖顺序评分，灵敏度不足；要么依赖基于时间的任务指标，无法捕捉运动质量。在本工作中，我们提出一种基于计算机视觉的框架，用于分析盒子和块测试（BBT）中上肢运动，通过无深度传感器或校准对象的世界坐标关节角度（手指、手臂和躯干）进行分析。我们将该框架应用于一组 136 项 BBT 记录数据，包含 48 名健康者和 7 名中风患者。通过对关节角度特征进行无监督降维，我们在不依赖专家临床标签的情况下分析运动模式。结果显示，所得嵌入向量可区分健康运动模式与中风相关运动偏差。重要的是，即使相同 BBT 评分的患者，也能通过不同的姿势模式被区分开来。这些结果表明，世界坐标关节角度能够捕捉到超越标准基于时间的 BBT 评分中上肢功能的有意义信息，临床医生无需额外工作，只需使用手机或相机对患者进行单目录像即可。本工作凸显了无需改变广泛采用的临床常规流程即可进行的、基于摄像头、无校准框架测量运动质量的潜力。