基于图像的痉挛性斜颈患者姿势偏差量化：基于合成训练数据的机器学习方法
计算机视觉与模式识别
2026-03-30 v1
摘要
痉挛性斜颈（CD）是最常见的肌张力障碍形式，但目前评估依赖于主观临床评分量表，如多伦多西部痉挛性斜颈评分量表（TWSTRS），该量表需要专业知识、具有主观性且部分评分项存在较低的一致性评分者信度。为解决缺乏监测疾病严重程度和治疗反应的标准化客观工具的问题，本研究验证了一种面向 CD 患者的自动化基于图像的头部姿态和偏移估计系统。我们开发了一种评估工具，将用于旋转症状的预训练头部姿态估计算法与 exclusively 在约 16,000 张合成虚拟形象图像上训练的深度学习模型相结合，以评估罕见的平移症状，即侧向偏移。这种合成数据方法克服了临床训练样本稀缺的问题。该系统的性能通过将预测评分与 20 位临床专家的共识评分进行比较，在一项多中心研究中得到了验证，使用了 100 张真实患者图像和 100 张标注的合成虚拟形象。自动化系统对旋转症状表现出与专家临床评分的高度一致性，对斜颈（r=0.91）、侧斜颈（r=0.81）和前倾后仰颈（r=0.78）实现了高相关性。对于侧向偏移，该工具与临床评分实现了中等相关性（r=0.55），并且在虚拟形象上的受控基准测试中表现出比人工评分者更高的准确率。通过利用合成训练数据弥合临床数据缺口，该模型成功泛化到真实世界患者，提供了一种经过验证的 CD 姿势评估客观工具，可实现标准化临床决策和试验评估。
引用
@article{arxiv.2603.26444,
title = {Image-based Quantification of Postural Deviations on Patients with Cervical Dystonia: A Machine Learning Approach Using Synthetic Training Data},
author = {Roland Stenger and Sebastian Löns and Nele Brügge and Feline Hamami and Alexander Münchau and Theresa Paulus and Anne Weissbach and Tatiana Usnich and Max Borsche and Martje G. Pauly and Lara M. Lange and Markus A. Hobert and Rebecca Herzog and Ana Luísa de Almeida Marcelino and Tina Mainka and Friederike Schumann and Lukas L. Goede and Johanna Reimer and Julienne Haas and Jos Becktepe and Alexander Baumann and Robin Wolke and Chi Wang Ip and Thorsten Odorfer and Daniel Zeller and Lisa Harder-Rauschenberger and John-Ih Lee and Philipp Albrecht and Tristan Kölsche and Joachim K. Krauss and Johanna M. Nagel and Joachim Runge and Johanna Doll-Lee and Simone Zittel and Kai Grimm and Pawel Tacik and André Lee and Tobias Bäumer and Sebastian Fudickar},
journal= {arXiv preprint arXiv:2603.26444},
year = {2026}
}