基于手指敲击测试的运动特征视频基准化量化：帕金森病的可解释性与细粒度分析
计算机视觉与模式识别
2025-11-14 v3 人工智能
摘要
准确量化帕金森病（PD）中的运动特征对于监测疾病进展和优化治疗策略至关重要。手指敲击测试是一种标准的运动评估方法。临床医生会对患者敲击表现进行视觉评估，并根据敲击幅度、速度和不规则性赋予一个整体严重程度评分。然而，这种主观评估容易受到临床评估者之间的变异性和内部变异性的影响，且不提供对在此测试期间捕获的各个运动特征的见解。本文提出了一种基于计算机视觉的方法，用于从视频记录中对PD运动特征进行细粒度量化。提出了四组临床相关特征来描述低动力学、迟缓性、序列效应和犹豫-停止。我们在PRIDE项目中来自74名PD患者的视频记录和临床评估中对方法进行了评估。以正交旋转的主成分分析显示，视频特征对应于这四项缺陷。此外，视频分析允许我们在序列效应和犹豫-停止缺陷中进一步识别细粒度差异。在随后，我们利用这些特征训练机器学习分类器来估计Movement Disorder Society统一帕金森病评分尺度（MDS-UPDRS）手指敲击评分。与最新方法相比，我们的方法在MDS-UPDRS评分预测中实现了更高的准确率，同时仍能提供对individual finger-tapping运动特征的可解释量化。总之，提出的框架为PD运动特征的客观评估提供了实用解决方案，可潜在地应用于临床和远程环境。还需要进一步评估其对症状性治疗和疾病进展的反应性。
引用
@article{arxiv.2506.18925,
title = {Interpretable and Granular Video-Based Quantification of Motor Characteristics from the Finger Tapping Test in Parkinson Disease},
author = {Tahereh Zarrat Ehsan and Michael Tangermann and Yağmur Güçlütürk and Bastiaan R. Bloem and Luc J. W. Evers},
journal= {arXiv preprint arXiv:2506.18925},
year = {2025}
}