远程病理步态分类系统
计算机视觉与模式识别
2021-10-07 v1
摘要
若干种疾病会改变人们的行走方式，即其步态。因此，步态分析可用于检测功能障碍、辅助疾病诊断并评估患者康复情况。借助基于视觉的系统，诊断可在家中或诊所完成，所需计算远程进行。当前最先进的基于视觉的步态分析系统使用深度学习，需要大型数据集进行训练。然而，据我们所知，最大的公开病理步态数据集仅包含 10 名受试者，模拟 4 种步态病理。本文提出一个名为 GAIT-IT 的新数据集，采集自 21 名受试者模拟 4 种步态病理，具有 2 种严重程度级别，此外还有正常步态，其规模明显大于公开病理步态数据集，足以训练深度学习模型用于步态病理分类。此外，该数据集在专业工作室录制，可获得近乎完美的剪影，无分割错误。认识到远程医疗的重要性，本文提出一个 Web 应用原型，允许上传行走人物的视频（可能由智能手机摄像头采集），并执行一个 Web 服务将该人物的步态分类为正常或不同病理类型。该 Web 应用界面友好，可供医疗专业人员或其他终端用户使用。我们还开发了一个自动步态分析系统并与 Web 应用集成用于病理分类。与最先进方案相比，其模型参数量大幅减少，意味着显著更低的内存需求以及更短的训练与执行时间。分类准确率与最先进水平相当。
引用
@article{arxiv.2105.01634,
title = {Remote Pathological Gait Classification System},
author = {Pedro Albuquerque and Joao Machado and Tanmay Tulsidas Verlekar and Luis Ducla Soares and Paulo Lobato Correia},
journal= {arXiv preprint arXiv:2105.01634},
year = {2021}
}