基于深度学习姿态估计的帕金森症与左旋多巴诱导异动症的视觉评估
计算机视觉与模式识别
2018-11-12 v2 机器学习
摘要
目标：应用深度学习姿态估计算法进行基于视觉的帕金森症和左旋多巴诱导异动症（LID）评估。方法：九名患有帕金森病（PD）和 LID 的参与者完成了左旋多巴输注方案，期间使用统一异动症评级量表（UDysRS）和统一帕金森病评级量表（UPDRS）定期评估症状。使用最先进的深度学习姿态估计方法从 PD 评估视频中提取运动轨迹。利用运动轨迹特征，通过随机森林检测和估计帕金森症及 LID 的严重程度。使用交流和饮水任务评估 LID，而使用腿部敏捷性和脚趾敲击任务评估帕金森症。还结合了各任务的特征集来预测总 UDysRS 和 UPDRS 第三部分评分。结果：对于 LID，交流任务在异动症方面取得了最佳结果（严重程度估计：r = 0.661，检测：AUC = 0.930）。对于帕金森症，腿部敏捷性在严重程度估计方面结果更好（r = 0.618），而脚趾敲击在检测方面表现更佳（AUC = 0.773）。UDysRS 和 UPDRS 第三部分评分的预测 r 值分别为 0.741 和 0.530。结论：本文首次展示了深度学习在基于视觉的帕金森症和 LID 评估中的应用，并证明了其在未来转化至 PD 临床实践中的良好性能。意义：所提出的系统揭示了计算机视觉和深度学习在 PD 临床应用中的潜力。
引用
@article{arxiv.1707.09416,
title = {Vision-Based Assessment of Parkinsonism and Levodopa-Induced Dyskinesia with Deep Learning Pose Estimation},
author = {Michael H. Li and Tiago A. Mestre and Susan H. Fox and Babak Taati},
journal= {arXiv preprint arXiv:1707.09416},
year = {2018}
}
备注
8 pages, 1 figure. Under review