基于视觉的 MDS-UPDRS 步态评分估计用于评估帕金森病运动严重程度
计算机视觉与模式识别
2020-07-20 v1 机器学习
图像与视频处理
摘要
帕金森病（PD）是一种进行性神经系统疾病，主要影响运动功能，导致静止性震颤、强直、运动迟缓和姿势不稳。PD 损伤的身体严重程度可通过运动障碍学会统一帕金森病评定量表（MDS-UPDRS）这一广泛使用的临床评定量表进行量化。对疾病进展进行准确且定量的评估，对于开发减缓或阻止疾病进一步发展的治疗方法至关重要。先前的工作主要集中于用于诊断的多巴胺转运神经成像，或用于评估运动损伤的高成本且侵入式的可穿戴设备。我们首次提出一种基于计算机视觉的模型，该模型观察个体的非侵入式视频记录，提取其 3D 身体骨骼，随时间进行跟踪，并根据 MDS-UPDRS 步态评分对运动进行分类。实验结果表明，我们提出的方法性能显著优于随机水平及对比方法，F1 得分为 0.83，平衡准确率为 81%。这是基于 MDS-UPDRS 步态严重程度对 PD 患者进行分类的首个基准，并可作为疾病严重程度的客观生物标志物。我们的工作展示了计算机辅助技术如何用于非侵入式监测患者及其运动损伤。代码可在 https://github.com/mlu355/PD-Motor-Severity-Estimation 获取。
引用
@article{arxiv.2007.08920,
title = {Vision-based Estimation of MDS-UPDRS Gait Scores for Assessing Parkinson's Disease Motor Severity},
author = {Mandy Lu and Kathleen Poston and Adolf Pfefferbaum and Edith V. Sullivan and Li Fei-Fei and Kilian M. Pohl and Juan Carlos Niebles and Ehsan Adeli},
journal= {arXiv preprint arXiv:2007.08920},
year = {2020}
}
备注
Accepted as a conference paper at MICCAI (Medical Image Computing and Computer Assisted Intervention), Lima, Peru, October 2020. 11 pages, LaTeX