您的回合：基于家庭环境的帕金森病严重程度评估的转弯角度估计
计算机视觉与模式识别
2025-09-24 v4 人工智能
摘要
帕金森病（PD）患者通常会经历逐渐恶化的步态，包括随着疾病进展转弯方式的变化。现有的临床评定工具无法捕捉PD症状的小时级别变化，因为它们仅限于诊所环境中的简短评估。连续且被动地测量步态转弯角度是使用步态特征作为PD疾病进展敏感指标的一个组成部分步骤。本文提出了一种基于深度学习的方法，通过从视频中提取3D骨架并计算髋关节和膝关节的旋转来自动量化转弯角度。我们利用最先进的人体姿态估计模型Fastpose和Strided Transformer，在总共1386个来自24名受试者（12名PD患者和12名健康对照志愿者）的转弯视频片段上进行评估，这些片段来自PD数据集（Turn-REMAP），该数据集包含家庭环境中的非脚本化自由生活视频。我们还从公共Human3.6M人体姿态基准中策展了一个转弯视频数据集Turn-H3.6M，具有3D真值，以进一步验证我们的方法。之前的步态研究主要在诊所或实验室中进行，评估脚本化的步态结果，但这项工作聚焦于存在复杂因素（如宽松衣物和照明不足）的家庭自由生活环境。由于在自由生活环境中难以获取准确的真值数据，我们根据专家临床医生的手动标注将角度量化为最近的45°区间。我们的方法在Turn-REMAP上实现了41.6%的转弯计算准确率、34.7°的平均绝对误差（MAE）和68.3%的加权精度WPrec。这是第一项探索使用单目相机数据在家庭环境中量化PD患者转弯的工作。
引用
@article{arxiv.2408.08182,
title = {Your Turn: At Home Turning Angle Estimation for Parkinson's Disease Severity Assessment},
author = {Qiushuo Cheng and Catherine Morgan and Arindam Sikdar and Alessandro Masullo and Alan Whone and Majid Mirmehdi},
journal= {arXiv preprint arXiv:2408.08182},
year = {2025}
}