去看医生可能会很麻烦。对于患有脑瘫等运动障碍的孩子的父母来说，这项任务尤其具有挑战性，因为临床医生必须定期亲自对孩子进行评估，通常每次评估一小时。进行这些频繁的评估可能是昂贵的，耗时的，和情感上的负担。

麻省理工学院的工程师们希望通过一种远程评估患者运动功能的新方法来减轻这种压力。通过结合计算机视觉和机器学习技术，该方法实时分析患者的视频，并根据它在视频帧中检测到的某些姿势模式计算出运动功能的临床评分。

研究人员在1000多名脑瘫儿童的视频中测试了这种方法。他们发现，这种方法可以处理每个视频，并给出一个临床评分，准确率超过70%，与临床医生之前在亲自就诊时确定的评分相匹配。

视频分析可以在一系列移动设备上运行。该团队设想，只要在患者在自己家中走动时，设置手机或平板电脑拍摄视频，就可以评估他们的进展情况。然后，他们可以将视频加载到一个程序中，该程序可以快速分析视频帧并分配临床评分或进展水平。然后，视频和分数可以发送给医生进行检查。

该团队现在正在调整方法来评估患有异色性脑白质营养不良的儿童——一种影响中枢和周围神经系统的罕见遗传疾病。他们还希望将这种方法用于评估中风患者。

麻省理工学院机械工程系的首席研究科学家Hermano Krebs说:“我们希望减少患者的压力，因为我们不需要每次都去医院进行评估。”“我们认为这项技术有可能用于远程评估任何影响运动行为的情况。”

克雷布斯和他的同事将在10月份的IEEE身体传感器网络会议上展示他们的新方法。该研究的麻省理工学院作者是第一作者赵培军，共同首席研究员Moises Alencastre-Miranda, Shen Zhan和Ciaran O 'Neill，以及武田美洲发展中心公司的David Whiteman和Javier Gervas-Arruga。

在麻省理工学院，克雷布斯开发了机器人系统，可以与患者进行身体合作，帮助他们恢复或加强运动功能。他还对该系统进行了调整，以评估患者的病情进展，并预测哪种疗法对他们最有效。虽然这些技术运行良好，但它们的可及性受到很大限制:患者必须前往有机器人的医院或设施。

“我们问自己，我们如何将康复机器人的良好效果扩展到无处不在的设备上?”克雷布斯回忆说。“由于智能手机无处不在，我们的目标是利用它们的功能来远程评估运动障碍患者，这样他们就可以在任何地方进行评估。”

研究人员首先研究了计算机视觉和估计人类运动的算法。近年来，科学家已经开发出姿态估计算法，用于拍摄视频——例如，一个女孩踢足球的视频——并将她的动作实时转化为一系列相应的骨骼姿势。由此产生的线和点的序列可以映射到坐标上，科学家可以进一步分析。

克雷布斯和他的同事们旨在开发一种方法来分析脑瘫患者的骨骼姿势数据——脑瘫是一种传统上按照大运动功能分类系统(GMFCS)进行评估的疾病，这是一个代表儿童一般运动功能的五级量表。(数字越低，孩子的流动性越高。)

该团队使用了斯坦福大学神经肌肉生物力学实验室提供的一组公开的骨骼姿势数据。该数据集包括1000多名脑瘫儿童的视频。每个视频都展示了一个孩子在临床环境中进行的一系列练习，每个视频都标有临床医生在亲自评估后给孩子分配的GMFCS分数。斯坦福大学的研究小组通过姿势估计算法来运行视频，以生成骨骼姿势数据，然后麻省理工学院的研究小组将其作为研究的起点。

然后，研究人员寻找自动破译脑瘫数据模式的方法，这些模式是每个临床运动功能水平的特征。他们从时空图卷积神经网络开始，这是一种机器学习过程，可以训练计算机处理随时间变化的空间数据，例如骨骼姿势序列，并分配分类。

在团队将神经网络应用于脑瘫之前，他们使用了一个在更一般的数据集上进行预训练的模型，该数据集包含健康成年人进行各种日常活动的视频，如散步、跑步、坐着和握手。他们在这个预训练模型的基础上添加了一个新的分类层，专门针对脑瘫的临床评分。他们对网络进行了微调，以识别脑瘫儿童运动中的独特模式，并在主要的临床评估水平内对其进行准确分类。

他们发现，经过预先训练的网络学会了正确地分类儿童的活动水平，而且比只接受脑瘫数据训练的网络做得更准确。

赵解释说:“因为这个网络是在一个非常大的一般动作数据集上训练的，所以它对如何从一系列人体姿势中提取特征有一些想法。”“虽然更大的数据集和脑瘫数据集可能不同，但它们有一些共同的人类行为模式，以及如何对这些行为进行编码。”

该团队在许多移动设备上测试了他们的方法，包括各种智能手机、平板电脑和笔记本电脑，发现大多数设备都可以成功运行该程序，并从视频中生成接近实时的临床评分。

研究人员现在正在开发一款应用程序，他们设想有一天父母和患者可以用它来自动分析患者在自己舒适的环境中拍摄的视频。然后将结果发送给医生进行进一步评估。该团队还计划将该方法用于评估其他神经系统疾病。

费城Moss康复医院的首席医疗官Alberto Esquenazi没有参与这项研究，他说:“这种方法可以很容易地扩展到其他残疾，如中风或帕金森病，一旦在这些人群中使用适当的成人指标进行测试。”“它可以改善护理，降低医疗保健的总体成本，减少家庭失去生产性工作时间的必要性，我希望它能提高依从性。”

克雷布斯说:“在未来，这也可能帮助我们预测患者对干预措施的反应。”“因为我们可以更频繁地评估他们，看看干预是否有效果。”

作者：詹妮弗·楚

链接：https://news.mit.edu/2023/pose-mapping-technique-cerebral-palsy-patients-0914

著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

声明：海森大数据刊发或者转载此文只是出于传递、分享更多信息之目的，并不意味认同其观点或证实其描述。若有来源标注错误或侵犯了您的合法权益，请作者与本网联系，我们将及时更正、删除，谢谢。电话：15264513609，邮箱：1027830374@qq.com