基于计算机视觉的九孔钉测试数字化评估新方法在脑卒中手功能康复中的创新应用与验证研究

来自某研究团队开发了基于计算机视觉的数字化九孔钉测试(D-NHPT)，用于脑卒中患者手功能评估。研究通过LMC2动作捕捉系统分析运动特征，结果显示D-NHPT具有高信度(ICC=0.785-0.946)、显著区分效度(p<0.019)和强收敛效度(|r|=0.671-0.909)，为康复评估数字化提供了多维敏感指标。

　　

本研究致力于开发并验证一种基于计算机视觉(Computer Vision)的数字化九孔钉测试(Digitalized Nine Hole Peg Test, D-NHPT)，用于评估脑卒中患者的手部功能。通过定制化数据采集系统及采用Leap Motion Controller 2(LMC2)的改进测试装置，研究人员精确捕捉手部运动数据。试验招募了10名脑卒中患者与5名健康受试者，采用组内相关系数(Intraclass Correlation Coefficient, ICC)分析信度，曼-惠特尼U检验(Mann-Whitney U test)计算判别效度p值，并利用|r-score|评估收敛效度。

结果表明，D-NHPT展现出优异的信度水平（患者组ICC=0.818–0.946；健康组ICC=0.785–0.904），具有显著的判别效度（p<0.019）及强收敛效度（|r-score|=0.671–0.909）。关键运动特征包括手部运动速度、协调性和任务完成度指标，这些参数能有效区分脑卒中患者与健康人群。

该研究证实D-NHPT可为脑卒中患者手功能提供可靠、有效且多维度的评估体系。特定手部运动特征可作为临床评估的敏感指标，推动康复量表的数字化进程，并为个性化康复策略提供技术支持。