老年人干扰行走中基于视频步态分析的自动校正方法开发与验证

《IEEE Transactions on Nuclear Science》：AI-driven correction of video-derived gait kinematics in healthy older adults.

　　摘要：基于视频的动作分析提供了一种经济且具有可扩展性的方法，用于远程评估人类的行走模式。然而，基于视频的动作分析中存在的噪声和关节误识别等问题，严重降低了其精度，尤其是在老年人在受到干扰行走（PW）时更为明显。为应对这一挑战，本研究开发并验证了一种自动校正方法，以提高基于视频的方法在动作分析中的准确性。研究从307名健康老年人中收集了干扰（滑倒）行走和无干扰行走（UPW）试验数据用于模型开发，另从126名健康老年人中收集数据用于评估。研究计算并比较了三种方法的关节运动学（节段角度）：使用动作捕捉系统（Mocap）数据的金标准方法、常规基于视频的动作分析（Video），以及结合所提出的动作校正模型的基于视频的动作分析（Model）。采用组内相关系数（ICC）和均方根误差（RMSE）来评估Video角度和Model角度与Mocap角度之间的一致性。结果表明，单独使用Video角度与Mocap角度相比，在PW期间显示出中等可靠性（ICC 0.66-0.77），在UPW期间显示出良好可靠性（ICC 0.77-0.85）。所开发的自动校正模型能够将两种试验类型的ICC平均提高0.082，使其达到良好至优秀的可靠性（PW期间ICC 0.73-0.85，UPW期间ICC 0.87-0.92）。本研究为优化基于视频的动作分析方案提供了见解，并提出了解决方案以增强评估老年人群体移动能力和跌倒风险的准确性和适用性。