NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Aksiyel postural anormallikler (aPA) Parkinson hastalığının (PD) ortak özellikleridir ve hastalık sırasında hastaların% 20'sinden fazlasında görülür. aPA, tipik bir Parkinson stooped duruşundan giderek artan omurga sapma derecelerine kadar değişen fonksiyonel bir gövde yanlış hizalama spektrumu oluşturur. Mevcut araştırmalar, hastaların terapötik koşullarına ve görevlerine göre, aPA derecesindeki farklılıkları ölçmek ve analiz etmek için doğrulanmış, kullanıcı dostu, otomatik araçlar konusunda anlaşma olmaması nedeniyle, PD'de patofizyoloji ve aPA'nın yönetimi hakkında yeterli bir anlayışa henüz yol açmamıştır. Bu bağlamda, derin öğrenmeye dayalı insan poz tahmini (HPE) yazılımı, insan iskeleti anahtar noktalarının mekansal koordinatlarını görüntülerden veya videolardan otomatik olarak tahmin ettiği için geçerli bir destek olabilir. Bununla birlikte, standart HPE platformlarının böyle bir klinik uygulamada benimsenmesini engelleyen iki sınırlaması vardır. İlk olarak, standart HPE anahtar noktaları, aPA'yı (dereceler ve fulcrum) değerlendirmek için gereken anahtar noktalarla tutarsızdır. İkinci olarak, aPA değerlendirmesi ya gelişmiş RGB-D sensörleri gerektirir ya da RGB görüntülerinin işlenmesine bağlı olarak, büyük olasılıkla benimsenen kameraya ve sahneye (örneğin, sensör-özne mesafesi, aydınlatma, arka plan-özne giyim kontrastı) duyarlıdırlar. Bu makale, son teknoloji ürünü HPE yazılımı tarafından RGB resimlerinden insan iskeletini, bilgisayar görme sonrası ilkeller aracılığıyla duruş değerlendirmesi için tam kemik noktalarıyla ekstrapolize eden bir yazılım sunmaktadır. Bu makale, yazılım sağlamlığını ve 76 RGB görüntünün farklı çözünürlüklerde işlenmesindeki doğruluğu ve farklı derecelerde ön ve yan gövde fleksiyonu olan 55 PD hastalarından sensör-alt mesafeleri göstermektedir.
Özgün kaynak özetini okuyun
Axial postural abnormalities (aPA) are common features of Parkinson's disease (PD) and manifest in over 20% of patients during the course of the disease. aPA form a spectrum of functional trunk misalignment, ranging from a typical Parkinsonian stooped posture to progressively greater degrees of spine deviation. Current research has not yet led to a sufficient understanding of pathophysiology and management of aPA in PD, partially due to lack of agreement on validated, user-friendly, automatic tools for measuring and analysing the differences in the degree of aPA, according to patients' therapeutic conditions and tasks. In this context, human pose estimation (HPE) software based on deep learning could be a valid support as it automatically extrapolates spatial coordinates of the human skeleton keypoints from images or videos. Nevertheless, standard HPE platforms have two limitations that prevent their adoption in such a clinical practice. First, standard HPE keypoints are inconsistent with the keypoints needed to assess aPA (degrees and fulcrum). Second, aPA assessment either requires advanced RGB-D sensors or, when based on the processing of RGB images, they are most likely sensitive to the adopted camera and to the scene (e.g., sensor-subject distance, lighting, background-subject clothing contrast). This article presents a software that augments the human skeleton extrapolated by state-of-the-art HPE software from RGB pictures with exact bone points for posture evaluation through computer vision post-processing primitives. This article shows the software robustness and accuracy on the processing of 76 RGB images with different resolutions and sensor-subject distances from 55 PD patients with different degrees of anterior and lateral trunk flexion.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.