基于深度学习的无标记点运动捕捉系统评估骨关节疾病人群的步态运动学

目的评估基于深度学习的无标记点运动捕捉系统测量骨关节疾病人群步态运动学的精度。方法采用10个Vicon红外镜头和4个FLIR高速彩色视频镜头以150 Hz的采样频率同步采集150例(随机分为训练集120例和测试集30例)晚期骨关节疾病患者以自选速度在地面上行走的数据。反光标记点的粘贴方式参考CGM24下肢模型。在训练集上,首先从4个视角的视频数据,利用优化后的Vi TPose网络进行二维姿态估计,得出下肢二维关键点坐标。再利用一个融合时间和空间信息的神经网络模型,从4个不同视角连续多帧的二维关键点坐标重建精确的三维人体姿态,得出20个下肢关键点的三维坐标。在测试集上,利用Open Sim逆向动力学工具分别计算有标记点和无标记点运动捕捉系统的下肢关节角度。采用均方根误差和活动度误差来评估无标记点运动捕捉系统对下肢关节角度的估计精度。结果相比于有标记点运动捕捉系统,无标记点运动捕捉系统对下肢关节角度估计的均方根误差均在4°以内(2.7°~3.8°),活动度误差均在2°以内(-1.6°~0.6°)。结论本研究开发的基于深度学习的无标记点运动捕捉系统在骨关节疾病人群的步态运动学评估上具有较高的精度,为该系统在临床上应用奠定了重要基础。