简介：手功能是中风后独立性的中心决定因素。在家庭环境中测量手用途是为了评估新干预措施的影响，并需要新颖的可穿戴技术。以自我为中心的视频可以在上下文中捕获手动相互作用，并显示在双边任务（用于稳定或操纵）过程中如何使用受影响的手。需要自动化方法来提取此信息。目的：使用基于人工智能的计算机视觉来对中风后在家中记录的以自我为中心的视频进行手工使用和手工角色进行分类。方法：21个中风幸存者参加了这项研究。使用随机的森林分类器，慢速神经网络和手对象检测器神经网络来识别在家中的手用和手工作用。剩余的受试者 - 划线验证（LOSOCV）用于评估三种模型的性能。根据Mathews相关系数（MCC）计算模型的组间差异。结果：对于手用检测，手对象检测器的性能明显高于其他模型。使用该模型在LOSOCV中使用该模型的宏平均MCC为受影响更大的手的0.50 +-0.23，而受影响较小的手的宏观MCC为0.58 +-0.18。手部角色分类在LOSOCV中的宏平均MCC对于所有模型而言接近零。结论：使用以自我为中心的视频来捕获家里的中风幸存者的手用途。姿势估计以跟踪手指运动可能有益于将来的手部角色分类。
translated by 谷歌翻译
背景：以自我为中心的视频已成为监测社区中四肢瘫痪者的手部功能的潜在解决方案，尤其是因为它在家庭环境中检测功能使用的能力。目的：开发和验证一个基于可穿戴视力的系统，以测量四肢植物患者的家庭使用。方法：开发并比较了几种用于检测功能手动相互作用的深度学习算法。最精确的算法用于从20名参与者在家庭中记录的65小时的无脚本视频中提取手部功能的度量。这些措施是：总记录时间（PERC）的交互时间百分比；单个相互作用的平均持续时间（DUR）；每小时互动数（NUM）。为了证明技术的临床有效性，以验证的措施与经过验证的手部功能和独立性的临床评估相关（逐渐定义了强度，敏感性和预性的评估 - GRASSP，上肢运动评分 - UEM和脊髓独立措施 - SICIM- SICIM- SICIM） 。结果：手动相互作用以0.80（0.67-0.87）的中位数得分自动检测到手动相互作用。我们的结果表明，较高的UEM和更好的预性与花费更长的时间相互作用有关，而较高的cim和更好的手动感觉会导致在以eg中心的视频记录期间进行的更多相互作用。结论：第一次，在四肢瘫痪者中，在不受约束的环境中自动估计的手部功能的度量已得到了国际接受的手部功能量度的验证。未来的工作将需要对基于以自我为中心的手工使用的绩效指标的可靠性和响应能力进行正式评估。
translated by 谷歌翻译
由于价格合理的可穿戴摄像头和大型注释数据集的可用性，在过去几年中，Egintric Vision（又名第一人称视觉-FPV）的应用程序在过去几年中蓬勃发展。可穿戴摄像机的位置（通常安装在头部上）允许准确记录摄像头佩戴者在其前面的摄像头，尤其是手和操纵物体。这种内在的优势可以从多个角度研究手：将手及其部分定位在图像中；了解双手涉及哪些行动和活动；并开发依靠手势的人类计算机界面。在这项调查中，我们回顾了使用以自我为中心的愿景专注于手的文献，将现有方法分类为：本地化（其中的手或部分在哪里？）；解释（手在做什么？）；和应用程序（例如，使用以上为中心的手提示解决特定问题的系统）。此外，还提供了带有手基注释的最突出的数据集的列表。
translated by 谷歌翻译