Deep-Learning-Based Markerless Pose Estimation Systems in Gait Analysis: DeepLabCut Custom Training and the Refinement Function

Este estudio demuestra que el sistema de estimación de postura sin marcadores DeepLabCut, cuando se entrena de forma personalizada y se refina, supera a los modelos preentrenados y a OpenPose, ofreciendo una solución precisa y económica para el análisis de la marcha en entornos naturales.

Lo esencial

¡Claro que sí! Imagina que quieres estudiar cómo camina una persona, pero en lugar de usar un laboratorio costoso lleno de sensores y luces, quieres hacerlo simplemente grabando un video con una cámara normal.

Aquí tienes la explicación de este estudio, contada como si fuera una historia de detectives tecnológicos:

🕵️‍♂️ El Problema: Los "Caminantes con Pegatinas"

Antes, para analizar el movimiento humano con precisión, los científicos tenían que pegar marcadores (pequeñas pelotas reflectantes) en las articulaciones de las personas. Era como si los atletas llevaran pegatinas brillantes por todo el cuerpo.

• Lo bueno: Era muy preciso.
• Lo malo: Era caro, necesitaba un laboratorio especial y esas pegatinas podían moverse o caer, estropeando los datos. Además, la gente se sentía incómoda.

📹 La Nueva Solución: "Ojos de Inteligencia Artificial"

Ahora, tenemos sistemas que usan cámaras y Inteligencia Artificial (IA) para ver el movimiento sin necesidad de pegatinas. Es como si la cámara tuviera "ojos" que aprenden a identificar dónde están los codos, rodillas y tobillos solo mirando el video.

El estudio comparó a tres "detectives" (sistemas de IA) para ver quién veía mejor el caminar:

1. OpenPose (OPPT): El detective "de caja". Es un programa que ya viene listo para usar, entrenado con millones de fotos de gente genérica. Es como un policía que ha estudiado en la academia pero nunca ha trabajado en tu barrio específico.
2. DeepLabCut (DLCPT): El "hermano gemelo" de OpenPose, pero también es un detective de "caja" (pre-entrenado).
3. DeepLabCut Personalizado (DLCCT): Este es el detective entrenado a medida. Imagina que le enseñas a la IA específicamente cómo caminan tus pacientes, mostrándole cientos de fotos de ellos. Es como si el policía estudiara las fotos de tus vecinos para saber exactamente cómo se mueven.

🏃‍♂️ El Experimento: La Carrera de Caminantes

Los científicos tomaron a 40 personas sanas y las hicieron caminar por una pasarela de 5 metros.

• Tenían una cámara grabando.
• Tenían unas plataformas de fuerza en el suelo (el "patrón de oro" o la referencia perfecta) para medir el tiempo exacto de cada paso.
• Luego, compararon lo que vieron los tres detectives de IA contra lo que midieron las plataformas del suelo.

🧠 El Secreto: El "Entrenamiento Personalizado" y el "Pulido"

Aquí es donde la historia se pone interesante. Descubrieron dos cosas clave:

1. El entrenamiento importa: El detective "de caja" (OpenPose) era bueno, pero el detective entrenado a medida (DeepLabCut Personalizado) era mucho mejor.

   • La analogía: Es la diferencia entre un chef que sigue una receta genérica para cocinar para todos, y un chef que ha aprendido a cocinar exactamente los platos que a tu familia le gustan. El segundo sabe exactamente qué sal y qué especia poner.

2. La función de "Refinamiento" (El pulido): Los investigadores probaron una técnica especial. Después de entrenar al detective, le mostraron los errores que cometió, le dijeron: "Oye, aquí te equivocaste, mira bien", y le dejaron aprender de nuevo.

   • La analogía: Es como cuando un estudiante estudia para un examen, hace un simulacro, ve en qué falló, corrige esos errores y vuelve a estudiar. ¡El resultado es un examen perfecto!

🏆 Los Resultados: ¿Quién ganó?

• El perdedor: Los modelos "de caja" (OpenPose y DeepLabCut estándar) no fueron tan precisos. A veces confundían dónde estaba el talón o la punta del pie.
• El ganador: El modelo DeepLabCut Personalizado con Refinamiento fue el campeón indiscutible.
  • Fue tan preciso que sus mediciones de tiempo de paso, velocidad y equilibrio fueron casi idénticas a las de las costosas plataformas del suelo.
  • Incluso con menos fotos de entrenamiento, si usaban la técnica de "refinamiento" (corregir errores), el sistema mejoraba drásticamente.

💡 ¿Por qué es esto importante para la gente común?

Imagina que un médico en un consultorio pequeño, o un entrenador en un gimnasio, quiera saber si un paciente está recuperándose bien después de una lesión.

• Antes: Tenían que enviar al paciente a un laboratorio caro con sensores.
• Ahora: Con este estudio, sabemos que pueden usar una cámara normal (o incluso un móvil) y un software gratuito, siempre que entrenen a la IA con un poco de práctica específica.

En resumen:
Este estudio nos dice que no necesitas gastar miles de dólares en equipos de laboratorio para analizar cómo camina la gente. Si usas una cámara normal y "entrenas" a la inteligencia artificial específicamente para tu tarea (y le das un pequeño "empujón" corrigiendo sus errores), puedes obtener resultados de alta precisión, baratos y fáciles de usar en la vida real. ¡Es como darle superpoderes a una cámara de video normal!

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo en español, estructurado según los puntos solicitados:

Título: Sistemas de Estimación de Pose Sin Marcadores Basados en Aprendizaje Profundo en el Análisis de la Marcha: Entrenamiento Personalizado de DeepLabCut y la Función de Refinamiento

1. Problema y Contexto

El estándar de oro actual para el análisis del movimiento humano es la captura de movimiento basada en marcadores físicos. Aunque ofrece una precisión submilimétrica, presenta limitaciones significativas:

• Costos elevados y necesidad de operadores especializados.
• Entornos controlados obligatorios, lo que limita su uso en escenarios ecológicos o clínicos naturales.
• Artefactos de tejido blando: Los marcadores físicos pueden moverse sobre la piel, introduciendo errores en los datos.

Las alternativas sin marcadores (basadas en visión por computadora) surgen como soluciones más accesibles y no intrusivas. Sin embargo, existen brechas en la literatura:

• La mayoría de los estudios comparativos se han centrado en modelos pre-entrenados (como OpenPose o DeepLabCut "Model Zoo") sin aprovechar el aprendizaje por transferencia mediante modelos personalizados.
• Pocos estudios han comparado estos sistemas utilizando una sola cámara 2D (configuración típica de bajo costo) frente a sistemas de referencia de plataformas de fuerza, específicamente para parámetros temporales de la marcha.

2. Metodología

El estudio diseñó un experimento para comparar tres sistemas de estimación de pose sin marcadores frente a un sistema de referencia (plataformas de fuerza).

• Participantes: 40 sujetos sanos (21 hombres, 19 mujeres) caminando en una pasarela de 5 metros.
• Configuración Experimental:
  • Referencia: 4 plataformas de fuerza (BTS Bioengineering) para detectar eventos de contacto del talón (HC) y despegue del dedo (TO).
  • Cámara: Una cámara RGB única (25 fps, 640x480) en el plano sagital, sincronizada con las plataformas.
• Sistemas Comparados:
  1. OPPT: OpenPose con modelo pre-entrenado "BODY_25" (25 puntos clave).
  2. DLCPT: DeepLabCut con modelo pre-entrenado "Model Zoo full_human" (14 puntos clave).
  3. DLCCT: DeepLabCut con modelo personalizado (Custom-Trained) utilizando la arquitectura ResNet-101.
• Proceso de Entrenamiento Personalizado (DLCCT):
  • Se creó un conjunto de datos de 400 imágenes (extraídas de los 40 videos mediante clustering k-means).
  • Un operador etiquetó manualmente 16 puntos clave (hombros, codos, muñecas, caderas, rodillas, tobillos, talones y dedos).
  • Se entrenó el modelo durante 800.000 iteraciones con aumento de datos (rotación, escalado).
  • Análisis de Tamaño de Dataset: Se probaron subconjuntos de entrenamiento (100, 200, 300 y 400 imágenes).
  • Función de Refinamiento: Se implementó un proceso iterativo donde se identificaron y corrigieron manualmente 2 cuadros por video (outliers) y se añadieron al conjunto de entrenamiento para re-entrenar el modelo (ej. DLCCT380R = 300 iniciales + 80 corregidos).
• Análisis de Datos:
  • Se calcularon parámetros temporales: tiempo de paso, cadencia, tiempo de apoyo y tiempo de doble apoyo.
  • Métricas de validación: Coeficiente de correlación de Pearson, Análisis Bland-Altman (límites de acuerdo) y Error Absoluto (precisión y exactitud).

3. Contribuciones Clave

• Validación del Entrenamiento Personalizado: Es uno de los primeros estudios que demuestra cuantitativamente que un modelo DeepLabCut personalizado supera tanto a su contraparte pre-entrenada como a OpenPose en la medición de la marcha.
• Evaluación de la Función de Refinamiento: Proporciona evidencia empírica de que la función de refinamiento de DeepLabCut (corrección de outliers y re-entrenamiento) mejora significativamente la precisión y reduce el error, incluso con conjuntos de datos iniciales más pequeños.
• Optimización de Recursos: Determina el número mínimo de imágenes necesarias para un entrenamiento efectivo y demuestra cómo el refinamiento permite alcanzar un alto rendimiento con menos esfuerzo de etiquetado manual inicial.
• Configuración de Bajo Costo: Valida el uso de una sola cámara 2D y hardware estándar como una alternativa viable a los sistemas de laboratorio costosos para la evaluación clínica.

4. Resultados Principales

• Rendimiento del Modelo: El modelo DLCCT personalizado superó consistentemente a los modelos pre-entrenados (OPPT y DLCPT).
• Impacto del Tamaño del Dataset: El Error Medio Cuadrático (MAE) de prueba disminuyó a medida que aumentaba el tamaño del conjunto de entrenamiento (de 100 a 400 imágenes).
• Efecto del Refinamiento: Los modelos refinados (ej. DLCCT380R) mostraron un MAE significativamente menor y una mayor precisión que sus versiones iniciales y que los modelos entrenados con conjuntos de datos más grandes pero sin refinamiento.
  • Ejemplo: DLCCT380R (300 iniciales + refinamiento) superó a DLCCT400 (400 iniciales sin refinamiento).
• Comparación con OpenPose: OpenPose (OPPT) fue superior a DeepLabCut pre-entrenado (DLCPT), pero el modelo personalizado DLCCT (con al menos 300 imágenes o refinamiento) superó a OpenPose en todos los parámetros temporales.
• Correlación y Acuerdo:
  • DLCCT380R mostró la correlación lineal más fuerte (r > 0.7) con las plataformas de fuerza.
  • Los límites de acuerdo (LoA) en el análisis Bland-Altman se estrecharon notablemente en los modelos refinados.
  • El modelo DLCPT pre-entrenado tuvo un rendimiento pobre en parámetros que requieren identificar talones y dedos (tiempo de apoyo), debido a que su modelo pre-entrenado solo detectaba el tobillo, a diferencia de los modelos personalizados que etiquetaban explícitamente talones y dedos.

5. Significado e Implicaciones

• Para la Clínica y la Práctica: El estudio demuestra que es posible obtener mediciones de marcha precisas y fiables fuera del laboratorio, utilizando equipos de bajo costo (una cámara estándar y un ordenador con GPU). Esto es crucial para la evaluación de pacientes en entornos naturales o clínicos rutinarios.
• Recomendación Técnica: Se concluye que, aunque el entrenamiento personalizado requiere tiempo inicial, es necesario para tareas específicas (como la marcha) o poblaciones particulares (ej. personas en silla de ruedas) donde los modelos genéricos fallan.
• Eficiencia: La implementación de la función de refinamiento es una estrategia óptima para maximizar la precisión sin necesidad de etiquetar miles de imágenes desde cero, haciendo que la tecnología de DeepLabCut sea más accesible y eficiente para investigadores y clínicos.

En resumen, el artículo establece que la combinación de DeepLabCut personalizado + función de refinamiento representa la solución más prometedora y precisa para el análisis de la marcha sin marcadores, superando a las soluciones "fuera de la caja" actuales.