Single-camera pose estimation for quantitative assessment of balance deficits: a proof-of-concept using graded acute alcohol intake
这项概念验证研究表明，单摄像头、无标记姿态估计系统在检测由急性酒精摄入引起的渐进性平衡缺陷方面，其敏感性和准确性显著高于传统的临床评分量表，而后者往往因天花板效应而无法记录到损伤。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
平衡是大脑与身体之间一场无声且持续的博弈。它依赖于一个连续的循环：眼睛、内耳以及肌肉和关节中的传感器向大脑发送信号，随后大脑进行微小且肉眼不可见的调整，以维持我们的直立姿态。当这一循环被破坏时——例如在脑卒中或帕金森病等疾病中——保持站立或安全行走的能力可能会消失。几十年来，医生一直依靠一种被称为“伯格平衡量表”（Berg Balance Scale）的标准清单来衡量这种能力。临床医生观察患者执行一系列任务（如单脚站立或转身），并根据任务完成的质量给出从零到四的评分。虽然这种方法应用广泛，但它存在一个根本性的缺陷：它是一种迟钝的工具。它记录的是关于成功或失败的最终判断，却无法察觉到在一个人真正跌倒之前所发生的细微震颤、轻微晃动或微调。更糟糕的是，对于那些已经相当稳健的人来说，该量表会触及“天花板”。如果一名患者能安全站立三十秒，他们就会获得最高分，即便他们的平衡能力比昨天稍差了一些，也无法体现出来。这使得在追踪那些功能良好的个体微小进步或退化时几乎变得不可能，而这恰恰是康复过程中最需要精确测量的时候。
为了解决这个问题，苏黎世联邦理工学院（ETH Zurich）和巴登州立医院的研究人员决定研究，是否可以通过一个简单的摄像机来检测出人类观察者所忽略的平衡变化。他们需要一种能够精确测量已知且受控的平衡变化的方法。他们选择了酒精。通过让健康的志愿者饮用特定量的酒精，研究人员可以诱发小脑和前庭系统（即控制平衡的大脑部分）出现暂时性的、梯度递减的损伤。这使他们能够在已知“真实”损伤水平的条件下，将一种新的数字化方法与标准的临床量表进行对比测试。团队记录了24名健康成年人在六种不同站立任务下的表现，范围从双脚站立到闭眼单脚站立。他们在三种不同的血液酒精浓度下进行了测试：零浓度、低剂量的0.6‰以及高剂量的1.0‰。每一场实验都使用一台放置在参与者前方的普通消费级摄像机（即智能手机中的那种）进行拍摄。
研究人员随后使用先进的计算机软件对视频进行分析。该软件并非要求人类去猜测一个人的稳定性看起来如何，而是逐帧追踪人体躯干的运动，创建一个数字化的姿态骨架。通过这段视频，计算机计算出了167种不同的运动测量值，例如身体左右晃动的速度、躯干的移动幅度，以及人是否为了重新找回平衡而迈出了一步。团队选取了其中最敏感的测量值，并将它们组合成一个单一的数字得分。随后，他们将这个数字得分与观看同一段视频的受训人类评分者所给出的分数（使用的是简化版的标准平衡量表）进行了对比。人类评分者根据参与者在不跌倒或不需要帮助的情况下能保持姿势的时长，给出从零到四的评分。
结果显示，两种方法观察到的内容有着明显的差异。使用标准量表的人类评分者在所有试验中，有77%的时间给出了最高分（4分）。这意味着在大多数情况下，即使参与者饮酒量增加且平衡能力恶化，人类观察者也看不出任何变化。量表触及了它的极限；它无法区分一个完全稳健的人和一个虽然略显不稳但仍能站立的人。相比之下，源自单台摄像机的数字得分则能持续记录这种下降。基于计算机的测量法能够正确排列出三个酒精摄入水平的等级，对大多数参与者而言，其平均准确率达到了86%，而人类评分仅能在约59%的时间里做到这一点。数字得分在检测“清醒状态”与“低剂量状态”之间的差异方面表现得更为出色，在“低剂量”与“高剂量”之间更是如此。
或许最令人启发的发现出现在这样一组参与者中：他们在清醒状态和高酒精水平下，从人类评分者那里获得的都是最高分（4分）。在人类眼中，这些人看起来没有任何变化。然而，数字得分却显示出随着酒精水平上升，身体晃动幅度呈现显著且稳定的增加。计算机检测到了人类观察者完全忽略的渐进式平衡恶化。这证明了标准量表上的最高分并不意味着一个人的平衡是完美的，而仅仅意味着其表现处于该量表的最高类别内。数字方法通过测量物理单位上的实际运动而非主观判断，捕捉到了被传统测试“天花板”所掩盖的损伤。
研究还检查了人类评分者的可靠性。当两名不同的专家观看同一段视频时，他们在83%的情况下给出了完全相同的分数。然而，这种高度的一致性主要是因为他们都对同一批人给出了最高分。当研究人员仅观察那些得分不是最高分的试验时，两位专家之间的意见一致性降至仅30%。这表明，当人类需要对一个处于边缘案例做出实际判断时，其判断会产生显著差异。而基于运动一致性数学计算的数字得分，则没有受到这种变异性的影响。
研究人员得出结论：一台普通的摄像机可以捕捉到标准临床评定无法捕捉到的精细平衡细节。数字得分能够追踪酒精剂量递增带来的影响，甚至在那些被评定为没有任何平衡问题的人身上也是如此。这并不意味着人类观察者是无用的，但它确实表明传统的量表在面对功能良好的个体时存在盲点。数字方法提供了一种连续且客观测量平衡的方式，无需昂贵的设备、特殊的身体标记或实验室环境。这表明，在未来，一段简单的视频可以成为监测患者恢复或衰退的更灵敏的工具，能够捕捉到那些如果不被注意到就可能变得过于严重的细微变化。这项研究证明了摄像机能看到眼睛所不能见的景象，将一段简单的录像转化为精准的稳定性度量。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。