OTI 职业疗法国际 1557 - 0703 0966 - 7903 Hindawi 10.1155 / 2020/8542191 8542191 研究文章 计算机应用的方法量化职业治疗师的姿势控制的定性评估 https://orcid.org/0000 - 0003 - 3316 - 600 x Hagihara Hiromichi 1 2 https://orcid.org/0000 - 0003 - 4420 - 6361 Ienaga 日本首相 2 3 榎本失败 Daiki 4 Takahata 血缘 5 石原 ) 6 https://orcid.org/0000 - 0002 - 4199 - 8677 野田佳彦 Haruka 7 津田 Koji 8 9 https://orcid.org/0000 - 0003 - 3914 - 248 x Terayama 祺 9 10 11 希尔顿 克劳迪亚 1 人类与环境研究的研究生院 京都大学 《京都议定书》 日本 kyoto-u.ac.jp 2 日本研究员促进社会科学 东京 日本 jsps.go.jp 3 科学技术研究生院 庆应义塾大学 横滨 日本 keio.ac.jp 4 LITALICO Inc .) 东京 日本 litalico.co.jp 5 的康复 Hakuho大学 奈良 日本 hakuho.ac.jp 6 日本电报电话 神奈川 日本 ntt.co.jp 7 生物医学科学研究生院 长崎大学 长崎 日本 nagasaki-u.ac.jp 8 前沿科学的研究生院 东京大学 东京 日本 u-tokyo.ac.jp 9 日本先进的情报中心项目 东京 日本 riken.jp 10 医学科学创新中心项目 日本科学集群 技术和创新中心 神奈川 日本 riken.jp 11 医学研究生院 京都大学 《京都议定书》 日本 kyoto-u.ac.jp 2020年 27 4 2020年 2020年 22 08年 2019年 03 03 2020年 27 4 2020年 2020年 版权©2020 Hiromichi Hagihara et al。 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。

本研究旨在利用计算机视觉(CV)技术来开发一个用于量化姿势控制的技术。传统的量化指数,职业治疗师的定性的临床评估,和CV-based定量指标使用一个图像分析算法应用到评估的姿势控制34通常开发学龄前儿童。CV-based指数的有效性研究相对于当前的方法探讨了该方法的临床适用性。的容量CV-based指数来反映治疗师的定性评估确认。此外,相比传统的量化指数,CV-based指数与更低的成本提供更详细的定量信息。CV-based使治疗师评估量化电动机性能的细节目前观察到的定性。这种精确的量化方法的发展将提高职业疗法的科学和实践,让治疗师来执行他们的潜能。

 日本促进社会科学 17 j05489 18 j21948 1。介绍

职业疗法的目的是促进人民参与日常活动( 1]。这种疗法提供范围广泛的客户,从儿童到老人。职业治疗师进行整体的评估客户的当前身体功能、活动和参与日常生活和画这些方面之间的相互关系。在儿科领域或学校职业治疗,特别是身体姿势控制等功能之间的关系和日常活动非常重要,因为身体功能形成的职业表现儿童的基础技能,如自我保健方面,沟通,和主题学习 2]。事实上,受损的姿势控制被广泛报道的人诊断为发育障碍,如自闭症谱系障碍( 3- - - - - - 5),注意缺陷多动症( 6, 7),和发展性协调障碍( 8, 9]。因此,它是至关重要的设计评价指标的身体功能可以使治疗师全面掌握这些困难。这样的指标也有助于建立职业疗法的有效性的证据在发展中结果的措施,这是敏感的职业治疗干预措施( 10]。

然而,目前的考核指标有严重的局限性,特别是定量的。首先,传统量化方法的粒度粗。儿科临床实践的职业治疗,经常使用的评估,如儿童运动评估电池2 ( 11),Bruininks-Oseretsky测试电机能力2 ( 12),或日本好玩的评估神经心理能力( 13生成量化的结果,仅仅是任务成功,持续时间或速度。虽然这些指标可能是有用的,他们没有足够的细节等关键电机性能平衡,反重力姿势,或补偿运动,而是所有的治疗师观察定性。第二,详细的定性评价,职业治疗师通常会执行在上面的评估往往被排除在指数本身因为这样评价被认为是难以量化。虽然某些评价方法等可以量化定性观点使用专门的设备(例如,身体摇摆米),这些方法通常是相当昂贵和临床可用性差 14]。最近,提出了一些解决方案,如评估使用消费电子设备( 15, 16]。然而,职业治疗师似乎仍采用实际分类方法根据特定标准临床方便而不是定量马达的质量表现。第三,当前运动技能评价过程需要多少时间和对病人的生理和心理负担,导致增加疲劳和减少动机( 17]。特别是,姿势控制基本上需要的能力来维持姿势平衡能力以及保持身体部位的位置对重力保持姿态稳定。治疗师利用不同的任务来评估这些独立的能力(例如,比喻站静态姿势平衡,容易扩展反重力姿势,分别)( 18, 19]。技术的发展,使治疗师同时观察这些能力在一个任务可以减少时间成本和病人的负担。

在这个研究中,我们调查的应用计算机视觉(CV)技术来解决这些问题。最近的深度学习技术的进步已经取得了显著的进展领域的单眼人体姿态估计( 20.- - - - - - 23]。这些方法估计人类的2 d或3 d位置关键点(如关节)从RGB图像或电影。简历研究利用这种姿势评估方法使研究人员能够很容易量化人类姿势或身体动作 24- - - - - - 26]。在过去的几年里,简历技术已经应用于医学领域,包括,例如,被诊断为自闭症谱系障碍( 27, 28)或步态异常检测( 29日]。虽然姿势和身体动作的详细定量分析通常需要特殊的设备,如运动捕获或盘子,这些技术创新有潜力减少费用和减轻他们的实现通过治疗师在临床设置。

本研究的目的是开发一个量化姿势控制技术通过使用一个姿势估计算法称为OpenPose [ 20.),探索该技术的临床适用性比较其个人职业治疗师的定性的临床评估。这一目标的第一步,我们进行了一个简单的姿势控制评价,一个静态姿势维护任务,正常儿童。

本研究有助于职业治疗领域首先展示更准确和详细的定量评估的可能性,其次通过简化传统评价任务专用设备的消除和减少投资,实施客户减少负担。此外,这项研究可能会加速职业疗法之间的协作和计算机视觉领域。

 2。材料和方法 2.1。设计

正常发育的孩子在日本发展任务执行标准化评估姿势稳定性、和三种类型的指数计算:(1)传统的量化指数测量持续时间(DT),(2)治疗师的定性临床评估(TQCE)使用级李克特量表,和(3)CV-based定量指标基于图像分析算法的静态姿势平衡(SPB)和反重力(AG)。然后我们调查的紧密程度CV-based成绩反映了TQCE(分析1),以及如何有效CV-based模型与DT-based模型(分析2;图 1)。协作和跨学科研究,职业治疗师和简历工程师参与研究的每一步流程,以避免相互缺乏了解由于明确的分工。

 2.2。参与者

34学龄前儿童(14岁女孩;<我nl我ne-formula> 的意思是 年龄 = 4.7 ;<我nl我ne-formula> SD = 1。0 ;<我nl我ne-formula> 范围 = 3 - - - - - - 6 年 老 )从两个幼儿园在日本参加了这项研究。额外的五个孩子也参加了,但被排除在最终样本,因为他们很难被维护任务的姿势没有帮助。所有的参与者在这个研究通常被认为是发展中国家。每个参与者的父母提供书面知情同意,这项研究是研究伦理委员会批准Hakuho大学(18012)。

 2.3。仪表

日本好玩的评估神经心理能力(JPAN)是一个发育评估电池儿童感官评价集成能力( 13, 30., 31日),这是在日本开发的基于以前的测试在美国开发的,如感官集成和实践测试( 32从大样本,标准化(489日本4到10岁的孩子)。JPAN由32个单项成绩(6平衡和反重力姿势,七个躯体感觉,15为实践,和四个手眼协调能力和视觉感知),而这些已经证实高评分者间信度(组内相关0.81 - -1.00的范围内为每一个分测验)和内部一致性(0.75克伦巴赫α的所有子)( 33]。

在JPAN单项成绩,我们选择了一只胳膊和一条腿平衡作为本研究的实验任务,平衡域和反重力姿势。这个任务需要参与者保持所谓“鸟狗的姿势”,60年代在每个方面,他/她举起手臂一边和另一边的腿从四点爬的姿势(见图 1)。这个任务需要一个陌生的平衡( 34),因此被认为是去除的影响参与者的分裂能力在某种程度上。尽管多种功能需要保持这个姿势,包括静态姿势平衡和反重力,在定量评估任务只能由DT,选择这个工作的主要原因。

 2.4。任务过程

每个参与者在单独的任务在一个空房间在一个幼儿园,两次执行任务(两边各一次)根据JPAN手册(两边长达60年代)。考官欢呼参与者,鼓励他们保持鸟狗的姿势,只要他们可以(例如,“把你的手臂!”)。任务被录像从侧面表现和在大约相同的高度在每个参与者的树干,这视频帧中每个参与者的整个身体矢状面。

 2.5。应用指数

三种类型的指数计算探索指数最适当地反映临床治疗师的定性评估。

2.5.1。DT

每个参与者的DT维护检测的帧的姿态测量参与者充分扩展他们的胳膊和腿,和这些身体部位的任何部分是附加到地板上。如果60年代运行不这些身体部位的一部分在地板上,任务是流产,60年代的持续时间被记录。这个指数是一个传统的定量结果用于JPAN。

 2.5.2。TQCE

三个儿科职业治疗师(Hagihara、野田佳彦和Takahata,本文的作者;他们的临床经验大约4 2分别为11)评估任务的质量性能基于每个治疗师的临床观点后级李克特量表(7分表示最优性能)。这些治疗师关注和得分单独录制视频,这样他们不知道其他治疗师的得分。此外,他们观看了原始记录的视频还没有被OpenPose分析。因此,他们不知道CV-based定量指标的结果为每个参与者在评估。高评分者间信度确认(<我nl我ne-formula> 国际刑事法庭 2 , 1 = 0.892 )。平均三个治疗师的评估来确定TQCE指数。

 2.5.3。CV-Based方法

首先,三个工程师简历(Ienaga Terayama,石原,本文的作者)进行重点检测OpenPose版本1.4.0的身体部位。OpenPose是一个开源库的实时多人关键点检测身体,手和脸,使用卷积神经网络( 20.]。使用一个方法称为关联字段(改善),一部分OpenPose可以考虑每个关键点的位置关系,也就是说,人类的骨骼结构。该算法有助于提高关键位置的准确估计。OpenPose可以估计的二维位置25身体关键点,它们大致符合关节(如关键6是左肘;参见图 1)。信心每一帧的每个关键值自动计算,从0到1(高值表示信心),这样关键的程度的精度估计可以理解。例如,在图 1,所有的关键点用于后续分析发现高信心值(> 0.5)。

OpenPose可以更准确地检测要点,当一个人的头是上面和下面的腿由于训练数据的影响。输入视频旋转90°将参与者的正面向上自参与者保持鸟狗的姿势如图 1。要点然后旋转90°后被OpenPose检测。消除噪音检测,重点的信心值小于0.5被移除在每一帧和线性插值。

因为职业治疗师评估SPB和AG)除了持续时间,我们定义这些项目如下所示。

 2.5.4。静态姿势平衡(SPB)

我们首先计算移动的距离<我nl我ne-formula> D ′ 。 (1) D = 1 n − 1 ∑ 我 = 1 n − 1 d 我 − 1 我 b l , (2) D ′ = D w + D e + D 一个 + D k / 4 。

D 的移动距离是关键帧的平均方向(<我nl我ne-formula> n 代表了视频的帧数)。移动的距离<我nl我ne-formula> d 我 − 1 我 连续两帧之间的<我nl我ne-formula> 我 , 我 − 1 除以的身体长度吗<我nl我ne-formula> b l 。身体长度的平均值之间的距离两个关键点的颈部和臀部所有帧的视频。移动的距离除以的原因身体长度是减少的影响差异高度的主题和相机之间的距离和对象。实际上有四个<我nl我ne-formula> D 手腕的关键点<我nl我ne-formula> D w 和肘部关键点<我nl我ne-formula> D e 延长的手臂,和脚踝关键点<我nl我ne-formula> D 一个 和膝盖的关键<我nl我ne-formula> D k 的长腿。SPB标准化值(<我talic> z获得的分数)如下: (3) 年代 P B = 日志 1 / D ′ − μ σ , 在哪里<我nl我ne-formula> μ 和<我nl我ne-formula> σ 显示的平均和标准偏差<我nl我ne-formula> 日志 1 / D ′ ,分别。SPB的平均和标准偏差是0和1,分别因为SPB标准化消除数值大小的影响与其他指标进行多元回归分析。高SPB表示静态姿势稳定。

 2.5.5。反重力姿势(AG)

公司股价计算, (4) 一个 = − 1 n ∑ 我 = 0 n − 1 φ + θ , 在哪里<我nl我ne-formula> φ 和<我nl我ne-formula> θ 地板之间的绝对角度,延长手臂和腿,分别如图 1。这里,“手臂”指的是向量连接脖子位置的平均位置手腕和肘部,和“腿”是指连接臀部位置向量的平均位置的脚踝和膝盖。因为这些是绝对值,角增加肢体是否上调或下调。<我nl我ne-formula> 一个 是负的两个角之和平均帧方向,和AG是标准化值(<我talic> z分数)<我nl我ne-formula> 一个 。高AG)显示高反重力姿势。

 2.6。数据分析

首先,我们调查的紧密程度CV-based分数(SPB和AG)反映TQCE使用斯皮尔曼等级相关系数(分析1)。接下来,我们比较的有效性CV-based DT-based模型的模型,(2)分析。SPB, AG)和DT在一起或独自DT作为解释变量,并使用TQCE回归分析为目标变量,与后续的预测价值之间的相关分析回归分析和TQCE,假设测试时间不变。

 3所示。结果与讨论 3.1。程度CV-Based分数TQCE反映出来

基于分析使用斯皮尔曼等级相关系数,SPB TQCE呈显著正相关(<我nl我ne-formula> r 年代 = 0.654 ,<我nl我ne-formula> p < 0.001 )。AG)也显示出一个重要的,虽然弱,与TQCE正相关(<我nl我ne-formula> r 年代 = 0.382 ,<我nl我ne-formula> p = 0.0013 )。TQCE往往更高,当这两种CV-based分数高(图 2)。

 3.2。多元回归模型反映TQCE

比较评估只使用传统的量化指数(DT)评估使用所有三个指标(DT和CV-based分数),我们设置TQCE为目标变量,计算模型使用DT作为解释变量在一个单一的回归分析,与模型使用SPB相比,AG)和DT作为解释变量的多元回归分析。DT与TQCE显著正相关(<我nl我ne-formula> r 年代 = 0.886 ,<我nl我ne-formula> p < 0.001 )。然而,多元回归分析计算得出的结果,其中包括CV-based分数,显示了强烈的与TQCE显著正相关(<我nl我ne-formula> r 年代 = 0.914 ,<我nl我ne-formula> p < 0.001 )。

测试时间短于60年代,CV -和DT-based分数之间的差异更加明显(图 3(一个))。当测试时间减少到20年代,CV-based分数显示更高的正相关(<我nl我ne-formula> r 年代 = 0.878 ,<我nl我ne-formula> p < 0.001 ;参见图 3 (b)和 3 (c)比单独DT) (<我nl我ne-formula> r 年代 = 0.789 ,<我nl我ne-formula> p < 0.001 ;参见图 3 (d)和 3 (e))。在所有68试验(<我nl我ne-formula> 34 参与者 × 两个 国 ),试验的DT的数量等于或超过60年代18(26%),和DT的数量等于或超过20年代是37岁(54%)。每个回归分析的结果如表所示 1。

 3.3。CV-Based指标的有效性

这项研究的结果显示以下两点。首先,SPB和AG TQCE显著正相关,和TQCE往往更高,当这两种CV-based分数高,表明这些指标量化TQCE。第二,多元回归分析和随后的相关分析表明,CV-based模型反映了TQCE更大程度比传统DT-based模型,表明使用CV-based分数评估提供更详细的定量信息。这些结果显示克服严重问题的可能性与当前定量评价指标,对筛选有用但不足够验证临床效果或描述电动机性能包括姿势控制的细节。虽然一定比例的儿童发育障碍有困难与姿势控制( 3- - - - - - 9),他们经常展示当前的最大性能量化分数,导致天花板效应( 17),他们的困难与姿势控制只能由治疗师的临床观察。通过使用CV-based分数,治疗师可以定量地评估他们的姿势控制即使他们获得最大的DT。尽管AG)和TQCE之间的相关系数是重要的但低,这个结果可能发生因为治疗师评估AG姿势后才确认初步评估项目的成就,如持久性或静态姿势平衡。

发达CV-based分数,SPB和AG),将不仅有助于识别要素的姿势控制负面影响对儿童的日常活动,建立更有效的证据,职业疗法的功效。身体姿势控制等功能是儿童职业的基础性能自我保健等技能,沟通,和主题学习 2]。此外,儿童发育障碍,特别是发展协调障碍,经常遭受心理问题,包括低自尊( 35, 36)、焦虑和抑郁( 37, 38]。姿势控制的定性的改善可能因此有助于改善他们的活动和参与,这样的改进可能被CV-based抓住得分,因为这些详细的定量指标反映定性方面的姿态控制。这些分数还将需要开发功能措施,结果是敏感的职业治疗干预措施( 10]。发育障碍患者的姿势控制的研究都集中在一个特定的姿势,如单腿站立(例如, 39])或双腿(例如, 40, 41]),结果不能被广泛应用于各种姿势。相比之下,CV-based方法将扩大机会预先详细的定性和定量评估方面的广泛的姿势重要体位早期发育和活动在日常生活。

 3.4。适用于低成本的发展和更详细的评估

在多大程度上反映TQCE CV-based模型几乎没有降低甚至缩短测试时间时。此外,模型的精度反映TQCE几乎等于DT-based模型之间的测试时间的60年代和CV-based模型在20年代的测试时间。这表明当前评估任务的可能性过程更容易和简单的减少测试的时间成本和客户的生理和心理负担。事实上,传统的高成本和负担标准化评估儿童运动技能差的被认为是一个临床问题,因为更长的测试时间导致疲劳和失去动力 17]。CV-based方法缩短了测试时间和收益率更详细的定量信息,用于科学研究和临床实践。

实验任务,“一只胳膊和一条腿平衡,”本研究中使用姿势控制的同时评价多个方面包括至少SPB AG)和DT。尽管发展中几个任务分别评估各个方面可能是有利的,特别复杂的情况下,这就增加了成本和患者的生理和心理负担,因此临床适用性较差。本文提供的研究表明,该指标解决和量化姿势的多个方面同时控制多个重要方面,提供大量减少的成本评估的信息量的前提下。

 3.5。局限性和未来的工作

这项研究也有一些局限性,因为我们对正常儿童进行了一个简单的任务,这样的临床适用性CV-based量化和分析可以很容易地探索。更大的随机样本,没有发育障碍儿童必须有利于确认这种CV-based方法的有效性。此外,运动技能障碍的严重程度之间的关系及其发展变化和CV-based指数应该追究诊断使用。姿势控制指标是否在本研究开发可以应用于其他任务或姿势也必须确认。应用软件,促进了治疗师的定量评价或验证临床干预措施的有效性会特别重要。尽管有这些限制,本研究提出了职业的融合科学与实践通过结合领域的职业治疗和简历。在未来的工作,我们计划把重点放在临床CV-based方法的可用性提出了研究(例如,用户界面)。此外,我们打算开发一个通用的量化方法,不仅可以使用标准化的评估还在实际的职业活动,适用于各种各样的疾病。更精确的量化方法的发展提供了一个基础考虑更有效的干预措施,有助于实现职业治疗师的全部潜力。

 4所示。结论

本研究证实的结果之间的密切匹配CV-based指数(SPB和AG)和TQCE。此外,相比之下,仅使用传统的定量评估指数(DT),评估,包括CV-based指数与时间成本降低提供了更详细的定量信息。本研究显示克服问题的可能性目前定量评估:他们为验证临床疗效不足或详细运动表演,治疗师必须观察定性。这项研究的结果对职业治疗实践产生以下影响:

应用CV-based指数提供了详细的量化和可共享的信息不仅有助于筛选评估,验证干预更精确

这项研究还显示让传统评价任务变得更容易、更简单的可能性没有专用设备,以便治疗师可以减少时间成本和客户的生理和心理负担。这种集成的职业治疗和简历进步的科学和实践职业疗法治疗师可以发挥他们的潜能。

 数据可用性

使用的数据来支持本研究的发现是Excel文件,由DT, CV-based指数(SPB和AG),和TQCE每个参与者。这篇文章的作者请联系地址数据。

 的利益冲突

作者宣称没有利益冲突有关的出版。

 作者的贡献

h . Hagihara和n . Ienaga同样这项工作。

 确认

我们要感谢t·加藤和m . Sakagami洞察力的评论,同时我们也感谢我们的研究参与者。我们使用雷电,超级计算机系统的AIP(日本),进行姿态估计和分析。这项研究受到了来自日本的补助金促进社会科学(jsp)研究员(18 j21948和17 j05489)。