【技术实现步骤摘要】
【国外来华专利技术】步态和姿势分析
[0001]相关申请
[0002]本申请根据35U.S.C.
§
119(e)要求以下美国临时申请的权益:2021年2月1日提交的美国临时申请序列号63/144,052和2020年12月29日提交的美国临时申请序列号63/131,498,这两份申请各自的全部内容全文以引用方式并入本文。
[0003]在一些方面,本专利技术涉及通过处理视频数据对受试者的步态和姿势进行自动分析。
[0004]政府支持
[0005]本专利技术是在美国国立卫生研究院资助的R21DA048634和UM1OD023222项目下,获得政府支持而完成的。美国政府拥有本专利技术的某些权利。
技术介绍
[0006]在人类中,以高精度和高灵敏度量化步态和姿势的能力已经表明,可以使用这种能力来确定许多神经和肌肉系统的正常功能。多种精神疾病、神经退行性疾病和神经肌肉疾病都与步态和姿势的改变相关联,包括孤独症谱系障碍、精神分裂症、双相情感障碍和阿尔茨海默病。这是因为正常的步态、平衡和姿势处于多个神经系统过程的控制之下,这些神经系统过程包括处理视觉输入、前庭输入、听觉输入、本体觉输入和内脏输入的关键感觉中枢。大脑中直接控制运动的区域,诸如小脑、运动皮层和脑干,会对认知和情感线索做出反应。因此,步态和姿势的完整性反映了人体内许多神经系统的正常神经功能。在人类精神疾病的啮齿动物模型中,还没有任何关于步态和姿势度量在人类中的效用的证明。这可能是由于缺乏足够准确且易于实施的技术来检测不同小鼠品系之间的步态和姿 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种计算机实施的方法,包括:接收表示受试者的视频捕捉运动的视频数据;处理所述视频数据,以识别在一个时间段内跟踪所述受试者的一组身体部位的运动的点数据;使用所述点数据确定在所述时间段期间在所述视频数据中表示的多个支撑相和对应的多个摆动相;基于所述多个支撑相和所述多个摆动相,确定在所述时间段期间在所述视频数据中表示的多个步幅间隔;使用所述点数据确定所述受试者的度量数据,所述度量数据基于所述多个步幅间隔中的每个步幅间隔;将所述受试者的所述度量数据与对照度量数据进行比较;以及基于所述比较,确定所述受试者的度量数据与所述对照度量数据之间的差异。2.如权利要求1所述的计算机实施的方法,其中所述一组身体部位包括鼻部、颈基部、脊柱中部、左后爪、右后爪、尾根、尾中部和尾尖;并且其中所述多个支撑相和所述多个摆动相是基于所述左后爪和所述右后爪的移动速度的变化来确定的。3.如权利要求2所述的计算机实施的方法,还包括:基于所述左后爪或所述右后爪的脚尖离地事件,确定从所述多个支撑相中的第一支撑相到所述多个摆动相中的第一摆动相的转变;以及基于所述左后爪或所述右后爪的脚掌触地事件,确定从所述多个摆动相中的第二摆动相到所述多个支撑相中的第二支撑相的转变。4.如权利要求1所述的计算机实施的方法,其中所述度量数据对应于所述受试者在每个步幅间隔期间的步态测量结果。5.如权利要求1或4所述的计算机实施的方法,其中所述一组身体部位包括左后爪和右后爪,并且其中确定所述度量数据包括:使用所述点数据确定每个步幅间隔中的步长,所述步长表示所述右后爪越过前一次左后爪触地位置所行进的距离;使用所述点数据确定用于所述每个步幅间隔的步幅长度,所述步幅长度表示所述左后爪在所述每个步幅间隔期间行进的距离;使用所述点数据确定所述每个步幅间隔中的步宽,所述步宽表示所述左后爪与所述右后爪之间的距离。6.如权利要求1或4所述的计算机实施的方法,其中所述一组身体部位包括尾根,并且其中确定所述度量数据包括:使用所述点数据,基于所述每个步幅间隔中所述尾根的运动,确定所述受试者的速度数据。7.如权利要求1或4所述的计算机实施的方法,其中所述一组身体部位包括尾根,并且其中确定所述度量数据包括:使用所述点数据,基于在表示所述多个步幅间隔中的一个步幅间隔的一组帧期间所述尾根的运动,确定所述受试者的一组速度数据;以及
通过对所述一组速度数据求平均值,来确定所述步幅间隔中的步幅速度。8.如权利要求1或4所述的计算机实施的方法,其中所述一组身体部位包括右后爪和左后爪,并且其中确定所述度量数据包括:使用所述点数据确定第一支撑持续时间,所述第一支撑持续时间表示在所述多个步幅间隔中的一个步幅间隔期间所述右后爪接触地面的时间量;基于所述第一支撑持续时间和所述步幅间隔持续时间确定第一占空因数;使用所述点数据确定第二支撑持续时间,所述第二支撑持续时间表示在所述步幅间隔期间所述左后爪接触地面的时间量;基于所述第二支撑持续时间和所述步幅间隔持续时间确定第二占空因数;以及基于所述第一占空因数和所述第二占空因数确定所述步幅间隔的平均占空因数。9.如权利要求1或4所述的计算机实施的方法,其中所述一组身体部位包括尾根和颈基部,并且其中确定所述度量数据包括:使用所述点数据,在表示所述多个步幅间隔中的一个步幅间隔的一组帧期间,确定连接所述尾根和所述颈基部的一组向量;以及使用所述一组向量来确定所述步幅间隔中所述受试者的角速度。10.如权利要求1所述的计算机实施的方法,其中所述度量数据对应于所述受试者在每个步幅间隔期间的姿态测量结果。11.如权利要求1或10所述的计算机实施的方法,其中所述一组身体部位包括所述受试者的脊柱中心,其中所述多个步幅间隔中的一个步幅间隔与所述视频数据的一组帧相关联,并且其中确定所述度量数据包括使用所述点数据确定所述步幅间隔中的位移向量,所述位移向量连接所述一组帧的第一帧中表示的所述脊柱中心和所述一组帧的最后一帧中表示的所述脊柱中心。12.如权利要求11所述的计算机实施的方法,其中所述一组身体部位还包括所述受试者的鼻部,并且其中确定所述度量数据包括:使用所述点数据,基于所述一组帧的每一帧中所述鼻部距所述位移向量的垂直距离,确定所述步幅间隔中所述鼻部的一组侧向位移。13.如权利要求12所述的计算机实施的方法,其中所述鼻部的所述侧向位移还基于所述受试者的体长。14.如权利要求12所述的计算机实施的方法,其中确定所述度量数据还包括通过以下方式确定尾尖位移相偏移:使用所述鼻部的所述一组侧向位移执行插值,以生成所述步幅间隔中所述鼻部的平滑曲线侧向位移;使用所述鼻部的所述平滑曲线侧向位移来确定在所述步幅间隔期间所述鼻部的最大位移何时出现;以及确定表示当所述鼻部发生所述最大位移时完成的所述步幅间隔的百分比的步幅位置百分比。15.如权利要求11所述的计算机实施的方法,其中所述一组身体部位还包括所述受试者的尾根,并且其中确定所述度量数据包括:
使用所述点数据,基于所述一组帧的每一帧中所述尾根距所述位移向量的垂直距离,确定所述步幅间隔中所述尾根的一组侧向位移。16.如权利要求15所述的计算机实施的方法,其中确定所述度量数据还包括通过以下方式确定尾根位移相偏移:使用所述尾根的所述一组侧向位移执行插值,以生成所述步幅间隔中所述尾根的平滑曲线侧向位移;使用所述尾根的所述平滑曲线侧向位移来确定在所述步幅间隔期间所述尾根的最大位移何时出现;以及确定表示当所述尾根发生所述最大位移时完成的所述步幅间隔的百分比的步幅位置百分比。17.如权利要求11所述的计算机实施的方法,其中所述一组身体部位还包括所述受试者的尾尖,并且其中确定所述度量数据包括:使用所述点数据,基于所述一组帧的每一帧中所述尾尖距所述位移向量的垂直距离,确定所述步幅间隔中所述尾尖的一组侧向位移。18.如权利要求17所述的计算机实施的方法,其中确定所述度量数据还包括通过以下方式确定尾尖位移相偏移:使用所述尾尖的所述一组侧向位移执行插值,以生成所述步幅间隔中所述尾尖的平滑曲线侧向位移;使用所述尾尖的所述平滑曲线侧向位移来确定在所述步幅间隔期间所述尾尖的最大位移何时出现;以及确定表示当所述尾尖发生所述最大位移时完成的所述步幅间隔的百分比的步幅位置百分比。19.如权利要求11所述的计算机实施的方法,其中处理所述视频数据包括使用机器学习模型来处理所述视频数据。20.如权利要求1所述的计算机实施的方法,其中处理所述视频数据包括使用神经网络模型来处理所述视频数据。21.如权利要求1所述的计算机实施的方法,其中所述视频用自上而下视图捕捉旷场中的所述受试者的由受试者确定的运动。22.如权利要求1所述的计算机实施的方法,其中所述对照度量数据是从一个或多个对照生物体获得的。23.如权利要求22所述的计算机实施的方法,其中所述受试者是生物体,并且所述对照生物体和所述受试者生物体是同一物种。24.如权利要求23所述的计算机实施的方法,其中所述对照生物体是所述物种的实验室品系,并且任选地其中所述实验室品系是图14E中列出的一种品系。25.如权利要求22所述的计算机实施的方法,其中所述受试者度量数据相比所述对照度量数据的统计学显著差异表明所述受试者的表型相比所述对照生物体的表型的差异。26.如权利要求25所述的计算机实施的方法,其中所述表型差异表明所述受试者中存在疾病或病症。27.如权利要求25或26所述的计算机实施的方法,其中所述表型差异表明所述受试者
的遗传背景与所述对照生物体的遗传背景之间的差异。28.如权利要求22所述的计算机实施的方法,其中所述受试者度量数据相比所述对照度量数据的统计学显著差异表明所述受试者的基因型相比所述对照生物体的基因型的差异。29.如权利要求28所述的计算机实施的方法,其中所述基因型差异表明所述受试者与所述对照生物体之间的品系差异。30.如权利要求28所述的计算机实施的方法,其中所述基因型差异表明所述受试者中存在疾病或病症。31.如权利要求1所述的计算机实施的方法,其中所述对照度量数据对应于包括以下项在内的要素:对照步幅长度、对照步长和对照步宽,其中所述受试者的度量数据所包括的要素包括:所述受试者在所述时间段期间的步幅长度、所述受试者在所述时间段期间的步长,以及所述受试者在所述时间段期间的步宽,并且其中所述对照数据和所述度量数据的所述一个或多个要素之间的差异表示所述受试者与所述对照之间的表型差...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。