logo móvil
Contáctanos

Método inteligente de evaluación para la escoliosis en casa utilizando fotos de espalda capturadas por teléfonos móviles

Autores: Li, Yongsheng; Peng, Xiangwei; Mao, Qingyou; Ma, Mingjia; Huang, Jiaqi; Zhang, Shuo; Dong, Shaojie; Zhou, Zhihui; Lan, Yue; Pan, Yu; Xie, Ruimou; Qin, Peiwu; Yuan, Kehong

Idioma: Inglés

Editor: MDPI

Año: 2024

Descargar PDF

Acceso abierto

Artículo científico
2024

Método inteligente de evaluación para la escoliosis en casa utilizando fotos de espalda capturadas por teléfonos móviles


Categoría

Ingeniería y Tecnología

Subcategoría

Bioingeniería

Palabras clave

Examen tradicional de la escoliosis
Tecnología de visión por computadora
Modelo de detección de puntos clave
Curvatura coronal de la columna vertebral
ángulo de rotación del tronco

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 28

Citaciones: Sin citaciones


Descripción
El examen tradicional de escoliosis basado en radiografías no es adecuado para el cribado a gran escala, ni tampoco es adecuado para la evaluación dinámica durante la rehabilitación. Por lo tanto, basado en la tecnología de visión por computadora, este artículo propone un método de evaluación de la escoliosis con diferentes fotos de la espalda tomadas por teléfonos móviles, que involucra tres aspectos: primero, basado en el modelo de detección de puntos clave de YOLOv8, se propone un algoritmo para juzgar el tipo de curvatura coronal espinal; segundo, se propone un algoritmo para evaluar el plano coronal de la columna vertebral basado en los puntos clave de la espalda humana, con el objetivo de cuantificar el grado de desviación de la columna en el plano coronal; tercero, se propone el algoritmo de medición de la rotación del tronco (ángulo ATR) basado en la detección automática de picos a múltiples escalas (AMPD), con el objetivo de cuantificar el grado de desviación de la columna en el plano sagital. Se utilizan conjuntos de datos públicos y datos clínicos emparejados (foto de teléfono móvil y radiografía) para probar. Los resultados muestran que este método tiene una alta precisión y efectividad en distinguir el tipo de curvatura espinal y evaluar el grado de desviación, lo cual es superior a otros algoritmos de aprendizaje profundo.

Otros recursos que podrían interesarte

Temas Virtualpro