CN114224322B - 一种基于人体骨骼关键点的脊柱侧弯评估方法 - Google Patents

一种基于人体骨骼关键点的脊柱侧弯评估方法 Download PDF

Info

Publication number
CN114224322B
CN114224322B CN202111240365.8A CN202111240365A CN114224322B CN 114224322 B CN114224322 B CN 114224322B CN 202111240365 A CN202111240365 A CN 202111240365A CN 114224322 B CN114224322 B CN 114224322B
Authority
CN
China
Prior art keywords
hip
neck
key points
scoliosis
midpoint
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111240365.8A
Other languages
English (en)
Other versions
CN114224322A (zh
Inventor
方宇
魏旋旋
黄子健
李皓宇
巩斌
禹香华
杨皓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai University of Engineering Science
Original Assignee
Shanghai University of Engineering Science
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai University of Engineering Science filed Critical Shanghai University of Engineering Science
Priority to CN202111240365.8A priority Critical patent/CN114224322B/zh
Publication of CN114224322A publication Critical patent/CN114224322A/zh
Application granted granted Critical
Publication of CN114224322B publication Critical patent/CN114224322B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1071—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring angles, e.g. using goniometers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1079—Measuring physical dimensions, e.g. size of the entire body or parts thereof using optical or photographic means
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
    • A61B5/4561—Evaluating static posture, e.g. undesirable back curvature
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Dentistry (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Rheumatology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种基于人体骨骼关键点的脊柱侧弯评估方法，从人体的正面图和侧面图中提取对称分布的25个骨骼关键点，基于这些骨骼关键点，计算人体的正面中立位线和侧面中立位线，以及脖子、肩膀和髋部所在的三角形，根据骨骼关键点相对正面中立位线和侧面中立位线的偏移情况，以及各个三角形的倾斜状态，完成对人体脊柱侧弯的评估。本发明可以快速完成人体脊柱侧弯的评估，能够应用于大众人群的脊柱侧弯筛查工作，有利于脊柱侧弯的早发现、早诊断、早治疗，对整个社会和全民健康均具有重要意义。

Description

一种基于人体骨骼关键点的脊柱侧弯评估方法
技术领域
本发明涉及智能识别的技术领域，尤其涉及一种基于人体骨骼关键点的脊柱侧弯评估方法。
背景技术
脊柱侧弯是一种复杂的脊柱三维(3D)畸形，其特征是侧弯和轴向椎体旋转(AVR)，脊柱可能从矢状面移动或旋转到其他解剖平面。随着电子设备的普及与人们久坐时间的增长，不同程度的脊柱侧弯在儿童、青少年以及成人中频频出现，轻度的脊柱侧弯通过长期的运动康复可以恢复正常，重度的则需要手术，但无论是轻度还是重度在进行治疗前都需要进行脊柱侧弯的筛选和评估，准确快速的脊柱侧弯评估对脊柱侧弯的矫正具有重要意义。
目前脊柱侧弯的筛查仍然采用人工评估的方法，存在效率低、主观性强、成本高的缺点；而专业的脊柱侧弯评估可在医院或专业机构，通过拍摄x光片计算Cobb角的方法进行评估，存在设备价格昂贵、流程复杂等缺点。
发明内容
本发明提供了一种基于人体骨骼关键点的脊柱侧弯评估方法，解决了现有人工评估脊柱侧弯的方法效率低、主观性强、成本高等问题。
本发明可通过以下技术方案实现：
一种基于人体骨骼关键点的脊柱侧弯评估方法，从人体的正面图和侧面图中提取对称分布的25个骨骼关键点，基于这些骨骼关键点，计算人体的正面中立位线和侧面中立位线，以及脖子、肩膀和髋部所在的三角形，根据骨骼关键点相对正面中立位线和侧面中立位线的偏移情况，以及各个三角形的倾斜状态，完成对人体脊柱侧弯的评估。
进一步，所述25个骨骼关键点分别设置为0鼻子、1脖子、2右肩、3右肘、4右腕、5左肩、6左肘、7左腕、8臀部中心、9右髋、10右膝、11右踝、12左髋、13左膝、14左踝、15右眼、16左眼、17右耳、18左耳、19左大趾、20左小趾、21左脚跟、22右大趾、23右小趾、24右脚跟，
对骨骼关键点中的0鼻子、1脖子、8臀部中心以及15右眼和16左眼的中点、17右耳和18左耳的中点、2右肩和5左肩的中点、9右髋和12左髋的中点、10右膝和13左膝的中点、11右踝和14左踝的中点进行拟合建立正面中立位线；
对骨骼关键点中的1脖子、8臀部中心、13左膝、14左踝进行拟合建立侧面中立位线；
脖子所在的三角形由0鼻子、1脖子和18左耳组成，肩部所在的三角形由1脖子、8臀部和5左肩组成，髋部所在的三角形由1脖子、8臀部和12左髋组成。
进一步，利用如下方程式，采用均方根误差RMSE评估脊柱中立位的偏移程度，
Figure GDA0004134675850000021
其中，yi表示0鼻子、1脖子、8臀部中心以及15右眼和16左眼的中点、17右耳和18左耳的中点、2右肩和5左肩的中点、9右髋和12左髋的中点、10右膝和13左膝的中点、11右踝和14左踝的中点，或者1脖子、8臀部中心、13左膝、14左踝；
Figure GDA0004134675850000031
表示拟合得到的正面中立位线或者侧面中立位线上以0鼻子、1脖子、8臀部中心以及15右眼和16左眼的中点、17右耳和18左耳的中点、2右肩和5左肩的中点、9右髋和12左髋的中点、10右膝和13左膝的中点、11右踝和14左踝的中点，或者1脖子、8臀部中心、13左膝、14左踝的横坐标为横坐标时，对应的纵坐标；
利用方程式|θi-90°|，评估脊柱水平性的偏移程度，其中，θ1表示脖子所在的三角形中∠18左耳0鼻子1脖子的角度值，θ2表示肩部所在的三角形中∠5左肩1脖子8臀部的角度值，θ3表示髋部所在的三角形中∠1脖子8臀部12左髋的角度值。
进一步，所述正面中立位线和侧面中立位线采用最小二项式法拟合获得，采用OpenPose算法从人体的正面图和侧面图中提取25个骨骼关键点。
进一步，在进行人体的正面图和侧面图采集时，测试者的双脚岔开，其间距与肩部相同，双臂自然下垂，眼睛平视前方。
本发明有益的技术效果在于：
(1)本发明所述的基于人体骨骼关键点的脊柱侧弯筛选评估方法，可以对大众人群的脊柱健康情况进行早期的筛查和评估，做到及早发现及早进行康复治疗。
(2)本发明所述的基于人体骨骼关键点的脊柱侧弯筛选评估方法，成本低操作简单，可实时采集图片进行评估，采集图片时仅需要获取人体的正面图和侧面图各一张即可。
(3)本发明将OpenPose人体骨骼关键点提取技术与人工目测脊柱侧弯评估方法相结合，提出了基于人体骨骼关键点的脊柱侧弯筛选评估算法，可以大大提高脊柱侧弯筛选评估的效率，平均评估一个人仅需要30s。
(4)本发明不需要专业人员进行操作，可自行拍设正面图和侧面图输入算法中便可得到检测结果，利于该方法的大众化推广。
附图说明
图1为本发明的现有脊柱侧弯类型示意图；
图2为本发明的总体流程示意图；
图3为本发明的人体骨骼关键点识别提取效果的示意图；
图4为本发明的构建的正、侧面中立位模型示意图，其中，a表示正面中立位模型，b表示侧面中立位模型；
图5为本发明的三角形角度模型示意图。
具体实施方式
下面结合附图及较佳实施例详细说明本发明的具体实施方式。
近年来，在儿童、青少年以及成人中频繁出现不同程度的脊柱侧弯现象，导致缺乏自信、抑郁倾向等心理问题严重的会产生***观念。侧弯筛查是治疗该项疾病必备的前序环节，脊柱侧弯的早发现、早诊断、早治疗对全民健康实现具有重要意义。
目前常见的脊柱侧弯类型有C型脊柱侧弯和S型脊柱侧弯，如图1所示，不论哪种类型的脊柱侧弯最终都会引起各个关节点的不正常移动，例如C型脊柱侧弯会导致左右肩和左右髋的高度明显不同。研究发现脊柱侧弯的人群站立或行走时，人体的各个关节点会有不同程度的偏移，身体各个关节的角度也与正常人不同，因此，能够利用人体关节点的坐标信息可以对脊柱侧弯的程度进行评估。
考虑到OpenPose算法是一种多人2D姿态检测开源实时***，是美国***梅隆大学(CMU)基于卷积神经网络和监督学习并以caffe为框架开发的开源库，配合COCO数据集可以实现人体骨骼关节点精确识别，能够检测包括身体、脚部、手部和面部等多个骨骼关键点的信息，因此，本发明提出了一种基于人体骨骼关键点的脊柱侧弯评估方法利用OpenPose算法提取人体骨骼关键点坐标信息，并通过骨骼关键点的特定位置关系进行脊柱侧弯筛查的方法，从而为广大人群的脊柱侧弯筛查工作提出一种便捷性的解决方案，如图2所示，从人体的正面图和侧面图中提取对称分布的25个骨骼关键点，基于这些骨骼关键点，计算人体的正面中立位线和侧面中立位线，以及脖子、肩膀和髋部所在的三角形，根据骨骼关键点相对正面中立位线和侧面中立位线的偏移情况，以及各个三角形的倾斜状态，完成对人体脊柱侧弯的评估。这样，只需要采集人体的正面图和侧面图，从中识别提取出对称分布的25个骨骼关键点，经过后续中位线和三角形的计算，就可以快速完成人体脊柱侧弯的评估，能够应用于大众人群的脊柱侧弯筛查工作，有利于脊柱侧弯的早发现、早诊断、早治疗，对整个社会和全民健康均具有重要意义，与X射线、超声波和目测法相比，采用普通相机搭配人体骨骼关键点检测的方法具有成本低、无损伤、便携性强等优点。具体如下：
步骤S1、采集人体正面图像和侧面图像，采集这些人体图像时，人仅需要自然站立，双脚岔开，其间距与肩部相同，双臂自然下垂，双手紧贴裤缝，眼睛平视前方，拍照时的物距和其他相机参数需要保持不变；
步骤S2、处理采集来的人体图像使其像素变为480*640大小，并输入OpenPose算法中识别提取人体骨骼关键点，共25个，成对称分布，编号为0-24，与人体各部位呈一一对应关系，如图3所示；
步骤S3、对所获取的骨骼关键点坐标信息进行分析，从而得到正侧面脊柱中立位模型和需要构建的三角形模型，通过分析得到人体脊柱的侧弯参数；
1.正面中立位偏移量计算：
拟合正面中立位线需要用到OpenPose算法提取的0、1、2、5、8、9、10、11、12、13、14、15、16、17、18共15个关节点，其中15-16、17-18、2-5、9-12、10-13、11-14分别为一对，共计6对，利用公式1提取这6对关节点的中点，自上而下分别记为25、26、27、28、29、30，然后，将25-30与0、1、8一共9个点利用最小二乘法及公式2拟合出一条直线y＝ax+b，如图4a所示，其中，参数a由公式2求得，参数b由公式3求得，并将此直线定义为正面中立位线。考虑到最小二乘拟合直线时直线越接近垂直拟合效果越差的缺点，在拟合直线之前需要将上述的9个点的x的坐标值与y的坐标值互换，这样就可以解决这一问题。
Figure GDA0004134675850000061
Figure GDA0004134675850000062
Figure GDA0004134675850000063
/>
然后，再利用点到直线的距离公式4，求得上述9个骨骼关键点到正面中立线的距离中最远距离Smax，最后由公式5求得均方根误差RMSE，这里将RMSE定义为脊柱正面中立位偏移量，这是一个平均量，而最远距离Smax则表示9个骨骼关键点中出现偏差最大的关键点位置，脊柱侧弯对人体影响最大的位置，其中，yi表示0鼻子、1脖子、8臀部中心以及15右眼和16左眼的中点、17右耳和18左耳的中点、2右肩和5左肩的中点、9右髋和12左髋的中点、10右膝和13左膝的中点、11右踝和14左踝的中点，或者1脖子、8臀部中心、13左膝、14左踝；
Figure GDA0004134675850000064
表示拟合得到的正面中立位线或者侧面中立位线上以0鼻子、1脖子、8臀部中心以及15右眼和16左眼的中点、17右耳和18左耳的中点、2右肩和5左肩的中点、9右髋和12左髋的中点、10右膝和13左膝的中点、11右踝和14左踝的中点，或者1脖子、8臀部中心、13左膝、14左踝的横坐标为横坐标时，对应的纵坐标。
Figure GDA0004134675850000071
Figure GDA0004134675850000072
另外骨骼关键点4和7在垂直方向的高度差△h也可以很好的反应脊柱侧弯的程度。△h越大说明侧弯程度越大，脊柱越不健康，需要到医院做进一步检查和治疗。
Δh＝|y4-y7| (6)
2.侧面中立位偏移量计算
拟合侧面中立位线需要用到OpenPose算法提取的1、8、13、14共4个关节点利用公式2-3求得参数a1、b1得到直线y1＝a1x+b1，再利用公式4、5得到各骨骼关键点1、8、13、14偏离侧面中立位线的最远距离Smax1和侧面脊柱中立位偏移量RMSE1，其中，侧面中立位模型如图4b所示。
3.水平性评估
a.构造三角形：将OpenPose算法提取的1、5、8三个骨骼关键点提取出来构造出△ABC，其中，A对应骨骼关键点1、B对应骨骼关键点5、C对应骨骼关键点8，则∠BAC的度数可以衡量左肩的水平性。
b.计算三角形边长：利用两点之间的距离公式7得到三角形3边的边长a、b、c。
Figure GDA0004134675850000073
c.如图5所示，将上步求得的a、b、c直接将带入公式8求角θ1度数。
Figure GDA0004134675850000081
如图5，利用同样的方法取骨骼关键点1(B1)、8(A1)、12(C1)构造△A1B1C1，求角∠B1A1C1；取骨骼关键点1(B2)、0(A2)、18(C2)构造△A2B2C2，求角∠B2A2C2，最终获取∠BAC(θ1)、∠B1A1C1(θ2)和∠B2A2C2(θ3)三个角的度数，从而完成左肩、左髋、脖子的水平性评估。
为了方便描述水平性的误差，以θ1、θ2、θ3与90°的差的绝对值作为评估脊柱侧弯程度最终数据，计算公式如下：
Δθi＝|θi-900|,i＝1,2,3 (9)
步骤S3、对获取的脊柱侧弯参数进行分析，从而获取脊柱侧弯的分析报告。
该脊柱侧弯的分析报告参数包括RMSE、RMSE1、△θi、△h，且以上参数值越大说明脊柱侧弯的程度越严重。
为了证明本发明提出的方法的可行性，设计了不同人群的脊柱中立位偏移量、手部垂直方向高度差和特定关节角度差的对比试验。实验所需的硬件***为：Kinect V2相机，联想Y9000K 2019SE笔记本电脑等；软件为OpenPose***，在Visual Studio 2019上运行。
选择正常人、患有轻度脊柱侧弯、患有中度脊柱侧弯的人各20名作为被试者，按照上文所述步骤获取人体正面和侧面骨骼关键点坐标信息，然后利用本发明所提出的方法对坐标信息进行处理，分别计算出每个被试者的正面RMSE、Smax、△θ1、△θ2、△θ3、△h值和侧面RMSE、Smax1值，不同人群获得试验结果，如表1所示：
表1不同人群的特征值计算结果
Figure GDA0004134675850000091
由实验数据可以发现不同人群的正面RMSE、Smax、△θ1、△θ2、△θ3、△h值和侧面RMSE、Smax1值存在明显的不同，根据这些不同可以对正常人、患有轻度脊柱侧弯和患有中度脊柱侧弯的人进行区分；脊柱偏离中立位的均方根误差超过2.4、手部垂直方向高度差超过6.4个像素或肩倾角△θ1超过2.50时脊柱有可能发生侧弯。本方法可以作为大众脊柱侧弯筛查的方法被运用到实际当中。为了进一步说明本方法的优越性表2将现有脊柱侧弯的筛查评估与本文所提方法进行对比。
表2脊柱侧弯不同筛查评估方法的优缺点及灵敏度比较
Figure GDA0004134675850000092
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，因此，本发明的保护范围由所附权利要求书限定。

Claims (3)

1.一种基于人体骨骼关键点的脊柱侧弯评估方法，其特征在于：从人体的正面图和侧面图中提取对称分布的25个骨骼关键点，基于这些骨骼关键点，计算人体的正面中立位线和侧面中立位线，以及脖子、肩膀和髋部所在的三角形，根据骨骼关键点相对正面中立位线和侧面中立位线的偏移情况，以及各个三角形的倾斜状态，完成对人体脊柱侧弯的评估；
所述25个骨骼关键点分别设置为0鼻子、1脖子、2右肩、3右肘、4右腕、5左肩、6左肘、7左腕、8臀部中心、9右髋、10右膝、11右踝、12左髋、13左膝、14左踝、15右眼、16左眼、17右耳、18左耳、19左大趾、20左小趾、21左脚跟、22右大趾、23右小趾、24右脚跟，
对骨骼关键点中的0鼻子、1脖子、8臀部中心以及15右眼和16左眼的中点、17右耳和18左耳的中点、2右肩和5左肩的中点、9右髋和12左髋的中点、10右膝和13左膝的中点、11右踝和14左踝的中点进行拟合建立正面中立位线；
对骨骼关键点中的1脖子、8臀部中心、13左膝、14左踝进行拟合建立侧面中立位线；
脖子所在的三角形由0鼻子、1脖子和18左耳组成，肩部所在的三角形由1脖子、8臀部和5左肩组成，髋部所在的三角形由1脖子、8臀部和12左髋组成；
利用如下方程式，采用均方根误差RMSE评估脊柱中立位的偏移程度，
Figure FDA0004134675830000011
其中，yi表示0鼻子、1脖子、8臀部中心以及15右眼和16左眼的中点、17右耳和18左耳的中点、2右肩和5左肩的中点、9右髋和12左髋的中点、10右膝和13左膝的中点、11右踝和14左踝的中点，或者1脖子、8臀部中心、13左膝、14左踝；
Figure FDA0004134675830000021
表示拟合得到的正面中立位线或者侧面中立位线上以0鼻子、1脖子、8臀部中心以及15右眼和16左眼的中点、17右耳和18左耳的中点、2右肩和5左肩的中点、9右髋和12左髋的中点、10右膝和13左膝的中点、11右踝和14左踝的中点，或者1脖子、8臀部中心、13左膝、14左踝的横坐标为横坐标时，对应的纵坐标；
利用方程式|θi-90°|，评估脊柱水平性的偏移程度，其中，θ1表示肩部所在的三角形中∠5左肩1脖子8臀部的角度值，θ2表示髋部所在的三角形中∠1脖子8臀部12左髋的角度值，θ3表示脖子所在的三角形中∠1脖子0鼻子18左耳的角度值。
2.根据权利要求1所述的基于人体骨骼关键点的脊柱侧弯评估方法，其特征在于：所述正面中立位线和侧面中立位线采用最小二项式法拟合获得，采用OpenPose算法从人体的正面图和侧面图中提取25个骨骼关键点。
3.根据权利要求1所述的基于人体骨骼关键点的脊柱侧弯评估方法，其特征在于：在进行人体的正面图和侧面图采集时，测试者的双脚岔开，其间距与肩部相同，双臂自然下垂，眼睛平视前方。
CN202111240365.8A 2021-10-25 2021-10-25 一种基于人体骨骼关键点的脊柱侧弯评估方法 Active CN114224322B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111240365.8A CN114224322B (zh) 2021-10-25 2021-10-25 一种基于人体骨骼关键点的脊柱侧弯评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111240365.8A CN114224322B (zh) 2021-10-25 2021-10-25 一种基于人体骨骼关键点的脊柱侧弯评估方法

Publications (2)

Publication Number Publication Date
CN114224322A CN114224322A (zh) 2022-03-25
CN114224322B true CN114224322B (zh) 2023-06-02

Family

ID=80743216

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111240365.8A Active CN114224322B (zh) 2021-10-25 2021-10-25 一种基于人体骨骼关键点的脊柱侧弯评估方法

Country Status (1)

Country Link
CN (1) CN114224322B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013248089A (ja) * 2012-05-31 2013-12-12 Kitasato Institute 側弯症スクリーニングシステム、これに使用する側弯症判定プログラム，及び端末装置
CN106022213A (zh) * 2016-05-04 2016-10-12 北方工业大学 一种基于三维骨骼信息的人体动作识别方法
CN107481228A (zh) * 2017-07-28 2017-12-15 电子科技大学 基于计算机视觉的人体背部脊柱侧弯角度测量方法
CN112472111A (zh) * 2020-12-14 2021-03-12 上海交通大学医学院附属新华医院 一种脊柱侧凸早期自检与康复云平台
CN113499180A (zh) * 2021-06-25 2021-10-15 西安交通大学 一种脊柱侧凸矫形器及其制造方法

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002027635A2 (en) * 2000-09-29 2002-04-04 Koninklijke Philips Electronics N.V. Method and system for extracting spine frontal geometrical data including vertebra pedicle locations
ITTO20030309A1 (it) * 2003-04-18 2004-10-19 St Microelectronics Srl Dispositivo di misura della posizione angolare relativa
US8014625B2 (en) * 2004-11-10 2011-09-06 Agfa Healthcare Method of performing measurements on digital images
WO2006063324A1 (en) * 2004-12-10 2006-06-15 Virginia Tech Intellectual Properties, Inc. Systems and methods for multi-dimensional characterization and classification of spinal shape
JP5344401B2 (ja) * 2009-02-23 2013-11-20 公立大学法人高知工科大学 椎間板負荷の測定装置および測定方法
WO2011065378A1 (ja) * 2009-11-24 2011-06-03 株式会社 レキシー 人工股関節置換手術の術前計画用プログラム及び手術支援用治具
JP2011160824A (ja) * 2010-02-04 2011-08-25 Future Univ-Hakodate 脊椎湾曲症判定支援装置
JP2012120647A (ja) * 2010-12-07 2012-06-28 Alpha Co 姿勢検出装置
US20140066724A1 (en) * 2011-02-18 2014-03-06 Matias Zanartu System and Methods for Evaluating Vocal Function Using an Impedance-Based Inverse Filtering of Neck Surface Acceleration
JP2015150220A (ja) * 2014-02-14 2015-08-24 株式会社日立メディコ Ｘ線ｃｔ装置及び撮影方法
CN105877751A (zh) * 2015-01-06 2016-08-24 中国人民解放军空军总医院 脊柱动态功能检测***
US10695099B2 (en) * 2015-02-13 2020-06-30 Nuvasive, Inc. Systems and methods for planning, performing, and assessing spinal correction during surgery
JP6230084B1 (ja) * 2016-07-08 2017-11-15 株式会社ＲｅＴｅｃｈ 姿勢評価システム
US10751243B2 (en) * 2017-02-22 2020-08-25 Edward B. MacMahon Scoliosis of the mid segment of the thoraco lumbar spine in adolescents: a proposed non-operative solution to the transmitter problem
CN107103309A (zh) * 2017-05-31 2017-08-29 天津中科智能识别产业技术研究院有限公司 一种基于图像识别的学生坐姿检测与纠正***
CN108764089B (zh) * 2018-05-18 2021-04-13 四川效率未来科技有限公司 基于深度相机的人体背部脊柱中线识别方法
CN109330602B (zh) * 2018-11-01 2022-06-24 中山市人民医院 一种女性形体智能评估检测装置及方法、存储介质
CN209916224U (zh) * 2019-01-31 2020-01-10 上海长征医院 一种术中测量胸腰椎曲度变化的装置
CN110016504B (zh) * 2019-05-20 2022-05-24 广州市妇女儿童医疗中心 CDR1as在神经管畸形产前筛查中的应用、神经管畸形产前筛查的产品和方法
CN110495889B (zh) * 2019-07-04 2022-05-27 平安科技（深圳）有限公司 体态评估方法、电子装置、计算机设备及存储介质
CN111383221B (zh) * 2020-03-12 2023-04-28 南方科技大学 一种脊柱侧弯检测模型的生成方法和计算机设备
WO2021179230A1 (zh) * 2020-03-12 2021-09-16 南方科技大学 一种脊柱侧弯检测模型的生成方法和计算机设备
CN213155886U (zh) * 2020-03-31 2021-05-11 绍兴文理学院元培学院 青少年防驼背智能背心
CN111759314A (zh) * 2020-07-09 2020-10-13 上海工程技术大学 一种脚长测量仪及人体特征数据采集装置
CN111904740A (zh) * 2020-08-18 2020-11-10 上海工程技术大学 一种多功能智能轮椅及智能轮椅组合床
CN113052842B (zh) * 2021-05-27 2021-08-27 腾讯科技（深圳）有限公司 脊柱侧弯图像检测模型训练方法、确定方法、装置及设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013248089A (ja) * 2012-05-31 2013-12-12 Kitasato Institute 側弯症スクリーニングシステム、これに使用する側弯症判定プログラム，及び端末装置
CN106022213A (zh) * 2016-05-04 2016-10-12 北方工业大学 一种基于三维骨骼信息的人体动作识别方法
CN107481228A (zh) * 2017-07-28 2017-12-15 电子科技大学 基于计算机视觉的人体背部脊柱侧弯角度测量方法
CN112472111A (zh) * 2020-12-14 2021-03-12 上海交通大学医学院附属新华医院 一种脊柱侧凸早期自检与康复云平台
CN113499180A (zh) * 2021-06-25 2021-10-15 西安交通大学 一种脊柱侧凸矫形器及其制造方法

Also Published As

Publication number Publication date
CN114224322A (zh) 2022-03-25

Similar Documents

Publication Publication Date Title
Zago et al. 3D tracking of human motion using visual skeletonization and stereoscopic vision
CN108209924B (zh) 一种前交叉韧带断裂后步态特征的分析方法
CN110473192A (zh) 消化道内镜图像识别模型训练及识别方法、装置及***
CN110969114A (zh) 一种人体动作功能检测***、检测方法及检测仪
KR100909350B1 (ko) 3차원 생체역학 데이터와 파라메터 분석 방법 및 그 방법을 이용한 장치
US20080031512A1 (en) Markerless motion capture system
CN107115102A (zh) 一种骨关节功能评估方法与装置
WO2017080137A1 (zh) 关节运动检测***、方法及膝关节动态评估方法、***
CN113139962B (zh) 用于脊柱侧凸概率评估的***和方法
Churchill et al. RIVCAM: a simple video-based kinematic analysis for clinical disorders of gait
CN110751100A (zh) 一种体育场馆辅助训练方法与***
Hopkins et al. Validity and reliability of standing posture measurements using a mobile application
US20230355135A1 (en) Intelligent gait analyzing apparatus
CN110477921B (zh) 基于骨架折线Ridge回归的身高测量方法
CN114224322B (zh) 一种基于人体骨骼关键点的脊柱侧弯评估方法
Pradhan et al. Feature extraction from 2D images for body composition analysis
CN113642506A (zh) 一种基于数据匹配进行图像标注的方法和***
CN115105062B (zh) 髋膝关节协调性评估方法、装置、***和存储介质
CN114052725B (zh) 基于人体关键点检测的步态分析算法设定方法以及装置
KR20090059095A (ko) 3차원 생체역학 데이터와 파라메터 분석 방법 및 그 방법을 이용한 장치
CN115568823A (zh) 一种人体平衡能力评估的方法、***和装置
CN114283404A (zh) 一种基于三维骨骼关键点检测的姿势评估方法
Blythman et al. Assessment of deep learning pose estimates for sports collision tracking
CN116012938B (zh) 一种基于AlphaPose算法的CPR自动反馈检测模型的构建方法及***
Hu et al. Effective evaluation of HGcnMLP method for markerless 3D pose estimation of musculoskeletal diseases patients based on smartphone monocular video

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant