摘要
摘要目的通过手机拍摄PD伴冻结步态(FOG)患者的步态视频，构建基于手机视频的PD伴FOG患者的自动识别系统。方法选择广州市第一人民医院神经内科自2020年12月至2021年5月收治的49例PD伴FOG患者，收集患者的临床资料，使用手机拍摄患者"3 m往返"和"3 m往返通过窄道(长0.6 m)的过程，获得87个有效视频，标注每个视频的转身阶段、直行阶段及其中的FOG事件。提取视频中关键点的位置信号，对信号预处理后提取特征数据，由特征数据分别建立动作识别模型、直行FOG识别模型和转身FOG识别模型，最后组成端到端的FOG识别模型。采用留一法(LOSO)评估上述模型的性能。结果87个有效视频中25 881个窗口样本，其中22 066个非FOG窗口样本，3815个FOG窗口样本。LOSO法评估结果显示，动作识别模型的灵敏度为83.27%，特异度为91.38%，准确度为89.28%。直行FOG识别模型的灵敏度为57.69%，特异度为88.12%。转身FOG识别模型的灵敏度为61.54%，特异度为98.72%。端到端的FOG识别模型的灵敏度和特异度分别为85.71%、75.73%。结论基于手机视频的PD患者FOG自动识别系统具有较高的灵敏度和特异度，可实现远程识别PD患者的FOG，便于对PD伴FOG患者的筛查和随访。
出版日期
2022年12月13日（中国期刊网平台首次上网日期，不代表论文的发表时间）
