首页 > 解放军医学院学报 > 基于RTMPose和PatchTST的帕金森病和特发性震颤的视频鉴别诊断研究

基于RTMPose和PatchTST的帕金森病和特发性震颤的视频鉴别诊断研究

Video-based differential diagnosis of Parkinson's disease and essential tremor using RTMPose and PatchTST

二维码有效期 120s

摘要背景帕金森病(Parkinson's disease,PD)与特发性震颤(essential tremor,ET)临床表现相似,当前诊断依赖神经科医师主观量表评估,耗时长且一致性有限.目的开发一种基于视频分析的智能分类模型,结合深度学习实现PD与ET的高效自动鉴别,为无创诊断提供新思路.方法纳入2021年11月—2024年1月解放军总医院门诊14例PD患者与63例ET患者,采集其执行3种标准化上肢运动任务(手指指鼻、翻手掌、握拳张开)的1 136段视频.基于MMPose框架的RTMPose模型提取手腕及手指关键点坐标序列,计算位移、速度及加速度等运动学特征,构建包含时空轨迹与统计学特征数据集.以Transformer架构建立PatchTST模型(输入特征序列按时间窗口分块处理,融合全局注意力机制),并与逻辑回归、XGBoost、随机森林、支持向量机、Informer及长短期记忆网络进行对比.结果 PatchTST模型在融合关键点坐标与运动学特征时的平均模型性能最优,其在手指指鼻任务中的准确度最佳(AUC=0.957),3种运动任务的平均AUC达到了0.897.在全部21种模型组合中,仅纳入运动学特征的LSTM模型性能最差,3种运动任务的平均AUC仅为0.691.结论基于视频的PD与ET智能鉴别诊断方法依托人体姿态估计与深度学习技术,能够高精度、高效率实现无接触的远程诊断,为运动障碍疾病的早期诊断和管理提供参考.

作者彭宇盟 ^[1] 于金泽 ^[2] 潘隆盛 ^[3] 曾梓敬 ^[4] 袁田 ^[5] 时颖 ^[5] 张政波 ^[6] 学术成果认领

作者单位解放军总医院医学创新研究部,北京 100853;解放军医学院,北京 100853;联勤保障部队第923医院神经内科,广西南宁 530021 ^[1] 北京航空航天大学计算机学院,北京 100083 ^[2] 解放军总医院第一医学中心神经外科医学部,北京 100853 ^[3] 解放军总医院第一医学中心神经外科医学部,北京 100853;解放军医学院,北京 100853 ^[4] 解放军总医院医学创新研究部,北京 100853;解放军医学院,北京 100853 ^[5] 解放军总医院医学创新研究部,北京 100853 ^[6]

关键词帕金森病特发性震颤视频诊断人体姿态估计深度学习 Transformer模型远程医疗 Parkinson's disease essential tremor video-based diagnosis human pose estimation deep learning transformer model telemedicine

分类号 R742.5（神经病学与精神病学）

栏目名称

研究生论文精粹

DOI 10.12435/j.issn.2095-5227.25010501

发布时间 2025-12-01（万方平台首次上网日期，不代表论文的发表时间）

基金项目

北京市自然科学基金资助项目（7252299）