一种手关节活动度AI测量 教学仪器设计及临床应用研究

一、研究的意义

在生物医学领域中，关节活动度（range of motion，ROM）是指与关节相邻的移动臂在转动过程中经过的初始位置（固定臂）和终点位置（移动臂）之间夹角的大小，通常用于描述关节的活动范围，单位用度来表示[1]。在20世纪初，由Camusi和Amar首先提出了关节活动度这一概念，其目的是用来评估战争对人们的肢体造成的伤残程度，后来逐渐发展成为一种常见的临床检测项目[2]。在当今和平年代，关节活动度被广泛用于临床康复医学领域，对康复运动系统的功能评定和司法领域对肢体伤残程度的鉴定。目前，很多病理原因（含人口老龄化）都会引起正常人的ROM退化，比较常见的有退化性关节炎、废用综合症、中风等引起的偏瘫、骨折等，例如关节周围的结缔组织病变可能会引发挛缩，致使关节的活动范围变小[3]。在康复医学领域，ROM被当作评定关节运动机能是否受损的一项重要指标。手指关节之间运动的功能范围存在着显著差异，这功能性活动范围对于指导手术和康复适应症以及评估治疗的结果至关重要[4]。因此，若能够精确测量ROM将有助于判断关节的活动是否受到限制、受到限制的程度以及制定合适的治疗方案，为评价康复治疗、训练的效果提供科学的依据。

二、教学仪器设计目标

（1）不需要任何辅助装置情况下，图像关节点（骨性标志）自动识别及稳定识别技术。

（2）将手关节活动度图像转化为手关节活动角度技术及病人非标准平面上运动的手关节活动度图像矫正到标准平面技术。

（3）稳定识别、记忆及自动学习技术，满足教学及临床需求。

三、系统设计 

本系统设计由拍摄系统、主机软件分析系统和电脑工作系统三部分组成（如图 1 系统组成），拍摄系统主要是拍摄和上传图像；主机软件分析系统是进行图像处理分析，能够将复杂的手关节运动图像，分解为三个标准化平面上的单一运动图像，从而精确测量出病人的手关节活动度；电脑工作系统是发出指令与显示手关节活动度测量的结果[11]。

在软件分析系统中笔者使用了OpenPose开源库，它是美国卡耐基梅隆大学基于卷积神经网络与监督学习，并主要以caffe为框架开发的开源库[12]。本系统在OpenPose的基础上，结合当下热门的深度学习，进行数据的特征学习和分层特征提取，从而研发出手关节活动度的算法。本 项目所研究的算法测量具体流程为：①获取手关节活动度视频② AI算法分析视频 ③取得数据 ④计算出结果⑤录入数据库 ⑥统计学分析

四、测量结果

以手关节活动度解剖学测量规范为标准，指导手关节AI测量方法进行测量，并与传统量角器测量方法收集到的数据一起录入数据库，然后对数据进行统计学分析。选取60例手关节活动度受限的病人，用传统量角器测量方法进行测量并实时记录活动角度，同时录制手关节活动度的图像，然后将录制的手关节活动度图像整理上传至分析系统，经过分析生成标准图像下的手关节活动度动态运动幅度角度值（例：如图 2拇指桡侧关节外展测量结果），动态曲线的最低点对应关节活动最小角度，最高点对应关节活动最大角度，最大角度与最小角度两者之差便是最大关节活动度。

 

将录制的全部手关节活动度图像一一上传至分析系统，计算出测量结果，然后将用量角器测量收集到的60例手关节活动度数据和AI算法测量的手关节活动度数据录入数据库（如表 1 数据库示例），形成人体手关节活动度数据库。事后收集更多的数据录入数据库，不断充实数据库，从而使测量结果更加精准快捷。

五、统计学分析

为了验证此AI测量方法的准确性和可行性，笔者将收集整理的60例数据进行统计学分析，包括双变量相关性分析和独立样本T-检验。如表 2  相关性分析可知，量角器和AI的皮尔逊相关性均为0.922、Sig.（单尾）=0.00，且图 3  散点图中的点呈线性相关，所以两者的相关性是显著的。

根据上述数据得到T-检验的结果如表 3 组统计和表 4 独立样本检验所示，可以计算出AI测量和传统量角器测量的平均值误差为0.8368°，标准偏差误差为1.47328°，标准误差平均值误差为0.1902°，且独立样本检验中的显著性为0.398，大于0.05，说明两种测量方法的数据是方差齐性的，第一行T-检验的Sig.（双尾）=0.792>0.05,表明两种测量方法的数据是没有显著性差异的。上述结果说明本文所述的AI测量方法在精确性和稳定性方面都优于传统量角器测量方法。

六、结论

本项目研究提出了一种利用AI技术进行人体手关节活动度的测量评定，通过对手关节活动度视频的关键帧分析，系统能够实时记录、计算并反馈手关节活动度的相关信息。经过上述数据验证,本文所述的手关节活动度AI测量评定方法在精确性、稳定性、快捷性和可重复性方面都具有良好效果。同时，这种AI测量方法还能实时显示测量结果,不仅能够方便康复医师的观察，节省人力物力，还将给临床康复医学带来极大的便利[13]，为临床教学及临床需求提供了精准全新教学仪器方法 。

参考文献

[1]朱忠林. 膝关节三维运动测量方法与应用研究[D].清华大学,2012.

[2]王晓峰,陈百成.影响全膝关节置换术后膝关节活动度的因素[J].中国矫形外科杂志,2008(15):1156-1160.

[3]康宇华,曲镭.关节活动范围研究现状[J].中国康复医学杂志,2001(01):57-59.

[4]Bain GI, Polites N, Higgs BG, Heptinstall RJ, McGrath AM. The functional range of motion of the finger joints.?Journal of Hand Surgery (European Volume). 2015;40(4):406-411. doi:10.1177/1753193414533754

[5]杨宁学,李艳萍.人体运动分析及其在三维互动娱乐中的应用[J].电子测试,2013(10):122-125.

[6]黎洪松,李达.人体运动分析研究的若干新进展[J].模式识别与人工智能,2009,22(01):70-78.DOI:10.16451/j.cnki.issn1003-6059.2009.01.012.

[7]黎洪松,李达.人体运动分析研究的若干新进展[J].模式识别与人工智能,2009,22(01):70-78.DOI:10.16451/j.cnki.issn1003-6059.2009.01.012.

[8]Nicola H, Gerald P, Maxime V, ete. A reproducible method for studying three-di-mensional knee kinematics[J]. Joumal of Biomechanics, 2005,38(9):1926-1931.

[9]胡超. 关节活动度精确测量系统的设计与实现[D].南京大学,2015.

[10]王科俊,陈玮.一种可穿戴式人体运动捕捉系统的设计与实现[J].黑龙江大学工程学报,2013,4(02):97-102.DOI:10.13524/j.2095-008x.2013.02.012.

[11]黄峰,孙雪杨,刘瑞,陈桂平,陈培远.肢体康复动态评定关节活动度(ROM)人工智能测量系统的研制与应用[J].中国现代教育装备,2022(01):47-51.DOI:10.13492/j.cnki.cmee.2022.01.016.

[12]陈汝峰,谢鹏飞,彭成,谭玉林.基于OpenPose的人体姿态检测系统设计与实现[J].电子世界,2020(17):183-184.DOI:10.19353/j.cnki.dzsj.2020.17.082.

[13]胡超,葛云,陈颖.人体关节活动度测量系统[J].中国医学物理学杂志,2016,33(01):34-38.

作者简介

孙雪杨,佛山科学技木学院医学院护理学专业（康复方向）2020级本科生；姜星羽、陈培远、熊丹宇、陶旭泓 佛山科学技木学院医学院本科生。

通讯作者

黄峰,佛山科学技木学院医学院教授。