การประเมินความสามารถในการคำนวณท่วงท่าการเคลื่อนไหวของมนุษย์ โดยใช้ MediaPipe เพื่อการฟื้นฟูสมรรถภาพจากโรคหลอดเลือดสมองที่บ้าน
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้เน้นการประเมินความแม่นยำของเทคโนโลยีคอมพิวเตอร์วิทัศน์ MediaPipe ในการประมาณค่าท่วงท่าของมนุษย์โดยเปรียบเทียบกับเทคโนโลยีโมชันแคปเจอร์ โดยจะใช้ท่วงท่าอ้างอิงมาจาก Fugl-Meyer Assessment for upper extremity (FMA-UE) ติดตั้งกล้องเว็บแคมสามจุดที่ด้านหน้า 90º ด้านซ้าย 40º และด้านขวา 140º ของผู้เข้าร่วมและผู้เข้าร่วมจะสวมใส่ชุดโมชันแคปเจอร์ตลอดการทดลอง เริ่มต้นการทดลองผู้เข้าร่วมจะทำท่วงท่าโดยการเคลื่อนไหวส่วนของร่างกายทั้งสองด้านพร้อมกัน และข้อมูลจากทั้งสองระบบถูกบันทึกพร้อมกัน ผู้วิจัยจะคำนวณองศาของข้อต่อในร่างกายและเปรียบเทียบร้อยละความแม่นยำ ผลการวิจัยพบว่าความแม่นยำของ MediaPipe ในการประมาณค่าท่วงท่าอ้างอิงจาก FMA-UE ไม่สูงมาก เนื่องจากมีข้อจำกัดในการประมาณค่าท่วงท่าในระนาบดิ่งของแกนแนวลึกและมีช่วงขององศาที่ได้กว้างเกินความเป็นจริง อย่างไรก็ตามการทำให้ข้อมูลขององศาจากการประมาณค่าท่วงท่าเป็นมาตรฐานเดียวกันกับ MoCap ในการคำนวณแบบสองมิติแสดงให้เห็นว่าการคำนวณมีความแม่นยำมากขึ้น ดังนั้น MediaPipe ยังคงสามารถใช้ในการพัฒนาแอปพลิเคชันเชิงตอบโต้และช่วยเหลือแพทย์ประเมินผู้ป่วยเบื้องต้นได้ แต่จำเป็นจะต้องวิจัยและพัฒนาต่อยอดจาก MediaPipe เพื่อใช้ในการประเมินผู้ป่วยขณะทำท่วงท่าจาก FMA-UE
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
I/we certify that I/we have participated sufficiently in the intellectual content, conception and design of this work or the analysis and interpretation of the data (when applicable), as well as the writing of the manuscript, to take public responsibility for it and have agreed to have my/our name listed as a contributor. I/we believe the manuscript represents valid work. Neither this manuscript nor one with substantially similar content under my/our authorship has been published or is being considered for publication elsewhere, except as described in the covering letter. I/we certify that all the data collected during the study is presented in this manuscript and no data from the study has been or will be published separately. I/we attest that, if requested by the editors, I/we will provide the data/information or will cooperate fully in obtaining and providing the data/information on which the manuscript is based, for examination by the editors or their assignees. Financial interests, direct or indirect, that exist or may be perceived to exist for individual contributors in connection with the content of this paper have been disclosed in the cover letter. Sources of outside support of the project are named in the cover letter.
I/We hereby transfer(s), assign(s), or otherwise convey(s) all copyright ownership, including any and all rights incidental thereto, exclusively to the Journal, in the event that such work is published by the Journal. The Journal shall own the work, including 1) copyright; 2) the right to grant permission to republish the article in whole or in part, with or without fee; 3) the right to produce preprints or reprints and translate into languages other than English for sale or free distribution; and 4) the right to republish the work in a collection of articles in any other mechanical or electronic format.
We give the rights to the corresponding author to make necessary changes as per the request of the journal, do the rest of the correspondence on our behalf and he/she will act as the guarantor for the manuscript on our behalf.
All persons who have made substantial contributions to the work reported in the manuscript, but who are not contributors, are named in the Acknowledgment and have given me/us their written permission to be named. If I/we do not include an Acknowledgment that means I/we have not received substantial contributions from non-contributors and no contributor has been omitted.
เอกสารอ้างอิง
สมศักดิ์ เทียมเก่า, “อุบัติการณ์โรคหลอดเลือดสมองประเทศไทย,” วารสารประสาทวิทยาแห่งประเทศไทย, vol. 37, p. 54–60, 2021.
กองโรคไม่ติดต่อหรือสำนักสื่อสารความเสี่ยงฯ กรมควบคุมโรค, “วันอัมพาตโลก 2565 เน้นสร้างความตระหนักรู้เกี่ยวกับสัญญาณเตือนโรคหลอดเลือดสมองให้กับประชาชน,” [ออนไลน์], 2565. เข้าถึงได้: https://pr.moph.go.th/?url=pr/detail/all/02/180623. [เข้าถึงเมื่อ 27 เมษายน 2566].
ตรีนุช อมรภิญโญเกียรติ, “บทบาทของการใช้หุ่นยนต์ฟื้นฟูผู้ป่วยโรคหลอดเลือดสมองในโรงพยาบาล ตากสิน,” วารสารสาธารณสุขและวิทยาศาสตร์สุขภาพ, vol. 5, p. 160–171, 2022.
ปิยธิดา ชูรักษ์, “กรอบแนวคิดการกายภาพบำบัดผู้ป่วยโรคหลอดเลือดสมองในชุมชน,” Thaksin University Online Journal, vol. 1, p. 65, 2022.
J. Adolf et al., “Automatic telerehabilitation system in a home environment using computer vision.,” in pHealth, pp. 142–148, 2020.
G. Bradski and A. Kaehler, Learning OpenCV: Computer vision with the OpenCV library. “O’Reilly Media, Inc.”, 2008.
N. Nakano et al., “Evaluation of 3D markerless motion capture accuracy using OpenPose with multiple video cameras,” Frontiers in sports and active living, vol. 2, art. 50, 2020.
M. Nour, M. Gardoni, J. Renaud and S. Gauthier, “Real-time detection and motivation of eating activity in elderly people with dementia using pose estimation with TensorFlow and OpenCV,” Adv. Soc. Sci. Res. J, vol. 8, p. 28–34, 2021.
D. M. Kishore, S. Bindu and N. K. Manjunath, “Estimation of yoga postures using machine learning techniques,” International Journal of Yoga, vol. 15, no. 2, p. 137 - 143, 2022.
C. El-Habr, X. Garcia, P. Paliyawan and R. Thawonmas, “Runner: A 2D platform game for physical health promotion,” SoftwareX, vol. 10, p. 100329, 2019.
J. W. Burke et al., “Vision based games for upper-limb stroke rehabilitation,” in 2008 International Machine Vision and Image Processing Conference, pp. 159–164, IEEE, 2008.
L. E. Sucar, R. Luis, R. Leder, J. Hernández and I. Sánchez, “Gesture therapy: A vision-based system for upper extremity stroke rehabilitation,” in 2010 Annual International Conference of the IEEE Engineering in Medicine and Biology, 2010.
C. Lugaresi et al., "Mediapipe: A framework for building perception pipelines," arXiv preprint arXiv:1906.08172, 2019.
A. Latreche et al., “Reliability and validity analysis of MediaPipe-based measurement system for some human rehabilitation motions,” Measurement, vol. 214, p. 112826, 2023.
R. Sers et al., “Validity of the Perception Neuron inertial motion capture system for upper body motion analysis,” Measurement, vol. 149, p. 107024, 2020.
P. Palani, S. Panigrahi, S. A. Jammi and A. Thondiyath, “Real-time Joint Angle Estimation using Mediapipe Framework and Inertial Sensors,” in 2022 IEEE 22nd International Conference on Bioinformatics and Bioengineering (BIBE), 2022.
A. Fern'ndez-Baena, A. Susin and X. Lligadas, “Biomechanical validation of upper-body and lower-body joint movements of kinect motion capture data for rehabilitation treatments,” in 2012 fourth international conference on intelligent networking and collaborative systems, 2012.
M. Yahya et al., “Motion capture sensing techniques used in human upper limb motion: A review,” Sensor Review, vol. 39, p. 504–511, 2019.
A. R. Fugl-Meyer et al., “A method for evaluation of physical performance,” Scand. J. Rehabil. Med, vol. 7, p. 13–31, 1975.
I. Hen et al., “The dynamics of spatial behavior: how can robust smoothing techniques help?,” Journal of neuroscience methods, vol. 133, p. 161–172, 2004.
