脳卒中後の上肢運動評価のためのコンピュータビジョンによるボックス・アンド・ブロックテストの強化

arXiv cs.CV / 2026/4/1

💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、ボックス・アンド・ブロックテストにおける上肢の運動の質を、序数（オーディナル）や純粋に時間に基づくスコアではなく、ワールド座標に整合した関節角度特徴量を用いて評価するコンピュータビジョンの枠組みを提案する。
奥行きセンサや較正用の対象物を用いないキャリブレーション不要の単眼動画で動作し、指・腕・体幹の関節角度を抽出することで実現する。
著者らは、この手法を健常者48名の136件の記録と、脳卒中患者7名のデータで検証し、専門の臨床ラベルを用いずに、教師なしの次元削減によって運動の埋め込み表現を学習する。
学習された埋め込み表現は、健常な運動パターンと脳卒中に関連する逸脱を分離でき、標準的なBBTスコアが類似していても姿勢パターンが異なる患者を識別できる。
本研究は、このカメラベースの手法が、スマホ／カメラによる録画のみを前提として、最小限の臨床家の手間で臨床評価手順を補強し得ることを示唆している。

Abstract

Standard clinical assessments of upper-extremity motor function after stroke either rely on ordinal scoring, which lacks sensitivity, or time-based task metrics, which do not capture movement quality. In this work, we present a computer vision-based framework for analysis of upper-extremity movement during the Box and Block Test (BBT) through world-aligned joint angles of fingers, arm, and trunk without depth sensors or calibration objects. We apply this framework to a dataset of 136 BBT recordings collected from 48 healthy individuals and 7 individuals post stroke. Using unsupervised dimensionality reduction of joint-angle features, we analyze movement patterns without relying on expert clinical labels. The resulting embeddings show separation between healthy movement patterns and stroke-related movement deviations. Importantly, some patients with the same BBT scores can be separated with different postural patterns. These results show that world-aligned joint angles can capture meaningful information of upper-extremity functions beyond standard time-based BBT scores, with no effort from the clinician other than monocular video recordings of the patient using a phone or camera. This work highlights the potential of a camera-based, calibration-free framework to measure movement quality in clinical assessments without changing the widely adopted clinical routine.