XiaoMi-AI文件搜索系统
World File Search System侧视图
在帕金森氏病患者中使用人姿势估计的暂时空间和运动学步态参数的评估：近额外和侧视图之间的比较
步态障碍是帕金森氏病（PD）患者最常见的症状之一，与临床不良结局密切相关。最近，基于视频的人类姿势估计（HPE）技术吸引了与基于标记基于标记的3D运动捕获系统更便宜，更简单的方法进行步态分析的方法。然而，尚不清楚基于视频的HPE是否是测量PD患者的临时和运动步态参数的可行方法，以及该功能如何随相机位置而变化。在这项研究中，使用运动捕获系统和两个智能手机摄像机测量了24例早期PD患者的跑步机和地面步行，并放置在受试者的近额和外侧侧面。我们比较了从3D运动捕获系统和无标记的HPE获得的关节位置数据之间的暂时步态参数和运动学特征的差异。我们的结果证实了使用HPE的PD患者的Ana-lyzing步态的可行性。尽管脚后跟和脚趾清晰可见的近额外视图对于估计时间步态参数有效，但横向视图特别适合评估空间步态参数和关节角度。，在侧面记录不可行的临床环境中，近额外的视图记录仍然可以作为运动捕获系统的实际替代方法。
基于贝塞尔梁的侧视图测量七核纤维内部核心分布
鉴于其广泛的应用，包括在纤维剪接，捆绑式风扇中/扇出，模式耦合，编写光栅和光纤绘制的情况下，必须准确了解多核纤维（MCF）的内部核心分布（MCFS）。然而，由于测量精度决定了产品的性能，因此可用于精确测量纤维核心分布的有限方法的广泛使用受到限制。在这项研究中，提出了基于贝塞尔束照明的侧视图和非破坏性方案，用于测量七核纤维的内部核心分布。贝塞尔束在散射介质中提供较大的焦距，并在具有空间变化的折射率变化的外轴介质中传播时表现出独特的图案。结果表明，在贝塞尔梁的情况下，较长的焦距和独特的模式会影响图像对比，这与典型的高斯梁不同。此外，使用数字相关方法证明了基于贝塞尔束的七纤维核心分布的高精度测量。一种深度学习方法用于将测量精度提高到0.2°，精度为96.8％。所提出的侧视图基于贝塞尔束的方法具有处理更复杂的MCF和光子晶体纤维的潜力。