导语
在帕金森病的手术治疗过程中，手部运动的定量评估对于判断患者运动功能状态以及优化深部脑刺激（DBS）电极定位具有重要意义。
南开大学韩建达教授研究团队提出一种针对帕金森病手术治疗的评估系统，可在手术中对患者手部运动进行实时监测，实现无接触式运动特征提取，并结合可视化数据分析辅助临床决策。
在该系统的实验验证阶段，NOKOV度量动作捕捉系统作为高精度位姿获取的金标准，为无接触测量数据的可靠性提供了关键验证依据。
一、研究背景：帕金森病术中手部运动评估需求
深部脑刺激手术是治疗晚期帕金森病患者的有效方法。客观评估患者的运动情况对手术中准确定位电极至关重要。但现有评估系统存在主观差异、干扰患者自主运动等问题。研究团队设计了一种客观量化评估系统，同时该系统是无接触式监测评估，解决了穿戴式干扰患者自主运动的问题。
二、研究方法概述：基于无接触动作捕捉的系统设计
1、无接触式系统设计
该量化评估系统采用 Leap Motion Controller（LMC）光学传感器，其优势在于体积小巧，可在不接触患者的情况下获取手部运动数据。
LMC 能够以亚毫米级精度和高采样频率，实时获取 27 个手部关键部位的方向信息与三维坐标，并通过软件开发工具包构建图形用户界面（GUI），实现数据的实时显示与自动存储。
评估系统设计框图
2、动作捕捉与位姿获取方式
在系统运行过程中，LMC 逐帧检测患者手部动作，并将位姿数据传输至 GUI 界面。
界面可实时呈现手部模型、运动轨迹，并对运动特征进行定量分析。
为验证该无接触式位姿获取方法的准确性，研究引入 NOKOV度量动作捕捉系统 作为高精度对照系统，对 LMC 采集的数据进行技术验证。
使用NOKOV度量动作捕捉系统进行技术验证
三、实验验证：NOKOV度量动作捕捉作为金标准
1、实验配置与验证方法
在实验验证阶段，研究团队使用 NOKOV度量动作捕捉系统 对 LMC 的测量数据进行可靠性验证。
实验以健康人为受试者，动作捕捉系统由 8 个摄像头 组成，可从不同角度同步检测标记点的空间位置，实现高精度位姿获取。
2、数据对比与结果分析
对比结果包括：
- 原始 LMC 数据
- 校正后的 LMC 数据
- NOKOV度量动作捕捉系统数据
LMC 数据、校正后的LMC数据以及NOKOV度量动作捕捉系统的数据进行对比
实验结果显示：
|
指标 |
实验结果 |
|
平均皮尔逊相关系数 |
0.986 |
|
平均幅度差 |
2.11 mm |
|
运动特征差异 |
无显著差异 |
结果表明，经校正后的无接触测量数据与NOKOV度量动作捕捉系统高度一致，验证了该无接触系统在手部运动特征提取方面的准确性与可靠性。
无接触式量化评估系统的临床试验
四、应用场景：帕金森病术中运动评估
该评估系统已在 20 名接受深部脑刺激手术的帕金森病患者 中完成临床试验。
实验结果证实，该系统在术中手部运动评估方面具有良好的可行性和稳定性能，有望成为手术过程中客观、可视化的运动评估工具。
五、结论
本研究表明，无接触式手部运动评估系统能够有效解决传统评估方法中存在的主观性和干扰问题。在系统验证过程中，NOKOV度量动作捕捉系统作为运动测量的金标准，为无接触光学传感器的数据可靠性提供了关键支撑。
六、关于无接触式手部运动评估系统的FQA
Q1：这篇论文研究的核心问题是什么？
A1：该论文关注的是帕金森病患者在深部脑刺激（DBS）手术过程中，如何对手部运动进行客观、定量、实时评估的问题。
传统术中评估方式依赖医生主观经验，且部分穿戴式设备会干扰患者自主运动，因此研究团队提出了一种无接触式手部运动评估系统，用于手术中实时监测患者运动状态。
Q2：论文提出了一种什么样的技术方法？
A2：论文提出了一种基于光学传感器的无接触式动作捕捉评估系统。
该系统采用 Leap Motion Controller（LMC）作为核心传感器，可在无物理接触的情况下，以高采样率获取手部 27 个关键部位的方向信息与三维位姿数据，并通过图形用户界面（GUI）实现运动轨迹显示、数据存储与定量分析。
Q3：该无接触式评估系统主要用于什么应用场景？
A3：该系统主要用于帕金森病患者深部脑刺激手术（DBS）过程中，对患者的手部运动迟缓（bradykinesia）进行术中定量评估。
通过实时获取手部运动特征，系统可为临床医生提供辅助决策依据，帮助优化电极定位和手术效果。
Q4：论文如何验证无接触测量数据的准确性？
A4：研究团队引入 NOKOV度量动作捕捉系统 作为高精度运动测量金标准，对 LMC 采集的手部运动数据进行实验验证。
在健康受试者实验中，使用包含 8 个摄像头的 NOKOV度量动作捕捉系统，从多角度获取手部标记点的高精度位姿数据，并与无接触系统的数据进行对比分析。
Q5：实验结果说明了什么？
A5：实验结果显示，经校正后的 LMC 数据与 NOKOV度量动作捕捉系统 数据具有高度一致性：
- 平均皮尔逊相关系数达到 0.986
- 平均幅度差为 2.11 mm
- 所有运动特征计算结果无显著差异
这些结果表明，无接触式评估系统在手部运动测量和特征提取方面具有良好的准确性和可靠性。
Q6：NOKOV度量动作捕捉在论文中扮演了什么角色？
A6：在该研究中，NOKOV度量动作捕捉系统作为运动测量的“金标准”，为无接触评估系统的数据准确性提供了关键验证依据。
通过高精度位姿获取与多摄像头同步测量，NOKOV度量动作捕捉有效支撑了无接触光学传感器在医学场景下的可信应用。
Q7：论文的研究结论和意义是什么？
A7：论文证明了一种无接触式手部运动评估系统在帕金森病 DBS 手术中的可行性和可靠性。
研究结果表明，该系统可作为一种客观、量化、可视化的术中评估工具，而 NOKOV度量动作捕捉系统 在实验验证中发挥了不可替代的高精度对照作用，为相关医学与机器人交叉研究提供了重要参考。
七、论文信息
相关研究论文“A non-contact system for intraoperative quantitative assessment of bradykinesia in deep brain stimulation surgery” 发表于医学图像处理及生物医学信息学的国际期刊Computer Methods and Programs in Biomedicine
引用格式
Ningbo Yu, Yang Yu, Jianeng Lin, Yuchen Yang, Jingchao Wu, Siquan Liang, Jialing Wu, Jianda Han, A non-contact system for intraoperative quantitative assessment of bradykinesia in deep brain stimulation surgery, Computer Methods and Programs in Biomedicine, Volume 225, 2022, 107005, ISSN 0169-2607,https://doi.org/10.1016/j.cmpb.2022.107005.
的车牌字符识别系统 - 实践)
