Keraal Dataset

Keraal数据集是由IMT Atlantique Lab-STICC, UMR 6285 和 FLOWERS U2IS, ENSTA, IP Paris & Inria, 法国创建的，专注于低背痛物理康复的人体运动分析。该数据集包含3D Kinect骨骼位置和方向、RGB视频、2D骨骼数据和医疗注释，共计2622条记录。数据集的创建过程涉及从数据收集到处理的完整研究路径，旨在通过智能辅导系统自主监督康复会话。该数据集的应用领域主要集中在物理康复中的人体运动分析，旨在提高康复效率和患者参与度。

The Keraal Dataset was developed by IMT Atlantique Lab-STICC, UMR 6285 and FLOWERS U2IS, ENSTA, IP Paris & Inria, France, focusing on human motion analysis for physical rehabilitation of low back pain. This dataset encompasses 3D Kinect skeleton positions and orientations, RGB videos, 2D skeleton data, and medical annotations, with a total of 2622 records. The creation of this dataset follows a complete research workflow from data collection to processing, aiming to autonomously supervise rehabilitation sessions through intelligent tutoring systems. Its primary application domains focus on human motion analysis in physical rehabilitation, with the objective of enhancing rehabilitation efficiency and patient engagement.

搜集汇总

数据集介绍

构建方式

Keraal数据集是在2017年至2019年期间，通过招募31名年龄在18至70岁之间的患者参与了一项双盲研究来构建的。这些患者被要求在康复师的指导下，尽可能好地完成三种预定义的腰部疼痛康复练习。数据集包括由Kinect V2传感器捕获的3D骨骼位置和方向、RGB视频、2D骨骼数据以及医疗注释，用于评估运动的正确性、错误分类和身体部位的时间范围。为了确保数据的准确性和可靠性，所有视频均由一名理疗医生和一名理疗师使用Anvil视频注释研究工具进行注释。

使用方法

使用Keraal数据集的方法涉及多个步骤。首先，研究人员需要下载并安装数据集和相应的代码。然后，他们可以使用数据集中的注释来训练和评估运动分析算法。例如，可以使用高斯混合模型（GMM）或长短期记忆网络（LSTM）等算法来评估运动的正确性或识别错误类型。研究人员还可以利用数据集中的时间信息来定位错误发生的具体时间窗口。此外，数据集中的RGB视频和骨骼数据可以用于更深入的运动分析研究。

背景与挑战

背景概述

在医疗康复领域，特别是针对腰椎疼痛的物理康复，自动监控和指导运动的技术正在显示出积极的结果，但仍存在错误和适用性有限的局限性。为了开发和评估由智能辅导系统进行的物理康复，Nguyen等人（2024年）提出了一组医疗数据集，该数据集包括临床患者进行的腰椎疼痛康复运动。数据集包括3D Kinect骨架位置和方向、RGB视频、2D骨架数据和医疗注释，以评估正确性、错误分类和身体部位以及时间跨度的定位。该数据集的创建旨在解决智能辅导系统在康复运动分析中的四个挑战，并为未来研究提供基准。

当前挑战

该数据集面临的挑战包括：1)康复运动评估，即检测康复运动是否正确执行；2)康复错误识别，即对观察到的错误进行分类，以便解释和提供反馈；3)错误的空间定位，即确定导致错误的身体部位；4)错误的时间定位，即检测检测到的错误在序列中的时间段。虽然大多数康复数据集仅提供康复运动评估的注释，但该数据集包括临床患者进行的腰椎疼痛康复运动。数据集包括3D Kinect骨架位置和方向、RGB视频、2D骨架数据以及用于评估每个运动部分正确性、标签和错误时间的信息的医学注释。文章还提供了两种运动分析算法的初始基准。

常用场景

经典使用场景

在低背痛物理康复领域，Keraal数据集被广泛应用于运动评估、错误识别、空间定位和时间定位等方面。通过对患者进行临床研究，该数据集收集了3D Kinect骨架位置和方向、RGB视频、2D骨架数据和医疗注释，以评估运动的正确性、错误分类和身体部位及时间段的定位。这些数据对于开发智能辅导系统，实现康复运动的自主监控和指导具有重要意义。

解决学术问题

Keraal数据集解决了康复运动分析中的四个关键挑战：运动评估、错误识别、空间定位和时间定位。该数据集包含详细的医疗注释，有助于研究人员更深入地评估康复运动，并区分微小错误和正确序列。这对于提高康复运动的准确性和有效性具有重要意义。

实际应用

Keraal数据集在实际应用中，可用于开发智能辅导系统，实现康复运动的自主监控和指导。该数据集可以帮助患者在家中自主进行康复运动，并提供实时反馈，以提高康复运动的准确性和有效性。此外，该数据集还可以用于远程医疗，为无法访问康复中心的患者提供更好的康复运动方案。

数据集最近研究

最新研究方向

在康复医学领域，低背部疼痛的物理康复一直是研究的重点。Keraal数据集的发布为这一领域带来了新的研究可能性。该数据集包含临床患者进行低背部疼痛康复练习时的3D Kinect骨架位置和方向、RGB视频、2D骨架数据和医疗注释，旨在评估运动的正确性、错误分类和身体部位及时间跨度的定位。该数据集的独特之处在于其在临床环境中记录了患者的康复运动，使用了一种成本效益高、便携且方便的传感器。此外，该数据集还展示了在这些挑战上的改进潜力。目前的研究方向主要集中在利用Keraal数据集评估和比较各种运动分析算法的性能，并探索在康复运动评估和错误识别任务中实现更高精度的方法。未来的研究目标包括进一步扩展数据集中的康复练习数量，以及标注更多的样本，以促进智能辅导系统的开发，并为那些难以接触康复中心的患者提供更好的锻炼机会。

相关研究论文

• A Medical Low-Back Pain Physical Rehabilitation Dataset for Human Body Movement Analysis

  IMT Atlantique Lab-STICC, UMR 6285 和 FLOWERS U2IS, ENSTA, IP Paris & Inria, 法国 · 2024年