帕金森病（PD）是老年人常见的神经退行性运动障碍。作为PD的典型症状之一，震颤是PD评估中的重要参考指标。然而，震颤的专家评估是一个耗时费力的过程，对PD的医学评估提出了相当大的挑战。在本文中，我们提出了一个新的全局时差移位深度网络模型（GTSN，Global Temporal-difference Shift Network），仅用智能终端视频便可进行PD震颤的MDS-UPDRS评分。我们先使用欧拉微视频放大（EVM）预处理来放大视频中细微PD震颤特征。同时提出了一个特殊的时间差分模块，该模块将光流叠加到帧间差分结果中，并使用提出的全局时差移位深度网络模型对震颤视频进行多分类评估预测。我们对不同身体部位的PD震颤视频进行了独立评估实验，与其他软硬件方法进行比较，体现了所提出模型所具有的优势。我们的方案为帕金森病运动症状量化评估提供了一种自动，客观和高效的视频智能评估方法。
研究成果目前以“Vision-based estimation of MDS-UPDRS scores for quantifying Parkinson's disease tremor severity”为题发表在医学图像分析领域国际旗舰期刊《Medical Image Analysis》（IF=13.828，中科院一区Top）上，福建师范大学光电与信息工程学院为第一单位，博士研究生刘伟平为第一作者，陈冠楠教授为通讯作者，福建医科大学林宇医生为共同通讯作者。该工作得到了福建省卫生教育联合攻关计划和中央引导地方科技发展专项资金等项目的资助。
论文链接：
https://doi.org/10.1016/j.media.2023.102754
