引用本文： 呂璐璐, 楊建濤, 顧凡彬, 范景元, 王朝陽, 朱慶棠, 劉小林. 關鍵點矩陣技術用于手指關節運動角度無接觸式智能測量的可行性研究. 中國修復重建外科雜志, 2022, 36(5): 540-547. doi: 10.7507/1002-1892.202201078 復制
手指關節運動角度的測量在手外科治療、康復、工傷鑒定、勞動能力評估等領域均有應用需求[1-3]，但傳統手工測量繁瑣復雜，存在耗時、低效、主觀性強等不足[4-6]。近年，自動化測量技術日益成熟并逐漸應用到不同臨床場景中，主要分為穿戴式和無接觸式兩類[7]。穿戴式設備即通常所說的“數據手套”，可隨身攜帶且不受測量場地限制[8]，但測量舒適性和適配性不高，還存在交叉感染風險和阻擋受試者手部運動的可能[9]。無接觸式設備是手部關節運動測量的全新工具，主要為不同型號的深度相機，如Leap MotionTM、KinectTM、RealsenseTM、CubemosTM等。通過上述設備可以獲得待測物體的空間位置信息，測量方式便捷高效，對受試者手部動作無干擾[10-11]，具有廣闊的臨床應用潛力。
深度相機解決了手部運動測量的空間位置采集問題，但不能直接輸出臨床關注的手部關節運動角度、長度等指標，需要通過算法進一步轉化。不同于基于視覺的肢體動作捕捉系統，深度相機是將手部解剖結構簡化為代表手部關節運動中心的一系列關鍵點組合[11]。相機輸出的關鍵點空間位置信息由按照固定長方陣列排列的三維坐標組成，即為關鍵點矩陣。用關鍵點矩陣代表手和手部運動，經過計算轉化為手指關節運動角度，可以提高計算效率，最大限度提取手部運動信息，有效解決傳統手工測量存在的一系列問題[12-13] ，方便后續手部動作動態追蹤研究。本研究對關鍵點矩陣技術與傳統手工測量方法進行了對比分析，探討該技術用于臨床手指關節運動角度無接觸式智能測量的可行性。報告如下。
1 研究對象與方法
1.1 研究對象
納入標準：① 年齡16～70歲；② 無涉及雙手的系統性疾病史。排除標準：① 手部創傷性疾病史；② 手部占位性病變；③ 手部截指；④ 手部先天性畸形。2021年5月—11月共33名志愿者符合標準納入研究，其中男20名，女13名；年齡16～70歲，平均30.2歲。
1.2 手工測量方法
手指各關節運動角度測量由2名經過質量控制培訓的手外科醫生完成。使用傳統角度尺（精確度0.1°），參照美國俄亥俄大學關節運動測量指南（第5版）推薦的手背側測量技術[14]，測量雙手五指14個關節伸直（含過伸）角度和四指（不含拇指）12個關節屈曲角度。讀數3次取均值，計為1次測量結果。手工測量結果作為評價關鍵點矩陣技術測量結果的標準對照。
1.3 關鍵點矩陣技術測量方法
1.3.1 數據采集工具
本研究采用SR300深度相機（Intel公司，美國）[10]作為數據采集工具，主要由1個普通彩色相機和1個紅外相機組成，可以以60幀/s的速度同時測量代表手指各關節運動中心的22個關鍵點位置信息。測量時志愿者端坐于桌前，將深度相機固定于微型三腳架上，通過3.0 USB接口將其連接在已安裝配套工具包的電腦上，測量數據同步輸入電腦。見圖1。
圖1
基于關鍵點矩陣技術的無接觸式智能測量裝置的工作場景及其示意圖
a. 臨床工作場景；b. 工作示意圖
Figure1. System configuration of key point matrix technology based contactless automatic measurementa. System application under clinical settings; b. System configuration in clinical settings
1.3.2 關鍵點矩陣
深度相機內置幾何深度學習算法，可智能識別、追蹤、捕捉手部動作，并生成由22個關鍵點組成的代表手部基本結構的骨架；相機內置的紅外線傳感器向待測物發射經編碼的紅外光，根據接收到的反射光線形變來計算并輸出關鍵點骨架的三維空間坐標矩陣[10]，即每個關鍵點均有x、y、z 3個維度，因此1只解剖結構完整的手及其動作均可以關鍵點矩陣表示，即X=∈R3×22，見圖2a、b。
圖2
手指關節運動角度測量示意圖
a. 構成手部結構的關鍵點矩陣；b. 深度相機測量手部運動時的三維坐標系；c. 各關節運動角度方向的右手螺旋法則判別方法和手指從伸直（含過伸）到屈曲示意圖（點A、B、C分別代表組成手指關節的3個關鍵點；∠α、∠β、∠γ分別代表關節屈曲角度；∠α’代表關節過伸角度）
Figure2. Sketch map of the measurement for joint motion of handa. Hand skeleton made up by the key points matrixes; b. Three dimensional coordinate system for measuring hand motion with depth camera; c. Algorithm for joint motion of hand by right hand spiral rule and the sketch map of the finger from extension (hyperextension) to flexion Let the joint of fingers be denoted by three key points A, B, and C;∠α,∠β, and ∠γ represented the joint flexion while ∠α’ represented the joint hyperextension
1.3.3 核心算法
獲得深度相機輸出的手指各關節運動關鍵點矩陣（由三維空間坐標組成）數據后，根據向量內積（the dot product）算法計算手指各關節的運動角度（圖2c）。設代表手部關節的3個關鍵點A、B、C的三維坐標分別為（xi，yi，zi）、（xj，yj，zj）和（xk，yk，zk），組成向量 
和
，則關節運動角
ABC的弧度計算方法如下[6, 15]：
 |
當四指外展伸直達到最大限度時，部分志愿者掌指關節和/或近側指間關節會出現過伸情況，本研究采用向量
和
外積（the cross product）的右手螺旋法則來判斷處于伸直狀態的手指關節是否過伸[15]（圖2c），按照慣例將過伸角度定義為負值[16]。
1.3.4 測量方法和數據處理
測量時志愿者端坐于桌前，待測側肘關節屈曲約45°，肘下墊三角形軟墊，手掌面朝向相機，鏡頭與手掌面保持平行，二者距離30～40 cm。分別在五指伸直張開、拇指伸直橈側外展以及四指握拳（點贊姿勢）兩個手勢狀態下，測量手部五指共14個關節伸直（含過伸）角度和四指（不含拇指）12個關節屈曲角度。要求志愿者在測量期間盡量將五指伸直、外展，或四指握拳屈曲達到最大程度并維持穩定。見圖1。
每個手勢每次測量時間為10 s，可輸出手部22個關鍵點三維空間坐標數據3 000條（測量125次），清洗冗余數據后，按照上述算法取每個手部關鍵點測量100次的均值計為1次測量結果。
1.4 試驗設計
1.4.1 小樣本組間重復測量對比觀察
隨機納入5名志愿者（10只手），每個關節兩種方法各獲得30次測量結果。以重復性與準確性為評價指標[17-18]，二者均以5° 為臨床可接受限值[5, 19- 20]。重復性指標計算方式為重復測量結果誤差均方的平方根[17]，準確性指標以關鍵點矩陣技術測量值與手工測量值的差值表示。
1.4.2 大樣本配對準確性比較觀察
隨機納入28名志愿者（56只手）。參照1.4.1測量方法及指標，每人每個指標獲得1次測量結果。以準確性為主要評價指標，計算方式和臨床可接受限值同1.4.1。
1.5 統計學方法
采用SPSS22.0統計軟件進行分析。計量資料進行正態性檢驗，如符合正態分布，數據以均數±標準差表示；采用Pearson相關分析、組內相關系數（intra-class correlation coefficient，ICC）、配對t檢驗分析測量結果一致性。檢驗水準α=0.05。
2 結果
關鍵點矩陣技術測量手指關節運動角度的平均重復性分別為1.801°（伸直）和7.823°（屈曲）。與手工測量相比，手指各關節伸直角度平均差值為3.225°、屈曲角度平均差值為14.145°。兩種方法測量結果整體一致性較強（ICC=0.875），單個關節測量結果一致性大部分處于中等強度水平（ICC中位數為0.440）。兩種方法測量結果在關節伸直時主要表現為正相關（P<0.05），在關節屈曲時主要表現為負相關（P<0.05）。具體各項評價結果如下。
2.1 小樣本組間重復測量對比觀察結果
圖3
小樣本組間重復測量對比雷達圖
Figure3.
Radar map for comparison between depth camera and goniometer by repeated measurement for joint motion of hand
表1
關鍵點矩陣技術測量的重復性和準確性
Table1.
Accuracy and repeatability for the key point matrix technology
2.1.1 重復性檢測
關鍵點矩陣技術測量五指各關節伸直重復性為0.209°～3.404°，平均1.801°；四指各關節屈曲角度重復性為5.102°～12.289°，平均7.823°，重復性均>5°。
手工測量五指各關節伸直重復性為0.041°～4.220°，平均0.726°；四指各關節屈曲角度重復性為0.438°～2.404°，平均為0.939°。
2.1.2 一致性檢驗
Pearson相關分析：① 伸直角度方面，以下關節兩種方法測量結果成正相關（P<0.05），包括拇指掌指關節、示指掌指關節、中指近節指間關節、中指遠節指間關節、環指遠節指間關節、小指近節指間關節；環指掌指關節、小指掌指關節成負相關（P<0.05）；其余關節無相關（P>0.05）。② 屈曲角度方面，除中指近節指間關節、小指近節指間關節兩種方法測量結果無相關（P>0.05）以及環指近節指間關節間成正相關（P<0.05）外，其余關節均成負相關（P<0.05）。
ICC分析：① 伸直角度方面，示指遠節指間關節、中指掌指關節兩種方法測量結果一致性較強（ICC>0.6），拇指指間關節及環指近節指間關節一致性較弱（ICC<0.2），其余均為中等程度一致性（0.2<ICC<0.6）。 ② 屈曲角度方面，環指掌指關節、小指遠節指間關節兩種方法測量結果一致性程度較弱（ICC<0.2），其余關節均為中等程度一致性（0.2<ICC<0.6）。
2.1.3 準確性分析
① 伸直角度方面，所有關節兩種測量結果差值均<5°。② 屈曲角度方面，中指、環指、小指掌指關節兩種測量結果差值<5°，其余關節差值均>5°。
2.2 大樣本配對準確性比較觀察結果
圖4
兩種方法測量手指關節活動范圍
Figure4.
Comparison between depth camera and manual goniometer for joint motion of hand
表2
關鍵點矩陣技術測量的準確性分析
Table2.
Accuracy for the key point matrix technology
2.2.1 一致性檢驗
Pearson相關分析：① 伸直角度方面，除示指近節指間關節、示指遠節指間關節、中指遠節指間關節、環指掌指關節、小指遠節指間關節兩種方法測量結果無相關（P>0.05）外，其余關節均成正相關（P<0.05）。② 屈曲角度方面，各關節兩種方法測量結果均無相關（P>0.05）。
配對t檢驗：① 伸直角度方面，除以下關節兩種方法測量結果差異無統計學意義（P>0.05）外，包括拇指掌指關節、示指遠節指間關節、中指遠節指間關節、環指掌指關節、小指掌指關節、小指遠節指間關節，其余關節差異均有統計學意義（P<0.05）。② 屈曲角度方面，除示指、中指、環指、小指掌指關節兩種方法測量結果差異無統計學意義（P>0.05）外，其余關節差異均有統計學意義（P<0.05）。
ICC分析：① 伸直角度方面，以下關節兩種方法測量結果一致性較強（ICC>0.6），包括拇指掌指關節和指間關節、中指掌指關節和近節指間關節、環指遠節指間關節、小指近節指間關節；示指遠節指間關節一致性程度較弱（ICC<0.2）；其余關節一致性程度均為中等強度（0.2<ICC<0.6）。 ② 屈曲角度方面，兩種方法測量結果中示指掌指關節一致性程度較強（ICC>0.6），中指、環指、小指掌指關節以及環指、小指遠節指間關節一致性程度為中等強度（0.2<ICC<0.6），其余關節一致性程度較弱（ICC<0.2）。
2.2.2 準確性分析
① 伸直角度方面，兩種測量結果差值<5°的關節包括拇指和小指各關節，示指、中指、環指掌指關節以及遠節指間關節。② 屈曲角度方面，各關節兩種方法測量結果差值均>5°。
3 討論
3.1 技術重復性與準確性的研究意義
手指運動角度測量是手功能評價的核心。關鍵點矩陣技術可將深度相機輸出的手部空間位置信息轉化為手指關節運動角度信息，重復性和準確性是評價其是否適用于臨床的重要指標。擬用于臨床場景的手部運動信息測量系統還需兼顧常見環境影響、受試者復雜個體差異、醫務人員核心需求等因素。因此，本研究參考相關臨床指南[17-18]，設計小樣本組間重復試驗來控制受試者個體差異，評估關鍵點矩陣技術測量的重復性和準確性；然后通過大樣本配對試驗將小樣本試驗結果進一步驗證和外擴。同時將臨床可接受的準確性和重復性界值均定為5°[5, 21]，以便于定量評估該測量系統的臨床實用性。
3.2 小樣本組間重復測量對比結果分析
除了自身重復測量來評估系統的重復性，本研究還同步設立了手工測量作為標準對照來評估系統在重復測量時的準確性。本試驗采集了近180萬條數據，單個關節運動角度獲得300次重復測量結果。總體上來說，除個別關節外，五指各關節伸直角度的平均重復性和準確性指標基本都在5° 以內，說明該系統測量的結果不僅準確而且穩定，具有一定臨床實用價值。在測量四指各關節屈曲角度時，系統的平均重復性和準確性指標基本上超過了5°，但與使用其他光學相機的研究結果相近[22-23]。為進一步提高關節角度測量的準確性和穩定性，需要繼續研究對系統輸出的關鍵點矩陣信息進行校正的可行性。
3.3 大樣本配對準確性比較觀察的意義
手指運動范圍有較大個體差異[24]，關鍵點矩陣技術測量不同個體手部活動范圍的準確性是本研究重要目的之一。本試驗采集了近35萬條數據，通過從準確性、與手工測量結果的相關性評價等方面分析，發現關鍵點矩陣技術測量手指關節伸直狀態的準確性優于屈曲狀態。當測量手指各關節伸直角度時，除個別指標外，大部分測量結果的準確性指標都符合臨床要求；而各手指關節屈曲角度的測量準確性指標（平均約23°）超過臨床可接受范圍，該結果與Nizamis等[25]研究結果較為接近（平均約29°），但不同于Arman等[9]和Pham等[19]準確性指標均<5° 的研究結果。出現這種情況的原因除了各研究數據采集設備不完全一致外，主要還是因為光學動作捕捉設備無法避免遮擋問題[7]。當手指處于伸直狀態時，深度相機視野無遮擋，測量結果穩定準確；當手指處于完全屈曲狀態時，出現嚴重的自我遮擋，使深度相機無法獲得手部指間關節測量點的準確位置信息，只能通過系統內置的幾何深度學習算法對其進行估計[22]，具有較大的隨意性和不確定性。相機能夠“看到”就能準確測量到，這提示我們可以通過多相機聯合測量和把不同相機的視野進行融合來提高測量的準確性。
3.4 本研究局限性
第一，受限于系統內置的關鍵點位置和個數，本研究只能在這些關鍵點輸出的矩陣信息中提取、計算各臨床指標，而不能進行臨床適應性改變，未來需要研發針對臨床工作需求的更為專業的無接觸式智能測量系統。第二，因拇指獨特的解剖結構和生理位置，有其特殊的評價指標，導致無法與四指運動同步評估，因此本研究未測量拇指屈曲、外展、內收、對掌等運動角度。
利益沖突 在課題研究和文章撰寫過程中不存在利益沖突
倫理聲明 研究方案經中山大學附屬第一醫院臨床科研和實驗動物倫理委員會批準（[2021]387號）；所有受試者均知情同意
志謝 中山大學附屬第一醫院冷柏教授、鄭劍文老師
作者貢獻聲明 呂璐璐、楊建濤：研究設計、論文撰寫和數據統計分析；劉小林、朱慶棠：研究選題及論文審閱修改；顧凡彬、范景元、王朝陽：收集臨床資料
手指關節運動角度的測量在手外科治療、康復、工傷鑒定、勞動能力評估等領域均有應用需求[1-3]，但傳統手工測量繁瑣復雜，存在耗時、低效、主觀性強等不足[4-6]。近年，自動化測量技術日益成熟并逐漸應用到不同臨床場景中，主要分為穿戴式和無接觸式兩類[7]。穿戴式設備即通常所說的“數據手套”，可隨身攜帶且不受測量場地限制[8]，但測量舒適性和適配性不高，還存在交叉感染風險和阻擋受試者手部運動的可能[9]。無接觸式設備是手部關節運動測量的全新工具，主要為不同型號的深度相機，如Leap MotionTM、KinectTM、RealsenseTM、CubemosTM等。通過上述設備可以獲得待測物體的空間位置信息，測量方式便捷高效，對受試者手部動作無干擾[10-11]，具有廣闊的臨床應用潛力。
深度相機解決了手部運動測量的空間位置采集問題，但不能直接輸出臨床關注的手部關節運動角度、長度等指標，需要通過算法進一步轉化。不同于基于視覺的肢體動作捕捉系統，深度相機是將手部解剖結構簡化為代表手部關節運動中心的一系列關鍵點組合[11]。相機輸出的關鍵點空間位置信息由按照固定長方陣列排列的三維坐標組成，即為關鍵點矩陣。用關鍵點矩陣代表手和手部運動，經過計算轉化為手指關節運動角度，可以提高計算效率，最大限度提取手部運動信息，有效解決傳統手工測量存在的一系列問題[12-13] ，方便后續手部動作動態追蹤研究。本研究對關鍵點矩陣技術與傳統手工測量方法進行了對比分析，探討該技術用于臨床手指關節運動角度無接觸式智能測量的可行性。報告如下。
1 研究對象與方法
1.1 研究對象
納入標準：① 年齡16～70歲；② 無涉及雙手的系統性疾病史。排除標準：① 手部創傷性疾病史；② 手部占位性病變；③ 手部截指；④ 手部先天性畸形。2021年5月—11月共33名志愿者符合標準納入研究，其中男20名，女13名；年齡16～70歲，平均30.2歲。
1.2 手工測量方法
手指各關節運動角度測量由2名經過質量控制培訓的手外科醫生完成。使用傳統角度尺（精確度0.1°），參照美國俄亥俄大學關節運動測量指南（第5版）推薦的手背側測量技術[14]，測量雙手五指14個關節伸直（含過伸）角度和四指（不含拇指）12個關節屈曲角度。讀數3次取均值，計為1次測量結果。手工測量結果作為評價關鍵點矩陣技術測量結果的標準對照。
1.3 關鍵點矩陣技術測量方法
1.3.1 數據采集工具
本研究采用SR300深度相機（Intel公司，美國）[10]作為數據采集工具，主要由1個普通彩色相機和1個紅外相機組成，可以以60幀/s的速度同時測量代表手指各關節運動中心的22個關鍵點位置信息。測量時志愿者端坐于桌前，將深度相機固定于微型三腳架上，通過3.0 USB接口將其連接在已安裝配套工具包的電腦上，測量數據同步輸入電腦。見圖1。
圖1
基于關鍵點矩陣技術的無接觸式智能測量裝置的工作場景及其示意圖
a. 臨床工作場景；b. 工作示意圖
Figure1. System configuration of key point matrix technology based contactless automatic measurementa. System application under clinical settings; b. System configuration in clinical settings
1.3.2 關鍵點矩陣
深度相機內置幾何深度學習算法，可智能識別、追蹤、捕捉手部動作，并生成由22個關鍵點組成的代表手部基本結構的骨架；相機內置的紅外線傳感器向待測物發射經編碼的紅外光，根據接收到的反射光線形變來計算并輸出關鍵點骨架的三維空間坐標矩陣[10]，即每個關鍵點均有x、y、z 3個維度，因此1只解剖結構完整的手及其動作均可以關鍵點矩陣表示，即X=∈R3×22，見圖2a、b。
圖2
手指關節運動角度測量示意圖
a. 構成手部結構的關鍵點矩陣；b. 深度相機測量手部運動時的三維坐標系；c. 各關節運動角度方向的右手螺旋法則判別方法和手指從伸直（含過伸）到屈曲示意圖（點A、B、C分別代表組成手指關節的3個關鍵點；∠α、∠β、∠γ分別代表關節屈曲角度；∠α’代表關節過伸角度）
Figure2. Sketch map of the measurement for joint motion of handa. Hand skeleton made up by the key points matrixes; b. Three dimensional coordinate system for measuring hand motion with depth camera; c. Algorithm for joint motion of hand by right hand spiral rule and the sketch map of the finger from extension (hyperextension) to flexion Let the joint of fingers be denoted by three key points A, B, and C;∠α,∠β, and ∠γ represented the joint flexion while ∠α’ represented the joint hyperextension
1.3.3 核心算法
獲得深度相機輸出的手指各關節運動關鍵點矩陣（由三維空間坐標組成）數據后，根據向量內積（the dot product）算法計算手指各關節的運動角度（圖2c）。設代表手部關節的3個關鍵點A、B、C的三維坐標分別為（xi，yi，zi）、（xj，yj，zj）和（xk，yk，zk），組成向量 和，則關節運動角ABC的弧度計算方法如下[6, 15]：
|
當四指外展伸直達到最大限度時，部分志愿者掌指關節和/或近側指間關節會出現過伸情況，本研究采用向量和外積（the cross product）的右手螺旋法則來判斷處于伸直狀態的手指關節是否過伸[15]（圖2c），按照慣例將過伸角度定義為負值[16]。
1.3.4 測量方法和數據處理
測量時志愿者端坐于桌前，待測側肘關節屈曲約45°，肘下墊三角形軟墊，手掌面朝向相機，鏡頭與手掌面保持平行，二者距離30～40 cm。分別在五指伸直張開、拇指伸直橈側外展以及四指握拳（點贊姿勢）兩個手勢狀態下，測量手部五指共14個關節伸直（含過伸）角度和四指（不含拇指）12個關節屈曲角度。要求志愿者在測量期間盡量將五指伸直、外展，或四指握拳屈曲達到最大程度并維持穩定。見圖1。
每個手勢每次測量時間為10 s，可輸出手部22個關鍵點三維空間坐標數據3 000條（測量125次），清洗冗余數據后，按照上述算法取每個手部關鍵點測量100次的均值計為1次測量結果。
1.4 試驗設計
1.4.1 小樣本組間重復測量對比觀察
隨機納入5名志愿者（10只手），每個關節兩種方法各獲得30次測量結果。以重復性與準確性為評價指標[17-18]，二者均以5° 為臨床可接受限值[5, 19- 20]。重復性指標計算方式為重復測量結果誤差均方的平方根[17]，準確性指標以關鍵點矩陣技術測量值與手工測量值的差值表示。
1.4.2 大樣本配對準確性比較觀察
隨機納入28名志愿者（56只手）。參照1.4.1測量方法及指標，每人每個指標獲得1次測量結果。以準確性為主要評價指標，計算方式和臨床可接受限值同1.4.1。
1.5 統計學方法
采用SPSS22.0統計軟件進行分析。計量資料進行正態性檢驗，如符合正態分布，數據以均數±標準差表示；采用Pearson相關分析、組內相關系數（intra-class correlation coefficient，ICC）、配對t檢驗分析測量結果一致性。檢驗水準α=0.05。
2 結果
關鍵點矩陣技術測量手指關節運動角度的平均重復性分別為1.801°（伸直）和7.823°（屈曲）。與手工測量相比，手指各關節伸直角度平均差值為3.225°、屈曲角度平均差值為14.145°。兩種方法測量結果整體一致性較強（ICC=0.875），單個關節測量結果一致性大部分處于中等強度水平（ICC中位數為0.440）。兩種方法測量結果在關節伸直時主要表現為正相關（P<0.05），在關節屈曲時主要表現為負相關（P<0.05）。具體各項評價結果如下。
2.1 小樣本組間重復測量對比觀察結果
圖3
小樣本組間重復測量對比雷達圖
Figure3.
Radar map for comparison between depth camera and goniometer by repeated measurement for joint motion of hand
表1
關鍵點矩陣技術測量的重復性和準確性
Table1.
Accuracy and repeatability for the key point matrix technology
2.1.1 重復性檢測
關鍵點矩陣技術測量五指各關節伸直重復性為0.209°～3.404°，平均1.801°；四指各關節屈曲角度重復性為5.102°～12.289°，平均7.823°，重復性均>5°。
手工測量五指各關節伸直重復性為0.041°～4.220°，平均0.726°；四指各關節屈曲角度重復性為0.438°～2.404°，平均為0.939°。
2.1.2 一致性檢驗
Pearson相關分析：① 伸直角度方面，以下關節兩種方法測量結果成正相關（P<0.05），包括拇指掌指關節、示指掌指關節、中指近節指間關節、中指遠節指間關節、環指遠節指間關節、小指近節指間關節；環指掌指關節、小指掌指關節成負相關（P<0.05）；其余關節無相關（P>0.05）。② 屈曲角度方面，除中指近節指間關節、小指近節指間關節兩種方法測量結果無相關（P>0.05）以及環指近節指間關節間成正相關（P<0.05）外，其余關節均成負相關（P<0.05）。
ICC分析：① 伸直角度方面，示指遠節指間關節、中指掌指關節兩種方法測量結果一致性較強（ICC>0.6），拇指指間關節及環指近節指間關節一致性較弱（ICC<0.2），其余均為中等程度一致性（0.2<ICC<0.6）。 ② 屈曲角度方面，環指掌指關節、小指遠節指間關節兩種方法測量結果一致性程度較弱（ICC<0.2），其余關節均為中等程度一致性（0.2<ICC<0.6）。
2.1.3 準確性分析
① 伸直角度方面，所有關節兩種測量結果差值均<5°。② 屈曲角度方面，中指、環指、小指掌指關節兩種測量結果差值<5°，其余關節差值均>5°。
2.2 大樣本配對準確性比較觀察結果
圖4
兩種方法測量手指關節活動范圍
Figure4.
Comparison between depth camera and manual goniometer for joint motion of hand
表2
關鍵點矩陣技術測量的準確性分析
Table2.
Accuracy for the key point matrix technology
2.2.1 一致性檢驗
Pearson相關分析：① 伸直角度方面，除示指近節指間關節、示指遠節指間關節、中指遠節指間關節、環指掌指關節、小指遠節指間關節兩種方法測量結果無相關（P>0.05）外，其余關節均成正相關（P<0.05）。② 屈曲角度方面，各關節兩種方法測量結果均無相關（P>0.05）。
配對t檢驗：① 伸直角度方面，除以下關節兩種方法測量結果差異無統計學意義（P>0.05）外，包括拇指掌指關節、示指遠節指間關節、中指遠節指間關節、環指掌指關節、小指掌指關節、小指遠節指間關節，其余關節差異均有統計學意義（P<0.05）。② 屈曲角度方面，除示指、中指、環指、小指掌指關節兩種方法測量結果差異無統計學意義（P>0.05）外，其余關節差異均有統計學意義（P<0.05）。
ICC分析：① 伸直角度方面，以下關節兩種方法測量結果一致性較強（ICC>0.6），包括拇指掌指關節和指間關節、中指掌指關節和近節指間關節、環指遠節指間關節、小指近節指間關節；示指遠節指間關節一致性程度較弱（ICC<0.2）；其余關節一致性程度均為中等強度（0.2<ICC<0.6）。 ② 屈曲角度方面，兩種方法測量結果中示指掌指關節一致性程度較強（ICC>0.6），中指、環指、小指掌指關節以及環指、小指遠節指間關節一致性程度為中等強度（0.2<ICC<0.6），其余關節一致性程度較弱（ICC<0.2）。
2.2.2 準確性分析
① 伸直角度方面，兩種測量結果差值<5°的關節包括拇指和小指各關節，示指、中指、環指掌指關節以及遠節指間關節。② 屈曲角度方面，各關節兩種方法測量結果差值均>5°。
3 討論
3.1 技術重復性與準確性的研究意義
手指運動角度測量是手功能評價的核心。關鍵點矩陣技術可將深度相機輸出的手部空間位置信息轉化為手指關節運動角度信息，重復性和準確性是評價其是否適用于臨床的重要指標。擬用于臨床場景的手部運動信息測量系統還需兼顧常見環境影響、受試者復雜個體差異、醫務人員核心需求等因素。因此，本研究參考相關臨床指南[17-18]，設計小樣本組間重復試驗來控制受試者個體差異，評估關鍵點矩陣技術測量的重復性和準確性；然后通過大樣本配對試驗將小樣本試驗結果進一步驗證和外擴。同時將臨床可接受的準確性和重復性界值均定為5°[5, 21]，以便于定量評估該測量系統的臨床實用性。
3.2 小樣本組間重復測量對比結果分析
除了自身重復測量來評估系統的重復性，本研究還同步設立了手工測量作為標準對照來評估系統在重復測量時的準確性。本試驗采集了近180萬條數據，單個關節運動角度獲得300次重復測量結果。總體上來說，除個別關節外，五指各關節伸直角度的平均重復性和準確性指標基本都在5° 以內，說明該系統測量的結果不僅準確而且穩定，具有一定臨床實用價值。在測量四指各關節屈曲角度時，系統的平均重復性和準確性指標基本上超過了5°，但與使用其他光學相機的研究結果相近[22-23]。為進一步提高關節角度測量的準確性和穩定性，需要繼續研究對系統輸出的關鍵點矩陣信息進行校正的可行性。
3.3 大樣本配對準確性比較觀察的意義
手指運動范圍有較大個體差異[24]，關鍵點矩陣技術測量不同個體手部活動范圍的準確性是本研究重要目的之一。本試驗采集了近35萬條數據，通過從準確性、與手工測量結果的相關性評價等方面分析，發現關鍵點矩陣技術測量手指關節伸直狀態的準確性優于屈曲狀態。當測量手指各關節伸直角度時，除個別指標外，大部分測量結果的準確性指標都符合臨床要求；而各手指關節屈曲角度的測量準確性指標（平均約23°）超過臨床可接受范圍，該結果與Nizamis等[25]研究結果較為接近（平均約29°），但不同于Arman等[9]和Pham等[19]準確性指標均<5° 的研究結果。出現這種情況的原因除了各研究數據采集設備不完全一致外，主要還是因為光學動作捕捉設備無法避免遮擋問題[7]。當手指處于伸直狀態時，深度相機視野無遮擋，測量結果穩定準確；當手指處于完全屈曲狀態時，出現嚴重的自我遮擋，使深度相機無法獲得手部指間關節測量點的準確位置信息，只能通過系統內置的幾何深度學習算法對其進行估計[22]，具有較大的隨意性和不確定性。相機能夠“看到”就能準確測量到，這提示我們可以通過多相機聯合測量和把不同相機的視野進行融合來提高測量的準確性。
3.4 本研究局限性
第一，受限于系統內置的關鍵點位置和個數，本研究只能在這些關鍵點輸出的矩陣信息中提取、計算各臨床指標，而不能進行臨床適應性改變，未來需要研發針對臨床工作需求的更為專業的無接觸式智能測量系統。第二，因拇指獨特的解剖結構和生理位置，有其特殊的評價指標，導致無法與四指運動同步評估，因此本研究未測量拇指屈曲、外展、內收、對掌等運動角度。
利益沖突 在課題研究和文章撰寫過程中不存在利益沖突
倫理聲明 研究方案經中山大學附屬第一醫院臨床科研和實驗動物倫理委員會批準（[2021]387號）；所有受試者均知情同意
志謝 中山大學附屬第一醫院冷柏教授、鄭劍文老師
作者貢獻聲明 呂璐璐、楊建濤：研究設計、論文撰寫和數據統計分析；劉小林、朱慶棠：研究選題及論文審閱修改；顧凡彬、范景元、王朝陽：收集臨床資料
