Применение персистентных гомологий для кластеризации данных видеофиксации

Представлен метод кластеризации данных видеофиксации, направленный на оценку постуральной устойчивости с использованием персистентных гомологий – современного подхода топологического анализа, обладающего высокой устойчивостью к шуму и вариабельности динамичных видеоданных. Исследование базируется на экспериментальных данных видеозаписей испытуемых при выполнении теста Ромберга с открытыми и закрытыми глазами, параллельно со стабилометрическим тестированием. Разработанный комплекс методов включает автоматическую сегментацию человеческой фигуры с применением предобученной модели Segment Anything Model, выделение ключевых анатомических точек и расчет угловых параметров тела во временной последовательности. Полученные временные ряды углов выполняются с помощью фильтрации Морса, обеспечивающей отслеживание топологических изменений, и представляются в виде диаграмм персистентности. Далее для анализа сходства и различий между диаграммами используется метрика Вассерштейна. Кластеризация происходит с помощью алгоритма k-средних, что позволяет выявить группы участников и их индивидуальные стратегии компенсации дисбаланса. Результаты демонстрируют, что топологический анализ видеоданных дает более глубокое и детализированное разделение испытуемых по паттернам постуральной устойчивости по сравнению с классической стабилометрией. Методы выявляют различные стратегии стабилизации равновесия от изменений углов туловища до контроля головы и рук, что способствует качественному пониманию механизмов поддержания баланса. Авторы подчеркивают важность учета оптических искажений для повышения точности анализа и подтверждают высокую воспроизводимость и информативность предложенного подхода, открывающего перспективы для персонализированной диагностики и реабилитации пациентов.