由于使用了深度卷积神经网络体系结构和可识别并跟踪人体关键点的预训练模型的算法，现在可以从录像中快速，可靠和自动地评估肌阵挛性抽搐的严重程度。该研究发表在《癫痫发作》中，是库奥皮奥大学医院癫痫中心，东芬兰大学和神经事件实验室的共同努力。

肌阵挛是指短暂的，非自愿的肌肉抽搐，它是进行性肌阵挛性癫痫1型(EPM1)患者中最致残和进行性耐药的症状。它对刺激敏感，并且其强度在一天中会波动。另外，压力，睡眠不足和焦虑会导致肌阵挛症状的严重加重。肌阵挛的临床客观随访具有挑战性，需要治疗医师的广泛专业知识。因此，医师和医疗行业一直在寻求自动工具来改善连续性肌阵挛评估的一致性和可靠性，以便可靠地估计治疗效果和疾病进展。

统一的肌阵挛评定量表(UMRS)是临床录像的测试小组，是目前用于评估肌阵挛的黄金标准。研究人员使用自动姿态估计和关键点检测方法分析了10个视频记录的UMRS测试面板。自动方法成功地检测和跟踪了人体在运动过程中的预定关键点。研究人员还分析了速度变化和运动的平稳性，以检测和量化活动性癫痫发作期间的肌阵挛性抽搐。使用自动肌阵挛检测获得的评分与临床UMRS肌阵挛相关，并且由经验丰富的临床研究人员评估其行动和功能测试评分。

研究表明，涉及视频点检测和姿势估计的自动方法可以可靠地量化EPM1患者的肌阵挛性抽搐。肌阵挛的自动定量与临床评估密切相关。它还有效地量化了运动的平滑度，并且足够灵敏，可以检测到小振幅和高频肌阵挛性抽搐。