関連する実験動画
Updated: Feb 14, 2026

Constructing and Visualizing Models using Mime-based Machine-learning Framework
Published on: July 22, 2025
視覚センサーによる機械学習に基づく手機能の補助リハビリテーションシステムに関する研究
1Department of Biomedical Engineering, College of Design and Engineering, National University of Singapore, Singapore 119077, Singapore.
この研究では,脳卒中患者の手機能回復のためのAI駆動システムを開発しました. システムはディープラーニングと拡張現実を使用して,正確な評価を行い,自宅でリハビリ訓練を行います.
科学分野:
- リハビリテーションエンジニアリング
- 医療における人工知能
- ニューロリハビリテーション
背景:
- ストロークを生き延びた人は,ブルンストロームの中期から後半の段階で,手機能回復の課題に直面することが多い.
- 効果的なリハビリテーションには,患者の積極的な参加が不可欠ですが,維持することは困難です.
- 既存の評価方法には,家庭内でのセラピーの精度や魅力的な要素が欠けている可能性があります.
研究 の 目的:
- 先進技術を用いた脳卒中患者の手機能回復を評価する.
- 積極的な参加を奨励するリハビリテーション訓練のための自動化されたシステムを開発する.
- 家庭およびコミュニティベースの脳卒中リハビリテーションのための実現可能で経済的なソリューションを作成します.
主な方法:
- ジェスチャー認識のための焦点損失 (91.0%マクロF1スコア) を備えた深層残留ネットワーク (ResNet) を利用しました.
- 精密な手追跡と確立された骨格関節点マッピングのためのEmployed Leap Motion 2です.
- リアルタイムでモーションレンジを定量化するために,UnityとC#を介して拡張現実 (AR) システムを開発しました.
主要な成果:
- ジェスチャー認識の高精度 (90.9%の検証精度) を達成しました.
- 自動評価・リハビリテーションシステムの技術的な実現可能性と正確性が実証されています.
- FMAスケールに基づいた大きな静的評価ジェスチャーデータセット (502,401フレーム) を収集しました.
結論:
- 開発されたAIとARシステムは,脳卒中患者の手のリハビリテーションのために技術的に実現可能で正確です.
- このシステムは,脳卒中を生き延びた人の動機付け,インタラクティブ性,および自己効率性を高める可能性があります.
- この統合されたフレームワークは,神経リハビリテーションにおける将来の臨床応用のための基盤を提供します.
さらに関連する動画
11:06A Human-machine-interface Integrating Low-cost Sensors with a Neuromuscular Electrical Stimulation System for Post-stroke Balance Rehabilitation
Published on: April 12, 2016
06:44Development of a Novel Task-oriented Rehabilitation Program using a Bimanual Exoskeleton Robotic Hand
Published on: May 20, 2020
関連する概念動画
Higher Mental Functions of Brain: Learning and Memory
EDTA: Auxiliary Complexing Reagents
Machines
A free-body diagram of the...
Hand hygiene
Hand washing...
Exponential Functions with Base e
Machines: Problem Solving II