支援ベクトルマシンアルゴリズムベースのウェアラブルデバイスは,障害のある人のためのスポーツリハビリテーショントレーニングにおけるウェアラブルデバイスです

科学分野:

• バイオメディカルエンジニアリング
• リハビリテーション・サイエンス・サイエンス
• 医療における人工知能

背景:

• 障害のある人のためのスポーツリハビリテーションは,トレーニングの有効性を最適化し,進捗状況を監視する上でしばしば課題に直面します.
• ウェアラブルデバイスは,リハビリテーション中のリアルタイムデータ収集とパーソナライズされたフィードバックのための有望な道を提供します.

研究 の 目的:

• 障害のある人のスポーツリハビリテーションを強化するためのサポートベクターマシン (SVM) アルゴリズムと統合されたウェアラブルデバイスの有効性を評価する.
• SVMベースのウェアラブルデバイスを使用するグループとコントロールグループ間の機能的状態,生活の質,およびトレーニング遵守を比較する.

主な方法:

• 159人の障害者をコントロールグループ (日常訓練) と観察グループ (日常訓練+SVMウェアラブルデバイス) に分けました.
• 評価にはWHODAS,WHOQOL-BREF,日常生活の活動 (ADL) スケール,運動範囲 (ROM),歩行,およびトランクパラメータが含まれていました.
• モーションパターン認識のための標準のSVM,PSO-SVM,ABC-SVMアルゴリズムの分類性能が分析されました.

主要な成果:

• 観察グループは,介入後の対照グループと比較して,WHODAS,WHOQOL-BREF,およびADLスコアにおいて有意に大きな改善を示しました.
• 運動範囲の強化,歩行パラメータの改善 (ステップ長さ,ステップ幅,歩行速度),およびトランク制御の改善は,SVMデバイスグループで観察されました.
• 人工ミツバチコロニーSVM (ABC-SVM) アルゴリズムは,動作認識の優れた分類性能を示した.

結論:

• SVMベースのウェアラブルデバイスは,障害のある人の機能的状態,生活の質,および日常生活活動の改善に効果的です.
• SVMモデルとインテリジェント・オプティマイゼーション・アルゴリズムを統合することで,動作認識の正確性とリハビリテーション・システムの総合的なインテリジェンスが向上します.
• この研究は,スポーツリハビリテーションの結果をパーソナライズし,最適化するためのAI駆動ウェアラブル技術の可能性を強調しています.