应用深度学习算法来监测上肢任务实践.

科学领域:

• 生物医学工程 生物医学工程
• 康复科学 康复科学 康复科学
• 神经科学是一个神经科学.

背景情况:

• 上肢半严重影响中风后幸存者的生活质量.
• 有效的运动恢复需要大量的重复,特定任务的练习.
• 当前家庭康复的坚持和质量往往不理想,限制了康复.

研究的目的:

• 开发算法,客观地识别上肢运动期间的任务类型和运动质量.
• 为此目的评估使用IMU传感器和LSTM分类器的可行性.

主要方法:

• 20个神经类型参与者执行了四个不同的上肢任务,具有不同的运动质量.
• 惯性测量单元 (IMU) 传感器被戴在手腕上.
• 长期短期记忆 (LSTM) 分类器被训练来区分任务和运动品质.

主要成果:

• 在确定任务类型方面,LSTM模型实现了90.8%的准确性.
• 根据任务,运动质量分类的准确性各不相同:84.9%,81.1%,58.4%和73.2%.
• 模型在看不见的参与者身上表现出有效性.

结论:

• 客观算法可以准确地分类上肢任务类型和运动质量.
• 需要进一步的研究来验证中风幸存者的表现.
• 目标监测和反有潜力提高家庭炼坚持和运动恢复.