基于精确的姿势测量,改进了上肢康复评估的时空图形卷积网络

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
• 医疗保健中的人工智能

背景情况:

• 卒中往往导致肢体运动障碍,需要有效的康复.
• 定量康复评估至关重要,但目前缺乏临床应用.
• 目前用于评估中风后上肢运动功能的方法有限.

研究的目的:

• 开发一种精确和定量方法来评估中风患者上肢运动功能.
• 使用先进的人工智能模型提高康复评估的准确性和稳定性.
• 弥合实验定量评估和临床实践之间的差距.

主要方法:

• 利用两个Azure Kinect传感器,在精确的姿势测量中扩展视野.
• 开发了上肢的多度自由度刚体模型,并优化了反向动力学.
• 实施了改进的时空图卷积网络,具有自我注意力和长短期记忆 (LSTM).

主要成果:

• 拟议的姿势测量方法提高了准确性,稳定性和信号噪声比 (SNR),减少了因闭塞引起的位置跳跃.
• 开发的康复评估模型表现出卓越的性能,平均绝对偏差最低,根平均平方误差和平均绝对百分比误差.
• 该系统有效地评估了上肢运动功能,包括远距离可达的工作空间和近距离自我护理能力.

结论:

• 这种新的方法为中风康复中上肢运动功能提供了强大而准确的定量评估.
• 这种方法有可能被整合到临床实践中,优化培训计划和患者的结果.
• 精确姿势测量和先进的人工智能模型的整合代表了中风康复评估的重大进步.