在急性中风中捕捉异常运动 (BIONICS):一种低成本的远程评估工具,用于对中风患者的上肢功能进行自动评估

科学领域:

• 神经学 神经学
• 生物医学工程 生物医学工程
• 人工智能的人工智能

背景情况:

• 脑卒中发生率和半衰竭正在上升,对老龄化人口造成重大负担.
• 接受康复治疗的机会有限,特别是在农村地区,这加剧了中风幸存者的医疗保健挑战.
• 基于深度学习的运动检测方面的进步通过智能手机摄像头为身体跟踪提供了可访问的解决方案.

研究的目的:

• 开发一种自动化方法来评估对上肢运动功能的缩短的Fugl-Meyer评估.
• 使用机器学习模型来评分特定的Fugl-Meyer评估项目.

主要方法:

• 使用深度学习和机器学习模型开发了一个自动化评分系统.
• 该系统是在急性中风患者记录的Fugl-Meyer评估上进行训练和测试的.
• 评估重点关注了Fugl-Meyer评估中的16个具体项目.

主要成果:

• 自动评分系统实现了平均项目精度在78.1%至82.7%之间.
• 这项研究涉及45名急性中风患者在观察环境中.
• 开发的自动得分器使用Fugl-Meyer评估数据进行训练.

结论:

• 成功开发了一种用于评估缩短的Fugl-Meyer评估的自动化方法.
• 这项新技术显示出准确和可访问的远程医疗康复评估的潜力.
• 该系统通过可访问的技术提高了中风康复评估的可用性.