开发和测试用于中风后康复的日常活动识别系统

科学领域:

• 生物医学工程 生物医学工程
• 康复技术 康复技术 康复技术
• 医疗保健中的人工智能

背景情况:

• 卒中幸存者在出院后的日常运作中面临着重大挑战.
• 在家庭环境中对患者康复的准确和一致的监测至关重要,但尚未得到充分研究.
• 目前的康复策略往往缺乏客观的现实数据,以了解患者的活动水平.

研究的目的:

• 开发和验证用于家庭内深度传感器系统的算法,以分类和量化中风后的活动.
• 创建日常活动识别和评估系统 (DARAS) 以客观监测患者.
• 在现实环境中评估系统的可行性和准确性.

主要方法:

• 使用室内环境深度传感器系统 (Foresite Healthcare) 来收集日常活动数据.
• 17名中风后参与者的家庭活动在三个月内被记录下来.
• 一个整体网络,集成3D卷积网络和一个新的区域层次共发生网络,被开发用于活动识别和时间定位.

主要成果:

• 开发的整体网络在检测和细分临床相关的行动方面取得了很高的表现.
• 该系统在测试数据集上显示了0.819的每精度和0.838的每动作精度.
• 达拉斯系统成功地对中风幸存者的各种家庭活动进行了分类和量化.

结论:

• 达拉斯系统提供了一种可靠的方法来监测中风幸存者的日常功能.
• 来自DARAS的客观数据可以显著提高康复计划的个性化.
• 这项技术有可能改善患者的治疗结果和康复轨迹.