一个模块化,基于深度学习的整体意图感知系统,在帕金森病患者和控制者身上进行了测试

科学领域:

• 生物医学工程 生物医学工程
• 人与计算机的交互
• 机器学习 机器学习

背景情况:

• 像帕金森病这样的行动能力有限的疾病阻碍了完成任务.
• 意图传感技术为帮助用户的辅助设备提供了潜力.
• 之前的工作包括概率传感器网络和时间分割的深度学习,用于意图预测.

研究的目的:

• 开发和测试一种新的多模式意图感知算法.
• 为了结合惯性测量单元 (IMU) 和麦克风传感器数据.
• 用时间分割的深度学习来解释传感器数据,用于活动分类.

主要方法:

• 开发了一种用于多模式意图传感的新算法.
• 集成的IMU和麦克风传感器数据.
• 应用时间分割的深度学习,用于持续的意图预测.
• 在一个数据集上测试了算法,包括非残疾人和患有帕金森病的人.

主要成果:

• 在初始意图的0.5秒内确定用户意图,获得了97.4%的准确性.
• 在活动期间,意图确定精度单调改善至最高99.9918%.
• 成功地分类了日常生活中的三个活动.

结论:

• 意图传感是医疗辅助设备的可行技术.
• 拟议的多模式方法提高了意图检测的准确性和速度.
• 这项技术可以显著帮助具有行动能力限制条件的个人.