上肢功能自动评估和自行管理中风康复的移动应用程序

科学领域:

• 神经学 神经学
• 计算机科学 计算机科学
• 康复医学 康复医学 康复医学

背景情况:

• 对于上肢功能来说,中风康复至关重要,但往往需要频繁的诊所访问.
• 有限的流动性和可访问性挑战阻碍了患者在传统康复计划中的持续参与.
• 需要基于家庭的康复解决方案,以支持持续的康复和患者参与.

研究的目的:

• 开发和评估一个基于深度学习的系统,仅使用视频数据来评估上肢运动功能.
• 创建一个以患者为中心的移动应用程序,用于自行管理中风康复练习.
• 通过技术增强中风后康复的可访问性和个性化.

主要方法:

• 通过使用RGB和光流视频数据训练了一个深度学习模型,以评估到达到抓取任务.
• 一个新的交叉注意力变压器模块被用于有效的模式融合.
• 根据评估模型,开发了一个移动应用程序,根据评估模型推57个练习在三个难度级别.

主要成果:

• 与现有的动作识别方法相比,深度学习模型在运动评估中表现出更高的准确性.
• 移动应用程序原型在移动应用程序评分表 (MARS) 上获得了终端用户的良好质量评分.
• 该系统仅从视频数据中就能够对任务执行进行细致的评估.

结论:

• 基于视频的深度学习方法可以有效地评估中风康复的上肢功能.
• 开发的移动应用程序为可访问,自我管理和个性化的家庭康复提供了一个有前途的解决方案.
• 这项技术可以改善运动能力有限的中风幸存者的坚持和结果.