在康复中向前推进:验证用于检测轮椅推进类型的机器学习方法
Rienk van der Slikke1,2, Arie-Willem de Leeuw1, Aleid de Rooij3,4
1Faculty of Health, Nutrition & Sport, The Hague University of Applied Sciences, 2521 EN The Hague, The Netherlands.
Sensors (Basel, Switzerland)
|January 26, 2024
概括
一种新方法准确地区分了主动 (自行) 和被动 (由服务员推) 轮椅使用. 这种简单的监测工具有助于评估患者在康复期间的活动水平.
科学领域:
- 康复医学 康复医学 康复医学
- 生物医学工程 生物医学工程
- 机器学习应用 机器学习应用
背景情况:
- 监测轮椅使用在康复中至关重要,以区分主动和被动推进.
- 现有的方法缺乏简单性和准确性,无法区分自推和由服务员推推的轮椅使用.
- 需要一个客观的,易于实施的工具来量化轮椅活动水平.
研究的目的:
- 验证一种用于分类轮椅推进类型 (主动与被动) 的新型检测方法.
- 通过使用传感器数据来检测运动来评估机器学习方法的准确性.
- 确定使用单个或多个传感器可用于可靠的轮椅使用监控的可行性.
主要方法:
- 一种现有的测量技术被增强了基于机器学习的方法来检测轮椅推进类型.
- 从24名截肢或中风患者中收集了数据,这些患者正在积极和被动地使用轮椅.
- 机器学习模型使用单轮传感器和双传感器设置 (轮子和框架) 的数据进行训练.
主要成果:
- 开发的机器学习方法在检测轮椅推进类型方面取得了很高的准确性.
- 双传感器设置 (框架和车轮) 显示F1得分为0.886.
- 即使使用单轮传感器,该方法也显示出显著的准确性,F1得分为0.827.
结论:
- 经过验证的测量方法有效而简单地确定了轮椅使用和康复中的活动水平.
- 该系统提供了一个客观的手段,以区分自行车和由服务员推的轮椅使用.
- 这种技术非常适合常规临床应用,以监测患者的参与和进展.
