一个用于上肢康复机器人的决策支持系统,基于RBR和CBR的混合推理
Sujiao Li1,2, Shuhan Xiang1, Qiqi Ma1
1Institute of Rehabilitation Engineering and Technology, University of Shanghai for Science and Technology, Shanghai, China.
Frontiers in bioengineering and biotechnology
|May 9, 2024
概括
这项研究引入了用于上肢康复机器人的智能决策支持系统,增强了半患者的培训. 该系统使用混合推理来个性化康复计划,改善患者的治疗结果.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
- 康复医学 康复医学 康复医学
背景情况:
- 康复机器人帮助半患者,但缺乏自动参数调整.
- 治疗师手动调整训练参数是耗时且取决于条件的.
- 智能训练处方对于推进康复机器人应用至关重要.
研究的目的:
- 开发一个智能决策支持系统,用于上肢康复机器人培训.
- 整合基于规则的推理 (RBR) 和基于案例的推理 (CBR) 以实现个性化康复.
- 通过自动化,自适应的培训计划,增强康复机器人的临床应用.
主要方法:
- 提出了一个混合推理系统,将RBR和CBR结合起来.
- 由10名康复治疗师组成的专家知识库.
- 开发了一个使用RBR的21天培训计划推断模型,并使用随机森林算法使用CBR实时参数调整.
- 利用了54名中风患者的历史数据.
主要成果:
- 该系统实现了高性能指标:91.5%的平均准确率,0.924的平均AUC,88.7%的平均回忆率和90.1%的平均F1得分.
- 混合系统有效地推了个性化康复培训计划.
- 实时参数调整提高了培训的适应性.
结论:
- 开发的决策支持系统为上肢康复机器人培训提供了一种智能方法.
- 混合推理有效地为半患者个性化康复计划.
- 该系统有可能显著帮助治疗师,改善临床结果.
