对中风患者的康复评估系统基于融合型光电子整体镜像装置和多模式融合模型:设计和验证

科学领域:

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

背景情况:

• 评估中风康复需要准确和易于使用的工具.
• 目前的方法可能缺乏精确评估所需的综合生理数据.
• 数字健康解决方案为远程和持续的患者监测提供了潜力.

研究的目的:

• 开发一个便携式,智能系统,用于数字中风患者康复评估.
• 整合一个新型的聚变装置,用于多波长光电聚变学 (PPG) 采集.
• 创建一个先进的AI模型,以提高康复评估准确性.

主要方法:

• 设计了一种发出红,绿和红外光的聚变装置,用于同时采集PPG.
• 开发了一种多通道卷积神经网络-长期短期记忆-注意力 (MCNN-LSTM-Attention) 模型,用于数据融合和特征提取.
• 用16名志愿者 (8名中风患者,8名健康受试者) 验证了该系统用于临床数据收集.

主要成果:

• 该系统实现了高性能指标:准确性 (0.9125),精度 (0.8980),回忆 (0.8970) 和F1得分 (0.8949).
• 该MCNN-LSTM-Attention模型有效地提取和融合多模式数据,提高评估准确性.
• 实验结果证实了该系统在区分中风患者方面的有前途能力.

结论:

• 拟议的便携式智能康复评估系统在中风诊断和识别方面具有重大潜力.
• 融合装置和先进的AI模型为基于可穿戴的中风风险评估提供了基础.
• 这项技术可以显著帮助中风康复监测和管理.