基于动力学参数的上肢功能的多维智能定量评估研究
Sujiao Li1,2, Wenqian Cai1,2, Pei Zhu3
1Institute of Rehabilitation Engineering and Technology, School of Health Science and Engineering, University of Shanghai for Science and Technology, Shanghai, China.
概括
这项研究使用机器人辅助康复数据开发了一种用于上肢运动控制的智能分级模型. 该模型准确评估功能障碍,提高康复效率和客观性.
科学领域:
- 康复工程 康复工程
- 生物医学数据科学 生物医学数据科学
- 临床评估 临床评估
背景情况:
- 康复评估对于有效治疗至关重要.
- 传统的方法可能是主观和耗时的.
- 客观,定量评估是个性化干预所需的.
研究的目的:
- 量化评估上肢运动控制能力.
- 为功能障碍开发一个智能分级模型.
- 提高临床康复评估的效率和客观性.
主要方法:
- 收集了患者使用康复机器人的上肢运动数据.
- 提取了22个与运动效率,流性和准确性相关的指标.
- 应用数据增强 (SMOTE) 和极端梯度增强树 (XGBoost) 模型用于分级.
主要成果:
- 选并规范了16个关键评估指标.
- 为定量运动控制得分开发了一种加权的融合方法.
- 在增强数据集上使用XGBoost模型实现了>0.98准确度,提高了精度,回忆和F1分数.
结论:
- 该研究提供了一种定量方法来评估运动控制和分类功能障碍.
- 智能分级模型显著提高了康复评估效率.
- 这种方法克服了传统的主观和冗长的评估方法的局限性.
