基于多源图像融合和多剂强化学习的行走表示和模拟,用于步行康复

科学领域:

• 生物医学工程 生物医学工程
• 康复科学 康复科学 康复科学
• 人工智能的人工智能

背景情况:

• 准确识别当前的行走状态和预测未来的状态对于有效的行走康复策略至关重要.
• 现有的运动捕捉和步态模拟方法在精度和预测能力方面往往不足.

研究的目的:

• 开发和验证一个统一的步行康复框架.
• 整合一个新的3D行走运动捕捉方法与多源图像融合.
• 实施一个行走康复模拟方法,使用多代理强化学习.

主要方法:

• 一种新的3D行走动作捕捉技术,利用多源图像融合.
• 一种多剂强化学习方法,用于步行康复模拟.
• 与视觉骨架跟踪和基于IMU的方法进行比较分析.

主要成果:

• 与现有技术相比,提出的3D运动捕捉方法实现了高精度 (皮尔森r=0.93,ICC=0.91).
• 多剂强化学习模拟显示了对目标状态的趋同,并模仿了临床步态康复模式.
• 该框架显示与基于IMU的步态参数评估有很强的相关性和竞争.

结论:

• 开发的框架提供精确的3D行走运动捕捉和有效的步行康复模拟.
• 这种综合方法有可能显著改善临床实践和患者在行走康复中的结果.