监测儿科SCI的肌肉活动:感应摇椅和机器学习的见解

科学领域:

• 儿科康复儿童康复中心
• 生物医学工程 生物医学工程
• 康复机器人 康复机器人

背景情况:

• 基于活动的治疗对于增强儿科脊髓损伤 (SCI) 中的干部控制至关重要.
• 开发了一种新的传感式摇椅原型,用于激活干部肌肉.
• 这项研究的重点是利用这种传感器椅的数据来预测肌肉激活.

研究的目的:

• 利用摇椅传感器数据来预测儿童的肌肉激活.
• 评估不同机器学习模型在预测肌肉使用方面的有效性.
• 评估传感器衍生特征与实际肌肉活动之间的相关性.

主要方法:

• 从SCI儿童和典型发育儿童 (2-12岁) 收集的传感器数据 (力,加速,运动) 和肌电图.
• 采用多重线性回归,决策树回归和神经网络模型来预测肌肉激活.
• 进行了相关性分析,以确定单个传感器对预测准确性的贡献.

主要成果:

• 与基于回归的模型相比,神经网络模型表现出更高的性能.
• 多重线性回归和决策树回归对SCI儿童的一个子集显示出显著的相关性.
• 神经网络预测在所有患有SCI的参与儿童中取得了显著的相关性.

结论:

• 在摇椅中嵌入的传感器有效捕获与肌肉激活相关的数据.
• 机器学习技术,特别是神经网络,为预测治疗期间的肌肉活动提供了一个有希望的方法.
• 需要进一步的研究来完善预测模型,并验证临床应用的概括性.