相关实验视频
Updated: Jun 13, 2025
Movement Retraining using Real-time Feedback of Performance
Published on: January 17, 2013
物理治疗中的机器学习方法:临床环境中的应用范围审查
Felipe J J Reis1, Matheus Bartholazzi Lugão de Carvalho2, Gabriela de Assis Neves2
1Physical Therapy Department, Instituto Federal do Rio de Janeiro (IFRJ), Rio de Janeiro, RJ, Brazil; School of Physical and Occupational Therapy, Faculty of Medicine, McGill University, Montreal, Canada; Pain in Motion Research Group, Department of Physiotherapy, Human Physiology and Anatomy, Faculty of Physical Education & Physiotherapy, Vrije Universiteit Brussel, Brussels, Belgium.
机器学习 (ML) 在物理治疗中表现有前途,许多研究探索其在诊断和预后中的应用. 然而,需要进一步的研究来验证临床实践中的ML模型.
科学领域:
- 计算科学 计算科学
- 康复医学 康复医学 康复医学
背景情况:
- 机器学习 (ML) 提供了高效的数据处理能力,为推进物理治疗中的临床实践提供了巨大的潜力.
- 将ML整合到物理治疗中旨在通过数据驱动的洞察力提高诊断准确性,治疗效率和患者的治疗结果.
研究的目的:
- 在物理治疗的临床领域内对采用机器学习 (ML) 方法的研究进行范围审查.
- 绘制ML应用的当前景观,并确定其在物理治疗环境中的使用趋势.
主要方法:
- 在主要数据库中进行了全面的范围审查:PubMed,EMBASE,PEDro,Cochrane,Web of Science和Scopus.
- 包括使用机器学习 (ML) 方法的研究,定义为计算系统编码模式用于预测或分类,最小的人类干预.
主要成果:
- 包括42项研究,在2020年之后出版物的数量显著增加.
- 在物理治疗中,ML最常见的应用是诊断 (14项研究),预后 (7项研究) 和治疗结果预测 (7项研究).
- 随机森林是最常见的ML模型,尽管只有三个研究报告了模型的可用性.
结论:
- 范围审查强调了日益增长的关于机器学习 (ML) 在物理治疗中的应用研究.
- 尽管人们越来越感兴趣,但该领域需要更多高质量的研究,重点关注模型验证,可用性和临床可接受性,以促进从研究向实践的过渡.
更多相关视频
14:56The Combined Use of Transcranial Direct Current Stimulation and Robotic Therapy for the Upper Limb
Published on: September 23, 2018
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
