移动障碍患者的个性化康复轨迹,使用学习图形的概率分布之间的距离
Chuqiao Zhang1, Crina Grosan2, Dalia Chakrabarty3
1Department of Mathematics, Brunel University London, Uxbridge UB8 3PH, UK.
Artificial intelligence in medicine
|October 30, 2024
概括
这项研究引入了一种新方法,使用运动数据跟踪身体康复期间的患者康复. 它通过分析关节运动模式来帮助创建个性化的炼计划,以有效地评估恢复进展.
科学领域:
- 康复医学 康复医学 康复医学
- 生物医学工程 生物医学工程
- 数据科学数据科学数据科学
背景情况:
- 身体康复需要可靠的患者绩效评估,以获得有效的反.
- 在严重疾病后跟踪恢复进展对于优化物理治疗至关重要.
研究的目的:
- 开发一种学习物理康复期间个体患者康复轨迹的方法.
- 提供基于数据的建议,以基于移动障碍的最佳炼程序.
主要方法:
- 使用20个联合地点的时间序列数据,在练习期间通过电子平台记录.
- 来自联合位置数据的随机图的贝叶斯式学习,以计算运动恢复得分 (MRS).
- 使用学习随机几何图的后面概率之间的统计距离/分歧.
主要成果:
- 一种计算每个运动实例的MRS的方法,使得可以绘制患者的恢复轨迹.
- 使用多变量时间序列数据识别图边的封闭形式边缘后边.
- 对个性化物理治疗的学习恢复轨迹的演示.
结论:
- 开发的方法允许可靠地评估患者在康复期间的累积表现.
- 学习的恢复轨迹可以为移动障碍患者提供个性化的运动建议.
- 这种方法增强了物理治疗中的反循环,促进了更有效的恢复.
