虚拟现实辅助脚康复 基于卷积门循环神经网络的决策

科学领域:

• 神经学 神经学
• 康复工程 康复工程 康复工程
• 人工智能的人工智能

背景情况:

• 对脚损伤的中风康复传统上依赖于医生的专业知识.
• 当前的方法在在线决策和进度评估方面面临挑战.
• 现有的模糊神经网络方法需要对复杂的康复场景进行增强.

研究的目的:

• 开发一种新的虚拟现实 (VR) 辅助脚康复决策模型.
• 为了提高评估,利用一个卷积式封闭循环神经网络 (C-GRNN).
• 根据患者康复阶段提供量身定制的康复参数.

主要方法:

• 在VR康复期间利用可穿戴的运动惯性传感器收集数据 (运动范围,速度,冲动,性能得分).
• 采用数据增强技术来应对有限的数据集挑战.
• 模拟了基于布伦斯特罗姆分期尺度的五个康复阶段.
• 与卷积神经网络 (CNN) 和长短期记忆 (LSTM) 网络相比,C-GRNN的性能进行了比较.

主要成果:

• 优化的C-GRNN实现了高分类准确率99.16%和0.9786.6的宏F1得分.
• 与临床康复专家评估有很强的相关性 (r > 0.9).
• 在分类性能方面表现优于CNN和LSTM模型.

结论:

• 虚拟现实辅助的C-GRNN模型为中风患者的脚康复决策提供了有效和准确的方法.
• 该模型显示了在个性化康复中实际应用的巨大潜力.
• 这种人工智能驱动的方法增强了客观评估,并支持中风恢复的临床决策.