个性化基于视频的手术分类学,使用自我中心视频在野外

科学领域:

• 人与计算机的交互
• 机器人技术 机器人技术 机器人技术
• 康复工程 康复工程 康复工程

背景情况:

• 手的功能对于环境相互作用至关重要.
• 现有的手握模式缺乏个性化,特别是对于手部受损的个人,如脊髓损伤 (SCI) 患者.
• 在SCI中,各种感觉运动障碍需要个性化分析方法来掌握策略.

研究的目的:

• 为了自动识别没有预定义分类的个体的主导,独特的手握.
• 使用自我中心视频数据创建个性化的手表分类法.
• 分析SCI患者开发的独特的抓取技术.

主要方法:

• 应用语义聚类对19名宫SCI患者的自我中心视频录制.
• 使用深度学习模型整合姿势和外观数据.
• 专注于在自然主义环境中聚合具有语义意义的把握行为.

主要成果:

• 达到67.6%±24.2%的集群纯度,其冗余率为18.0%±21.8%.
• 定性评估证实了视频数据中的有意义的集群.
• 演示了生成个性化手臂分类学的能力.

结论:

• 拟议的方法提供了一种灵活有效的策略,用于在现实环境中分析手部功能.
• 这种方法在临床评估和描述人与环境相互作用方面具有重要应用.
• 能够深入了解各种抓取行为,特别是在运动障碍的人群中.