在基于治疗师演示的机器人辅助康复治疗期间,用于辅助决策的深度学习模型
David Martínez-Pascual1, José M Catalán2, Luís D Lledó2
1Robotics and Artificial Intelligence Group, Bioengineering Institute, Miguel Hernández University, Avenida de la Universidad, s/n., 03202, Elche, Alicante, Spain. david.martinezp@umh.es.
Journal of neuroengineering and rehabilitation
|January 31, 2025
概括
深度学习模型可以从治疗师那里学习,以确定患者在机器人康复期间何时需要协助. 微调这个模型可以个性化协助,提高准确性,以获得更好的运动恢复结果.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
- 神经科学是一个神经科学.
背景情况:
- 机器人康复设备提供标准化治疗和运动恢复进展监测.
- 一个关键的挑战是确定机器人辅助治疗期间的最佳用户辅助.
- 本研究引入了深度学习 (DL) 方法来学习基于治疗师的辅助标准.
研究的目的:
- 开发和评估一个能够学习何时在机器人辅助康复期间提供援助的DL模型.
- 调查微调DL模型对个性化用户辅助的有效性.
主要方法:
- 一个DL模型接受了上肢康复机器人轨迹数据的训练,并通过治疗师提供的协助进行了标记.
- 模型架构包括1D卷积层和时间序列分类的注意力机制.
- 数据被分为参与者内部和测试数据集,对测试参与者进行了微调评估.
主要成果:
- 在验证数据集上,DL模型实现了91.39%的准确性和75.15%的F1-Score.
- 在微调后,该模型在测试数据集上达到76.09%的准确性和74.42%的F1-Score.
- 拟议的方法在序列对序列评估中超过了其他最先进的架构.
结论:
- 基于DL的方法证明了复制治疗师对协助决策的判断的可行性.
- 通过微调进行个性化辅助,可以提高模型的准确性和有效性.
- 这种方法有望优化机器人辅助康复治疗.
更多相关视频
13:44Haptic/Graphic Rehabilitation: Integrating a Robot into a Virtual Environment Library and Applying it to Stroke Therapy
Published on: August 8, 2011
13.8K
04:49Author Spotlight: Enhancing Post-Stroke Upper Limb Rehabilitation with Robotic Technologies for Improved Motor Recovery and Functional Outcomes
Published on: September 6, 2024
627
