"人工智能驱动的健康监测:整合变压器和卷积融合用于中风患者的姿势估计"

科学领域:

• 生物医学工程 生物医学工程
• 人工智能的人工智能
• 康复科学 康复科学 康复科学

背景情况:

• 对于中风患者来说,传统的物理治疗是资源密集的,主观的,缺乏实时反.
• 有效的运动恢复需要对康复炼进行一致和准确的监测.

研究的目的:

• 提出人工智能驱动的网络架构,用于精确地估计中风患者康复中的姿势.
• 为了提高康复运动姿势识别的实时性能.
• 为中风幸存者提供独立的家庭康复练习.

主要方法:

• 开发了一个人工智能驱动的网络架构,集成空间卷积层和改进的变压器模块 (ConvTrans).
• 在ConvTrans区块内内置了轻型多头自我注意 (LMHSA) 和倒置剩余前向网络 (IRFFN).
• 该架构捕获了本地和全球结构信息,以增强代表性能力.

主要成果:

• 拟议的ConvTrans架构在三个人体姿势估计 (HPE) 数据集上表现出强的性能.
• 整合LMHSA和IRFFN降低了计算成本,提高了处理效率.
• 人工智能系统有效地生成姿势骨内容进行反.

结论:

• 人工智能驱动的姿势估计网络为中风患者的康复提供了高效和准确的反.
• 这项技术可以显著帮助监测和治疗中风患者,促进独立的家庭炼.
• ConvTrans架构在人工智能辅助的物理治疗中呈现出一个有前途的进步.