从使用可穿戴传感器实现运动来估计上肢Fugl-Meyer评估得分

科学领域:

• 生物医学工程 生物医学工程
• 康复技术 康复技术 康复技术
• 神经科学是一个神经科学.

背景情况:

• 弗格尔·迈耶评估 (FMA) 对于监测中风后的运动恢复至关重要.
• 由于对康复的访问有限,需要远程和自动化评估解决方案.
• 可穿戴式传感器为自动FMA估计提供了潜力,但需要用户友好的设计.

研究的目的:

• 开发和验证使用可穿戴惯性测量单位 (IMU) 的自动化Fugl Meyer评估 - 上肢 (FMA-UE) 估计器.
• 为了使FMA-UE从最小的,代表日常活动的意志运动中进行得分预测.
• 根据临床标准评估估计器的准确性,并确定传感器的关键特征.

主要方法:

• 在FMA-UE任务的子集和三个伸展运动期间,从11名中风参与者的手臂和干中收集了IMU数据.
• 在窗口式FMA-UE运动数据上训练了一个数据驱动的估计器.
• 使用离开一个主体的交叉验证验证估计器,达到7%的正常化RMSE.

主要成果:

• 开发的估计器准确地预测了FMA-UE得分从简化到达动作.
• 达到7%的正常化RMSE,这在临床上是相关的,可与最小可检测变化相比较.
• 确定了干部和手部传感器特征,这些特征对于准确的FMA-UE估计至关重要,反映了特定于中风的补偿策略.

结论:

• 拟议的基于IMU的系统为中风幸存者的远程和自动FMA-UE评估提供了一个有希望的方法.
• 这项技术有可能扩大客观运动功能的评估,支持康复工作的机会.
• 这些发现强调了将车身运动数据和特定肢体传感器数据纳入强大的运动评估的重要性.