一个膝盖康复练习数据集用于使用可穿戴设备进行姿势评估.
Panagiotis Kasnesis1, Theodora Plavoukou2,3, Amalia Contiero Syropoulou2
1ThinGenious PC, Marousi, 15125, Greece. pkasnesis@thingenious.io.
Scientific data
|April 11, 2025
概括
本研究介绍了膝关节康复练习的KneE-PAD数据集. 它使机器学习能够通过可穿戴传感器进行远程患者监控和反.
科学领域:
- 生物医学工程 生物医学工程
- 康复科学 康复科学 康复科学
- 可穿戴技术可穿戴技术
背景情况:
- 膝盖病理需要有效的康复练习.
- 监督物理治疗可能是资源密集型和难以获得的.
- 需要远程监控解决方案来支持患者的康复.
研究的目的:
- 为膝盖康复引入KneE-PAD数据集.
- 促进自动姿势评估的机器学习模型的开发.
- 支持创建虚拟教练以进行远程患者监督.
主要方法:
- 收集了31名患有膝盖病理的患者的数据,他们进行了3项运动 (坐,伸展腿,行走).
- 在下肢肌肉群上使用了8个sEMG和IMU传感器.
- 从2,086次记录的会议中确定了常见的不正确的运动变化.
主要成果:
- 膝盖-PAD数据集包括2086个膝盖康复练习的文件.
- 确定了2个常见的错误变化,对于每一个3个练习.
- 在6个月内从267名监测患者收集的数据.
结论:
- 膝盖PAD数据集对于训练人工智能进行自动姿势评估非常有价值.
- 可穿戴传感器 (sEMG,IMU) 可以实现远程康复监控.
- 这项技术可以增强虚拟指导,以改善患者的治疗结果.
