使用IMU-Based可穿戴设备和深度学习方法,实现对上肢功能临床评分的精确评估
Weinan Zhou1,2, Diyang Fu1,2, Zhiyu Duan1,2
1School of Biomedical Engineering (Suzhou), Division of Life Sciences and Medicine, University of Science and Technology of China, Hefei, Anhui, 230026, China.
Journal of neuroengineering and rehabilitation
|April 16, 2025
概括
这项研究使用可穿戴传感器和人工智能精确评估中风幸存者的上肢运动功能. 这使得个性化康复能够获得更好的康复结果.
科学领域:
- 生物医学工程 生物医学工程
- 康复医学 康复医学 康复医学
- 人工智能的人工智能
背景情况:
- 脑卒中康复需要个性化的方法,因为结果是可变的.
- 精确性评估是针对中风后运动功能障碍调整干预措施的关键.
- 可穿戴的惯性测量单元 (IMU) 和深度学习在运动功能预测方面表现有前途.
研究的目的:
- 开发和验证使用IMU数据的机器学习模型,用于评估中风患者的Fugl-Meyer上肢子级别.
- 建立布伦斯特罗姆阶段预测模型来预测中风后的手臂和手部功能.
主要方法:
- 在临床试验期间,从120名中风后患者收集了IMU信号.
- 使用一个封闭的循环单元网络来评分Fugl-Meyer项目.
- 采用随机森林和极端随机树算法进行布伦斯特罗姆阶段预测.
主要成果:
- 在Fugl-Meyer项目的评分中获得了92.66%的准确性.
- 在模型和医生得分之间显示了0.9838的高R平方值.
- 获得了0.9709的斯皮尔曼相关系数,用于布伦斯特罗姆阶段预测.
结论:
- 拟议的方法可以精确评估中风幸存者的上肢运动功能.
- 促进个性化康复计划,以实现最佳康复.
- 强调IMU和机器学习在中风康复评估中的潜力.
