使用ANN分类对运动残疾人进行电动轮椅驾驶分析

科学领域:

• 康复工程 康复工程 康复工程
• 医疗保健中的人工智能
• 生物医学信号处理

背景情况:

• 评估使用电动轮椅的运动障碍患者的驾驶技能对于安全至关重要.
• 传统方法可能无法客观地评估电动轮椅 (PW) 导航所需的复杂驾驶能力.
• 严重的运动缺陷可能会使PW的操作变得危险,需要先进的评估工具.

研究的目的:

• 通过人工神经网络 (ANN) 分析各种病理患者的驾驶技能.
• 客观地评估动力轮椅在运动障碍患者使用的安全性和有效性.
• 根据模拟的驾驶表现,开发一个分类驾驶员技能水平 (熟悉者与初学者) 的模型.

主要方法:

• 使用动力轮椅 (PW) 驾驶模拟器进行了一项实验研究.
• 人工神经网络被用来分析患者的驾驶轨迹和识别错误.
• 参考和计算轨迹之间的误差作为分类模型的输入.

主要成果:

• 开发的模型成功地根据驾驶错误模式将用户分类为熟悉或新手.
• 轨迹误差的演变被确定为学习阶段驾驶技能改进的关键指标.
• 收集了客观的驾驶性能数据,突出了与严重运动缺陷相关的潜在风险.

结论:

• 人工神经网络和PW驾驶模拟器提供了一个客观的方法来评估患者的驾驶技能.
• 轨迹错误分析模型可以有效地评估和指导驾驶能力的提高.
• 这种方法提高了患者的安全性,并优化了动力轮椅使用者的康复策略.