一个新的多模式康复监测人类运动的意图识别和识别
Saleha Kamal1,2, Mohammed Alshehri3, Yahya AlQahtani4
1Jiangsu Key Laboratory of Intelligent Medical Image Computing, School of Artificial Intelligence, Nanjing University of Information Science and Technology, Nanjing, China.
Frontiers in bioengineering and biotechnology
|August 1, 2025
概括
本研究引入了使用RGB和深度数据的人类运动意图识别 (HMIR) 的新多模式框架. 这种先进的系统在检测疼痛指示性的运动方面取得了很高的准确性,用于康复和辅助技术.
科学领域:
- 计算机视觉 计算机视觉
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 人类运动意图识别 (HMIR) 对于医疗康复和辅助技术至关重要.
- 现有的HMIR系统面临着由于姿势变化和噪音的微妙运动检测的挑战.
- 准确的HMIR需要从复杂的人类运动中进行强大的特征提取.
研究的目的:
- 为准确的HMIR开发一个新的多式联运框架.
- 整合RGB和深度数据以进行全面的特征提取.
- 提高辅助技术和医疗康复系统的能力.
主要方法:
- 一个综合RGB和深度数据的多模式框架.
- 提取时空和解剖学特征,包括动能,光流,角形几何和基于深度的特征 (2.5D点云,随机占用模式).
- 使用随机梯度下降 (SGD) 和使用深度神经模糊模型进行分类的特征空间优化.
主要成果:
- 在NTU RGB + D 120上实现了94.50%的分类准确率,在PKUMMD上达到91.23%,在UWA3DII上达到88.60%.
- 在HMIR中显著超过现有最先进的方法.
- 证明了全身动态的强大表现.
结论:
- 拟议的多式联运框架显著提高了HMIR准确性.
- 该系统为智能康复和医疗监测中的实时HMIR提供了坚实的基础.
- 多种功能和神经模糊分类器的整合提高了解释性和预测性能.
