[基于三维运动跟踪技术的人工针操纵的机器学习定量评估模型的研究]

科学领域:

• 生物医学工程 生物医学工程
• 传统中国医药 传统中国医药
• 机器学习应用 机器学习应用

背景情况:

• 手动针操纵 (MAM) 缺乏客观的定量评估方法.
• 针技术的标准化对于教育和临床实践至关重要.
• 3D运动跟踪和机器学习为客观评估提供了潜力.

研究的目的:

• 为MAM创建一个客观的,定量化的评估模型.
• 为此模型利用3D运动跟踪和机器学习.
• 为针教育和操纵标准化提供一种新的方法.

主要方法:

• 120名针-tuina的学生参加了.
• 在Simi Motion Ver.8.5系统中,捕获了MAM数据 (平衡,增强,减少技术).
• 五个机器学习算法被用来构建评估模型.

主要成果:

• 支持向量机在平衡和减少技术中实现了0.88准确度.
• 后勤回归实现了1.00准确度的强化技术.
• 扭转速度是一个关键参数;加强/减少技术取决于特定的手参数和整体性能.

结论:

• 成功开发了MAM的客观评估模型.
• 该模型证明了在针教育中进行标准化评估的可靠性能.
• 这种方法为评估针操纵提供了一个新的技术途径.