基于深度学习的评估,以改变感官条件下的中风引起的姿势控制障碍
Armin Najipour1, Siamak Khorramymehr1, Mehdi Razeghi1
1Department of Biomedical Engineering, College of Medical Science and Technologises, Tehran Science and Research Branch, Islamic Azad University, Tehran 1477893855, Iran.
Biomimetics (Basel, Switzerland)
|September 26, 2025
概括
这项研究引入了一种混合深度学习框架,用于准确检测中风患者的姿势控制障碍. 这种新的系统通过高精度地分类感官功能障碍来增强康复和预防跌倒.
科学领域:
- 神经科学是一个神经科学.
- 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:
- 在中风幸存者中,姿势控制障碍很常见,增加了跌倒的风险.
- 目前的临床评估缺乏准确性来捕捉复杂的姿势缺陷.
- 需要先进的计算方法来准确诊断和康复.
研究的目的:
- 开发和验证混合深度学习框架,用于对中风患者的感官功能障碍进行分类.
- 提高姿势控制评估的准确性和稳定性.
- 支持个性化康复规划和防摔策略.
主要方法:
- 开发了一个混合深度学习模型,结合了卷积神经网络 (CNN) 和Type-2模糊逻辑.
- 该模型在使用EquiTest数据的中风患者的大型数据集 (8316个样本) 上进行了训练和测试.
- 在各种感官操纵条件和模拟测量噪音下评估了性能.
主要成果:
- 拟议的框架实现了高分类性能:97%的准确性,96%的精度,97%的灵敏性和96%的特异性.
- 它在识别感官功能障碍方面超过了传统的CNN和其他基线分类器.
- 该系统表现出对噪声的稳定性,在模拟的临床环境中可靠运行 (低至1dB SNR).
结论:
- 混合深度学习系统提供了一个实用的,非侵入性的工具,用于诊断中风患者的姿势控制障碍.
- 这种数据驱动的方法可以显著帮助个性化康复规划和预防跌倒.
- 这些发现支持将先进的AI整合到中风护理的临床决策中.


