在亚急性中风中,基于EMG的上肢运动损伤水平的自动化分类
Alexey Anastasiev1, Hideki Kadone2, Aiki Marushima3
1Department of Neurosurgery, University of Tsukuba Hospital, University of Tsukuba, 2-1-1 Amakubo, Tsukuba 305-8576, Ibaraki, Japan.
Sensors (Basel, Switzerland)
|November 27, 2025
概括
电肌图 (EMG) 自动化了中风后的上肢 (UE) 损伤评估. 这项技术可靠地分类运动功能,简化康复和减少治疗师的工作量.
科学领域:
- 神经科学是一个神经科学.
- 康复医学 康复医学 康复医学
- 生物医学工程 生物医学工程
背景情况:
- 脑卒中康复需要经常对上肢进行评估.
- 目前的评估方法耗时,依赖于手动治疗师的输入.
研究的目的:
- 通过使用电肌图 (EMG) 来自动化UE损伤评估.
- 为了将EMG信号与临床运动障碍得分相关联.
- 开发一个客观的评分系统,以评估中风后的UE功能.
主要方法:
- 在25名中风患者中使用Fugl-Meyer评估 (FMA-UE),修改的阿什沃思量表 (MAS) 和布伦斯特罗姆恢复阶段 (BRS) 评估UE运动功能.
- 使用特征提取和线性差异分析 (LDA) 处理的EMG数据.
- 基于临床得分值的二进制分类使用了10倍的交叉验证.
主要成果:
- LDA分类器准确地区分了具有高AUC-ROC (接收器运行特征曲线下面面积) 分数的减值类别.
- 获得的特定AUC-ROC得分为:0.897 (FMA-UE> 33),0.981 (FMA-UE> 44),0.890 (MAS> 0),0.968 (BRS> 3),0.987 (BRS> 4),0.897 (FMA-UE> 33),0.981 (FMA-UE> 44),0.890 (MAS> 0),0.968 (BRS> 3),0.987 (BRS> 4),0.987 (BRS> 4),0.9897 (FMA-UE> 33),0.981 (FMA-UE> 44),0.890 (MAS> 0),0.968 (BRS> 3),0.987 (BRS> 4),0.987 (BRS> 5),0.9897 (FMA-UE> 5),0.9897 (FMA-UE> 5),0.9897 (FMA-UE> 6),0.9891 (FMA-UE> 7),0.
- 静止状态EMG显示了可比的分类性能.
结论:
- 基于EMG的评估可靠地对中风幸存者的运动障碍水平进行分类.
- 这种方法提供客观的临床评分,简化康复工作流程.
- 自动评估减少了治疗师的手工负担,优先考虑患者的康复.
关键词:
进行自动化评估.电动肌图 (EMG) 是一种电动肌图.半麻症是一种半麻症.机器学习是机器学习.发动机评估 发动机评估结果评估结果评估结果一次性中风中风中风中风中风监督学习学习监督学习上肢的上端部分.更多相关视频
05:28Author Spotlight: Enhancing Upper Limb Rehabilitation in Stroke Patients Through Advanced Robotic and Neuromodulation Technologies
Published on: October 11, 2024
1.1K
09:42Author Spotlight: Using Motor Imagery Brain-Computer Interface to Improve Motor and Cognitive Function in Stroke Patients
Published on: September 1, 2023
2.0K