通过大型语言模型实现个性化体育训练康复的智能临床支持

科学领域:

• 运动医学 运动医学
• 人工智能的人工智能
• 康复科学 康复科学 康复科学

背景情况:

• 有效的体育训练康复需要个性化的运动处方,以适应患者的进步.
• 当前的推系统往往无法利用有价值的自由文本患者反,而是依赖有限的数值数据或严格的规则.
• 在现实世界的康复环境中,数据稀缺性对开发准确的推系统构成挑战.

研究的目的:

• 开发一种新的方法来统一语言自我报告和时间行为数据,以改进培训建议.
• 解决现有的推系统在个性化体育训练康复方面的局限性.
• 为智能康复临床支持创建一个强大且数据效率高的基础.

主要方法:

• 推出了ReLite,一个三级架构,集成了一个微调的大型语言模型 (LLM) 来编码文本反.
• 使用轻量级的变压器来改进历史会话数据.
• 利用多头交叉注意力将语义嵌入与顺序等级对齐,然后使用双头MLP输出容忍分数.

主要成果:

• 在两个公共数据集上的实验验证证明了ReLite架构的有效性.
• 大规模语言理解与序列建模和自适应性文本评分对齐的整合被证明是有效的.
• 该系统为个性化体育训练康复提供了强大且数据效率高的基础.

结论:

• ReLite成功地统一了语言反和行为数据,以提高康复建议.
• 拟议的方法在为个性化体育训练提供智能临床支持方面取得了重大进展.
• 这种方法解决了数据稀疏性,并提高了康复环境中的建议的解释性.