可穿戴式基于传感器的细粒度和全面的上肢运动功能评估,用于中风后康复
Weinan Zhon1, Ming Lv2, Wei Zhou1
1School of Biomedical Engineering (Suzhou), Division of Life Sciences and Medicine, University of Science and Technology of China, Suzhou, 215163, China; Suzhou Institute of Biomedical Engineering and Technology, Chinese Academy of Sciences, Suzhou, 215163, China.
Archives of physical medicine and rehabilitation
|December 31, 2025
概括
这项研究引入了一种可穿戴的传感器系统,用于精确评估中风幸存者的上肢运动功能. 该系统准确地预测Fugl-Meyer评估的上肢分数,有助于康复.
科学领域:
- 生物医学工程 生物医学工程
- 康复科学 康复科学 康复科学
- 可穿戴技术可穿戴技术
背景情况:
- 脑卒中经常导致上肢运动功能障碍,影响患者的独立性.
- 目前的评估方法,如Fugl-Meyer上肢评估 (FMA-UE) 可能是主观的,缺乏细粒度的细节.
- 有效的中风康复和康复监测需要客观的,定量化的措施.
研究的目的:
- 开发和验证一种基于可穿戴传感器的框架,用于对中风后患者上肢运动功能的定量评估和预测.
- 为了使运动功能的细粒度,动作水平的评分.
- 为了减少评估负担,同时保持临床一致性.
主要方法:
- 一项验证队列研究,涉及80名中风后患上上肢运动功能障碍的患者.
- 在日常FMA-UE评估期间,使用可穿戴运动采集系统收集上肢运动数据.
- 使用特征工程和机器学习,为8个关键FMA-UE项目开发细粒度的评分模型,然后使用回归模型来预测FMA-UE总分.
主要成果:
- 穿戴式传感器数据与临床医生评估的FMA-UE得分有很强的相关性.
- 开发的框架实现了FMA-UE总分的高预测准确性 (R2 = 0.950,斯皮尔曼相关性 = 0.972).
- 细粒度,行动级评分模型显示了增强的歧视能力.
结论:
- 一个基于可穿戴传感器的框架可以客观,高分辨率地评估中风后的上肢运动功能.
- 该系统准确地预测标准FMA-UE分数,使用最少的一组关键项目.
- 这种方法减少了评估负担,并保持了临床一致性,支持中风恢复监测.
更多相关视频
06:25Capturing Representative Hand Use at Home Using Egocentric Video in Individuals with Upper Limb Impairment
Published on: December 23, 2020
2.9K
05:28Author Spotlight: Enhancing Upper Limb Rehabilitation in Stroke Patients Through Advanced Robotic and Neuromodulation Technologies
Published on: October 11, 2024
1.1K