双流STGCN与动作意识分组用于康复行动质量评估.

科学领域:

• 生物力学 生物力学
• 康复工程 康复工程
• 计算机视觉 计算机视觉

背景情况:

• 行动质量评估 (AQA) 对于体育训练和康复中的客观反至关重要.
• 目前的QAA方法很难在功能组中模拟协同作用的联合关系.
• 现有的固定或完全适应性关节分组缺乏临床洞察力和灵活性.

研究的目的:

• 提出一个动态的,动作意识的联合分组战略,以改善行动质量评估.
• 加强在康复练习中协作关节运动的建模.
• 开发一个灵活和临床知情的方法来AQA.

主要方法:

• 一个双流架构独立处理联合位置和定向数据.
• 一个联合运动能量驱动的可学习面具发生器以适应方式将关节聚合成6个功能组.
• 两个阶段的注意力交互模型:集团内部时间动态和集团内部空间关系.

主要成果:

• 提出的方法取得了竞争性结果,在KIMORE数据集上表现优于当前的方法,平均绝对偏差减少了26.5%.
• 该模型在UI-PRMD数据集上显示了可比性能.
• 废弃研究证实了动态分组和双流架构的有效性.

结论:

• 动态,运动意识的分组策略显著提高了康复中行动质量评估的准确性.
• 该方法的灵活性和依赖临床原则为评估人类运动提供了强大的解决方案.
• 核心原则可扩展到其他细粒度的行动理解任务,如外科评估.