基于支持矢量机算法的可穿戴设备,用于残疾人体育康复训练
Qinqin Xiong1, Longjin Gui2, Chuan Shu2
1School of Physical Education and Health, Jiangxi Science and Technology Normal University, Nanchang, 330013, China. turnsole324@163.com.
Scientific reports
|February 16, 2026
概括
使用支持矢量机 (SVM) 算法的可穿戴设备显著改善了残疾人的功能状态和生活质量. SVM算法提高了康复培训的有效性和患者满意度.
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
- 医疗保健中的人工智能
背景情况:
- 对于残疾人来说,体育康复经常面临优化训练效率和监测进展的挑战.
- 可穿戴设备在康复期间为实时数据收集和个性化反提供了一个有希望的途径.
研究的目的:
- 评估与支持矢量机 (SVM) 算法集成的可穿戴设备的有效性,以增强残疾人的体育康复.
- 将使用基于SVM的可穿戴设备的组与对照组之间的功能状态,生活质量和培训合规性进行比较.
主要方法:
- 159名残疾人被分为对照组 (例行训练) 和观察组 (例行训练+SVM可穿戴设备).
- 评估包括WHODAS,WHOQOL-BREF,日常生活活动 (ADL) 尺度,运动范围 (ROM),步态和干部参数.
- 分析了用于运动模式识别的标准SVM,PSO-SVM和ABC-SVM算法的分类性能.
主要成果:
- 与干预后的对照组相比,观察组在WHODAS,WHOQOL-BREF和ADL得分上显示出显著更大的改善.
- 在SVM设备组中观察到增强的运动范围,改善的步行参数 (步长,步幅,步行速度) 和更好的车身控制.
- 人工蜂群-SVM (ABC-SVM) 算法在运动识别方面表现出卓越的分类性能.
结论:
- 基于SVM的可穿戴设备有效地改善了残疾人的功能状态,生活质量和日常生活活动.
- 将智能优化算法与SVM模型集成,可以提高运动识别精度和康复系统的整体智能.
- 该研究强调了人工智能驱动的可穿戴技术的潜力,以个性化和优化体育康复结果.
