使用惯性传感器和机器学习用于远程康复疗法的上肢运动评估的智能系统

科学领域:

• 神经学 神经学
• 生物医学工程 生物医学工程
• 康复技术 康复技术 康复技术

背景情况:

• 神经损伤经常导致上肢运动功能障碍,阻碍日常生活活动 (ADLs).
• 远程患者监测和远程康复为管理这些残疾提供了潜在的解决方案.
• 目前对上肢功能进行远程评估的方法需要技术进步.

研究的目的:

• 开发一种智能评估系统,用于远程评估上肢运动功能.
• 利用机器学习和惯性测量单位 (IMU) 进行活动识别和损伤分级.
• 为了实现神经损伤患者的远程监测和康复.

主要方法:

• 设计了一个智能系统,使用三个IMU来捕捉上肢关节轨迹.
• 一个机器学习模型处理了轨迹,以识别12个基于ADL的活动.
• 动态时间扭曲 (DTW) 计算了患者和非残疾用户轨迹之间的相似度指数,以估计损伤水平 (轻度/中度).

主要成果:

• 该系统成功地识别了12种不同的上肢活动.
• 类似性指数有效地估计了神经损伤幸存者的运动损伤程度.
• 在31名神经损伤幸存者和9名对照人群中证明了可行性.

结论:

• 开发的智能系统可用于识别上肢活动并远程评估运动功能.
• 这项技术可以显著提高家庭环境中中风患者的远程监测和康复.
• 该系统有助于对运动障碍进行分类,为个性化远程康复策略铺平道路.