用于评估物理康复训练运动的深度学习框架
机器学习
2020-01-24 v3 机器学习
摘要
计算机辅助物理康复评估基于处理由传感系统捕获的运动数据，来评估患者完成 prescribed 康复练习的表现。尽管康复评估对改善患者预后和降低医疗成本具有重要作用，现有方法缺乏通用性、鲁棒性与实际相关性。本文提出一种基于深度学习的框架，用于自动评估物理康复训练运动的质量。该框架的主要组件为量化运动表现的度量、将表现度量映射为运动质量数值评分的评分函数，以及通过监督学习为输入运动生成质量评分的深度神经网络模型。所提表现度量基于高斯混合模型的对数似然定义，并编码由深度自编码器网络获得的低维数据表示。所提深度时空神经网络将数据排列为时间金字塔，并通过使用子网络处理各身体部位的关节位移来利用人体运动的空间特征。所呈现的框架使用包含十项康复练习的数据集进行验证。本工作的意义在于，它是首个实现深度神经网络用于康复表现评估的工作。
引用
@article{arxiv.1901.10435,
title = {A Deep Learning Framework for Assessing Physical Rehabilitation Exercises},
author = {Y. Liao and A. Vakanski and M. Xian},
journal= {arXiv preprint arXiv:1901.10435},
year = {2020}
}
备注
10 pages, 7 figures