利用运动学数据检测中风后手臂轻瘫
计算机视觉与模式识别
2023-11-29 v1 人工智能
摘要
本文提出一种利用运动学数据检测单侧手臂瘫痪/无力的的方法。我们的方法采用时间卷积网络与循环神经网络,并以知识蒸馏为指导,其中我们使用附着在身体上的惯性测量单元捕获动作过程中的加速度、旋转和身体关节屈曲等运动学信息。随后分析该信息以识别身体动作和模式。我们提出的网络通过知识共享实现了97.99%的高偏瘫检测准确率和77.69%的动作分类准确率。此外,通过结合因果推理,我们可以基于机器学习结果获得患者状况的额外洞察,例如其Fugl-Meyer评估评分或损伤水平。总体而言,我们的方法展示了利用运动学数据和机器学习检测手臂瘫痪/无力的潜力。结果表明,我们的方法可成为从事该病患工作的临床医生和医疗保健专业人员的有用工具。
引用
@article{arxiv.2311.16138,
title = {After-Stroke Arm Paresis Detection using Kinematic Data},
author = {Kenneth Lai and Mohammed Almekhlafi and Svetlana Yanushkevich},
journal= {arXiv preprint arXiv:2311.16138},
year = {2023}
}
备注
submitted to IEEE Symposium Series on Computational Intelligence