基于 ST_GCN 注意力机制的 AI 脑卒中康复居家评估系统
图像与视频处理
2026-02-03 v2 人工智能
计算机视觉与模式识别
摘要
有效的脑卒中康复需要持续地与日常生活相结合。为满足这一需求，我们提出一种基于居家的康复运动和反馈系统。该系统包括（1）配备 RGB-D 相机和可穿戴传感器的硬件 setup 以捕获脑卒中运动，（2）用于运动指导的移动应用程序，以及（3）用于评估和反馈的 AI 服务器。当脑卒中患者按照应用程序指导进行运动时，系统记录骨架序列，这些序列随后由深度学习模型 RAST-G@（Rehabilitation Assessment Spatio-Temporal Graph Attention）进行评估。该模型采用时空图卷积网络提取骨架特征，并集成基于转换器的时序注意力机制以判断动作质量。为实现系统实际应用，我们构建了 NRC 数据集，包含 10 种上肢日常生活活动（ADL）和 5 种关节活动范围（ROM），来自脑卒中和非受损参与者，由持证物理治疗师提供评分注释。在 KIMORE 和 NRC 数据集上的结果表明，RAST-G@ 在平均绝对误差（MAD）、均方根误差（RMSE）和平均绝对 percentage 误差（MAPE）方面均优于基线方法。此外，系统提供的反馈结合了患者导向的评估和监控。结果表明，所提出的系统为定量和一致的居家康复评估提供了可扩展的方法。
引用
@article{arxiv.2510.00049,
title = {AI-Based Stroke Rehabilitation Domiciliary Assessment System with ST_GCN Attention},
author = {Suhyeon Lim and Ye-eun Kim and Andrew J. Choi},
journal= {arXiv preprint arXiv:2510.00049},
year = {2026}
}
备注
9 pages(except references), 7 figures 6 Tables