基于单惯性传感器的膝关节康复运动自动分类：案例研究

惯性测量单元能够精确记录离散关节运动过程中人体肢体节段的加速度和角速度。这些运动常用于全膝关节置换等骨科手术后的康复计划中。这为患者在无医师监督下于家中进行锻炼时，结合数据挖掘技术的生物反馈系统提供了可能。我们提出使用机器学习技术自动分析这些锻炼期间采集的惯性测量单元数据，并评估每次重复动作是否正确执行。我们的方法包括两个主要阶段：信号分割与片段分类。准确的预处理和特征提取是该技术生效的关键问题。本文提出了一种针对无监督康复运动的分类方法，基于从较长信号活动中提取重复动作的分割过程。针对康复中常用的4种膝关节运动，来自临床受试者和健康受试者的实验数据集结果非常有前景。