基于深度学习的上肢轨迹个体运动特征识别及其在运动障碍阶段评估中的应用
神经与进化计算
2024-12-17 v1 机器学习
定量方法
摘要
个体运动特征的识别为评估个人康复进展奠定了基础，并可提供有关运动障碍程度和阶段的诊断信息。本工作提出了一项初步研究，利用在任务空间中测量的 3D 上肢传输轨迹数据集来区分个体运动模式。通过深度时间序列学习来识别个体，可以是抽象个体运动特性的关键步骤。在本研究中，对于 9 人的子集达到了约 95% 的分类准确率，对于 31 人的完整集合达到了约 78% 的准确率。这为了解通过施加简单的标准化任务并将其转移到便携式系统来分离患者属性的可行性提供了见解。
引用
@article{arxiv.2412.12016,
title = {Deep-learning-based identification of individual motion characteristics from upper-limb trajectories towards disorder stage evaluation},
author = {Tim Sziburis and Susanne Blex and Tobias Glasmachers and Ioannis Iossifidis},
journal= {arXiv preprint arXiv:2412.12016},
year = {2024}
}