基于可穿戴加速度计设计用于远程卒中康复监测的紧凑特征

卒中已知为一项重大全球健康问题，对卒中幸存者而言监测康复程度至关重要。然而，传统卒中康复评估方法（如流行的临床评估）可能带有主观性且昂贵，患者高频次前往诊所也不便。为解决此问题，本工作中我们基于可穿戴传感与机器学习技术，开发了一个能以客观方式预测评估评分的自动化系统。通过腕戴式传感器，我们收集了 59 名卒中幸存者在自由生活环境中为期 8 周的加速度计数据，并通过构建信号处理与预测模型流水线，将按周的加速度计数据（每周 3 天）映射到评估评分。为此，我们提出两类新特征，其能在抑制无关日常活动等高阶噪声的同时，从瘫痪侧与非瘫痪侧编码康复信息。基于所提特征，我们进一步开发了带高斯过程先验的纵向混合效应模型（LMGP），其可建模由不同受试者与时间段（8 周内）引起的随机效应。我们开展了综合实验在急性与慢性患者上评估系统， promising 的结果表明了其有效性。