通过分类与平滑度分析简化自动化神经康复
信号处理
2023-01-02 v1 人工智能
机器学习
摘要
鉴于所有患者并无标准的卒中康复方案，在康复阶段评估卒中后患者的运动质量至关重要。事实上，这基本取决于患者的功能独立性及其在康复疗程中的进展。为应对这一挑战并使神经康复更为敏捷，我们提出了一种自动评估流程：首先通过浅层深度学习架构识别患者运动，随后利用加加速度（jerk）测度及相关测度衡量运动质量。本工作的一个特点是所用数据集具有临床相关性，因其代表了受 Fugl-Meyer（一种常见的卒中患者上肢临床评估量表）启发的运动。我们表明，除了能够根据平滑度检测健康人与患者运动之间的差异外，还可得出关于患者在康复疗程中进展的结论，这些结论与临床医生对各病例的发现相一致。
引用
@article{arxiv.2212.14797,
title = {Easing Automatic Neurorehabilitation via Classification and Smoothness Analysis},
author = {Asma Bensalah and Alicia Fornés and Cristina Carmona-Duarte and Josep Lladós},
journal= {arXiv preprint arXiv:2212.14797},
year = {2023}
}