通过模型重编程增强截肢者的关节运动预测
机器学习
2024-03-13 v2 机器人学
摘要
由肢体缺失引起的运动障碍是全球数百万人面临的重大挑战。先进辅助技术（如假肢装置）的发展有望极大地改善截肢患者的生活质量。此类技术设计中的一个关键组成部分是对缺失肢体的参考关节运动进行准确预测。然而，与健康受试者拥有的大量数据相比，截肢患者可用的关节运动数据稀缺，阻碍了这项任务的进展。为了克服这一问题，我们利用深度学习的重编程属性，在不改变模型参数的情况下，将训练有素的模型用于新目标。仅通过数据层面的操作，我们将原本为健康人设计的模型调整为预测截肢者的关节运动。本研究的发现对于推进辅助技术和截肢者 mobility 具有重要意义。
引用
@article{arxiv.2403.06569,
title = {Enhancing Joint Motion Prediction for Individuals with Limb Loss Through Model Reprogramming},
author = {Sharmita Dey and Sarath R. Nair},
journal= {arXiv preprint arXiv:2403.06569},
year = {2024}
}