基于机器学习的卒中康复评估决策支持系统的机遇
人机交互
2020-03-03 v2 人工智能
计算机视觉与模式识别
摘要
康复评估对于确定患者的适当干预措施至关重要。然而，当前的评估实践主要依赖治疗师的经验和主观判断，且由于治疗师资源有限，评估执行频率较低。本文中，我们明确了治疗师在评估患者功能能力方面的需求（例如，提供带有患者运动量化信息的替代性评估视角）。据此，我们开发了一个智能决策支持系统，该系统利用强化学习识别评估的关键特征，以评估运动质量并总结患者特异性分析。我们使用来自15名患者完成三项运动的数据集，与七名治疗师对该系统进行了评估。评估表明，相较于无分析功能的传统系统，我们的系统更受青睐，同时呈现更有用的信息，并将治疗师评估间的一致性从0.6600显著提升至0.7108 F1分数（）。我们讨论了呈现上下文相关且显著的信息以及适应性对于开发人机协作决策系统的重要性。
引用
@article{arxiv.2002.12261,
title = {Opportunities of a Machine Learning-based Decision Support System for Stroke Rehabilitation Assessment},
author = {Min Hun Lee and Daniel P. Siewiorek and Asim Smailagic and Alexandre Bernardino and Sergi Bermúdez i Badia},
journal= {arXiv preprint arXiv:2002.12261},
year = {2020}
}