PrimSeq：基于深度学习的中风康复训练量化流水线
机器学习
2021-12-23 v2 计算机视觉与模式识别
摘要
中风康复旨在通过重复练习功能性动作来增加神经可塑性，但由于重复次数不足，可能对恢复影响甚微。由于目前不存在实用的工具来测量最优的训练内容与数量，因此二者均未知。在此，我们提出 PrimSeq，一种用于分类和计数中风康复中所训练功能性动作的流水线。我们的方法集成了可穿戴传感器以捕捉上半身运动、一个用于预测运动序列的深度学习模型，以及一种用于统计动作次数的算法。训练后的模型能将康复活动准确分解为组成性的功能性动作，优于具有竞争力的机器学习方法。此外，PrimSeq 以人类专家所需时间成本和人工成本的一小部分对这些动作进行量化。我们在先前未见过的一系列上肢运动障碍的中风患者中展示了 PrimSeq 的能力。我们期望这些进展将支持中风康复中定量给药试验所需的严格测量。
引用
@article{arxiv.2112.11330,
title = {PrimSeq: a deep learning-based pipeline to quantitate rehabilitation training},
author = {Avinash Parnandi and Aakash Kaku and Anita Venkatesan and Natasha Pandit and Audre Wirtanen and Haresh Rajamohan and Kannan Venkataramanan and Dawn Nilsen and Carlos Fernandez-Granda and Heidi Schambra},
journal= {arXiv preprint arXiv:2112.11330},
year = {2021}
}