基于提示工程的康复训练动作质量评估与反馈生成

康复训练可提高生活质量，降低并发症、死亡率和再住院率，但由于交通限制和人员短缺，导致康复项目的脱落率较高。虚拟平台使患者能够在家完成处方运动，同时 AI 算法分析表现、提供反馈并更新医护人员。尽管已有许多研究开发了机器学习和深度学习模型用于运动质量评估，但鲜有研究探索使用大语言模型 (LLM) 进行反馈，且缺乏包含文本反馈的康复数据集。本文提出了一种新方法，该方法从患者执行康复运动的骨骼关节中提取运动特定特征，并输入预训练的 LLM。通过零-shot、few-shot、chain-of-thought 和 role-play 提示等多种提示技术，利用 LLM 对运动质量进行评估并以自然语言提供反馈，以帮助患者改进动作。该方法在两个公开的康复训练评估数据集 (UI-PRMD 和 REHAB24-6) 上进行了广泛实验，结果显示在运动评估、推理和反馈生成方面表现有前景。该方法可集成到虚拟康复平台中，以帮助患者正确执行运动，支持恢复并提高健康结果。