اختصاص خودکار وظیفه ورزشهای توانبخشی دربیماران سکته مغزی بر اساس سنسورهای پوشیدنی با مدل CNN چندکانالهوزن و نور تک بعدی

تقریبا ۷۵ درصد از بازماندگان سکته مغزی دارای اختلال حرکتی هستند. تمرینات توانبخشی قادر به بهبود هماهنگی فیزیکی است که بیشتر آنها در محیط خانه بدون راهنمایی درمانگر انجام می شوند ارائه بازخورد به موقع در مورد تمرینات و ارزیابی کیفیت کنش انسانی در محیط خانه یک چالش است. برای حل این چالش در این مقاله یک سیستم HREA کم هزینه معرفی شده که در آن از سنسورهای پوشیدنی برای جمع آوری داده های تمرین اندام فوقانی استفاده شده است و یک چارچوب چند کاناله ۱ D-CNN به صورت خودکار استفاده می شود. برای ارزیابی کیفیت عمل مدل پیشنهادی ابتدا بر روی مجموعه داده UCI-HAR آموزش داده شده است، و به عملکرد ۹۱.۹۶% دست می یابد. سپس، پنج اقدام معمولی از Fugl-Meyer انتخاب شدند مقیاس ارزیابی برای آزمایش، از حسگرهای پوشیدنی برای جمع آوری تمرین شرکت کنندگان استفاده شد داده ها و درمانگران مجرب برای ارزیابی تمرین شرکت کنندگان به طور همزمان به کار گرفته شدند. به دنبال فرآیند فوق، یک مجموعه داده بر اساس مقیاس Fugl-Meyer ساخته شد. بر اساس مدل۱D-CNN، یک مدل چند کاناله ۱ D-CNN ساخته شد و مدلی که از همجوشی Naive Bayes استفاده می کند، بهترین عملکرد (دقت: ۹۷.۲۶%، recall: ۹۷.۲۲%، امتیاز ۹۷.۲۳%: F۱) در مجموعه داده دارد. این نشان می دهد که سیستم HREA ارزیابی دقیق و به موقعی را ارائه می دهد که می تواند بازخورد در زمان واقعی برای توانبخشی خانگی بازماندگان سکته مغزی ارائه دهد.

کلیدواژه ها:

ورزش توانبخشی ، سکته مغزی ، سنسورهای پوشیدنی ، مدل ۱D-CNN ، HREA