论文部分内容阅读
为了能够远程监测脑卒中患者的康复训练情况，降低住院或请康复医生上门的治疗费用，利用加速度传感器设计了一个新型的用于社区和家庭的远程上肢康复训练运动捕捉系统，对采集到的数据，采用BP神经网络的方法建立智能识别模型，从而可以对患者的康复训练动作进行有效的自动识别。为了验证系统的准确性和可靠性，采集了9名处于不同治疗期的患者的康复训练数据，患者在康复医生指导下完成5个典型康复训练动作(Bobath握手、患手摸肩、屈压旋前旋后、肩关节水平外展、肘关节屈曲触头)。由于动作的难易程度、患者身体状况的不同以及个体化差异，病人只能完成其中的一种或几种动作。对每个动作选取其中4名患者共20组数据作为训练集数据，另外5名患者的训练数据作为测试集数据。测试结果表明，所建立的模型可以准确地完成识别实验中5个动作类型的任务，准确率高达90．91％。所建立模型方法客观、合理、识别精度高，实用性强，具有良好的理论与实际应用价值。