基于BP神经网络的手功能康复评估研究

发布时间：2021-02-26 20:16

　　目的针对手功能障碍康复,本文提出一种基于神经网络的主客观结合的康复评估新方法。方法选取27例偏瘫患者进行抓握测试,记录患者的握力、捏力、肌电信号数据,采用Fugl-Meyer评定法（Fugl-Meyer assessment, FMA）得到患者的手功能康复评估分数。以握力和肌电信号等参数为输入,以评估分数为输出,建立基于反向传播（back-propagation,BP）神经网络的手功能康复评估模型,利用获取的24组样本数据对神经网络进行训练,余下的3组样本用于精度验证,并通过聚类分析进一步提高预测精度。结果训练后,模型的平均评估误差率为18.13%,通过调整样本类数,平均评估误差最大降至15.84%。结论评估模型可以较为准确地预测评估分数,BP神经网络可以用于评估手功能障碍的康复程度。 

【文章来源】：北京生物医学工程. 2020,39(06)

【文章页数】：5 页

【文章目录】：
0 引言
1 总体构思
2 研究对象
3 方法
    3.1 构建输入层
    3.2 确定隐含层节点数
    3.3 确定输出层
4 结果
5 讨论
4 结论


【参考文献】：
期刊论文
[1]基于人工智能和临床诊断的上肢康复评估方法研究进展[J]. 王博超,张新峰.  北京生物医学工程. 2018(01)
[2]脑卒中患者上肢康复机器人及评价方法综述[J]. 王丽,张秀峰,马岩,杨荣.  北京生物医学工程. 2015(05)
[3]脑卒中后手功能康复应评价和治疗并重[J]. 贾杰.  上海医药. 2014(02)
[4]老年脑卒中患者的康复需求及影响因素分析[J]. 沈设芬,李瑛,毛云英,金白梅,王超群.  护士进修杂志. 2012(09)
[5]早期健康教育对脑卒中患者疾病认知程度的影响[J]. 毛英.  中国当代医药. 2011(21)
[6]汽车座椅舒适度人工智能评价方法研究[J]. 马佳,柯艺杰,苏强,杨海霞.  机械科学与技术. 2011(03)
[7]最大握力和捏力检测用于脑卒中患者上肢功能评定的研究[J]. 杨延砚,周谋望,黄东锋.  中国康复医学杂志. 2008(05)
[8]脑卒中上肢功能常用评价方法及临床应用[J]. 秦茵,毕胜,王福根.  中国康复医学杂志. 2004(03)

硕士论文
[1]应用sEMG评估手功能支具在脑卒中腕手功能障碍的作用研究[D]. 王桂丽.福建中医药大学 2017



本文编号：3053113