基于深度学习的脑卒中上肢运动功能自动评定

发布时间：2023-03-31 20:32

　　脑卒中因高发病率和高致残率特点已成为临床中常见疾病,其常伴随多种功能障碍,其中上肢运动功能障碍是影响最广泛的肢体功能障碍。近来,康复医学正逐步向精确化、远程化、智能化、个性化方向发展,精准评定是其中重要方向。本文融合传感器技术和人工智能开展基于深度学习的脑卒中上肢运动功能自动评定研究,分别从手臂运动功能障碍、手部运动功能障碍和上肢活动能力三方面设计运动测量系统,并基于传感器数据提出三种不同深度学习方法进行特征提取实现临床量表分期与评分预测。论文工作如下:1.针对上肢手臂运动功能评定,设计研制惯性测量单元(Inertial Measurement Unit,IMU),获取上肢评定动作过程大臂和前臂的惯性运动数据,提出基于时间注意力循环神经网络模型(Time Attention Recurrent neural network Model,TARM)进行数据特征提取并分类,实现上肢运动功能Brunnstrom分期准确率达100.00%。2.针对手部运动功能评定,结合IMU和柔性压力传感器设计通用数据手套,感知手部的惯性运动和手指压力。利用四元数法并建立几何关系模型实时计算手指关节活动度(R...

【文章页数】：110 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究工作的背景与意义
    1.2 国内外相关研究进展
        1.2.1 脑卒中手臂运动功能自动评定
        1.2.2 脑卒中手部运动功能自动评定
        1.2.3 脑卒中上肢活动能力自动评定
    1.3 论文的主要工作
    1.4 论文的结构安排
第二章 相关原理与技术
    2.1 康复评定相关原理与技术
        2.1.1 手臂运动功能评定
        2.1.2 手部运动功能评定
        2.1.3 上肢活动能力评定
    2.2 深度学习相关原理与技术
        2.2.1 卷积神经网络
        2.2.2 循环神经网络
        2.2.3 常见模型评价指标
    2.3 本章小结
第三章 脑卒中手臂运动功能自动评定
    3.1 脑卒中手臂运动功能康复自动评定简介
    3.2 数据准备
        3.2.1 惯性运动测量传感器单元设计
        3.2.2 数据误差及处理
        3.2.3 数据预处理
    3.3 基于时间注意力循环神经网络
        3.3.1 循环神经网络层
        3.3.2 时间注意力机制
        3.3.3 损失函数
    3.4 实验结果与分析
        3.4.1数据采集实验
        3.4.2 实验设置
        3.4.3 实验结果
    3.5 本章小结
第四章 脑卒中手部运动功能自动评定
    4.1 脑卒中手部运动功能自动评定
    4.2 数据准备
        4.2.1 手部运动测量传感器系统
        4.2.2 数据预处理
    4.3 手指关节活动度测量
        4.3.1 四元数法
        4.3.2 手指关节ROM几何模型
    4.4 滤波器正则化全卷积神经网络
        4.4.1 全卷积神经网络
        4.4.2 Lasso回归分析
        4.4.3 损失函数
    4.5 实验结果与分析
        4.5.1 手指关节活动度
        4.5.2 手部运动数据采集
        4.5.3 实验设置
        4.5.4 实验结果
    4.6 本章小结
第五章 脑卒中上肢活动能力自动评定
    5.1 脑卒中上肢活动能力自动评定
    5.2 数据准备
        5.2.1 量表评定项目分析与选择
        5.2.2 Kinect人体骨骼数据
    5.3 具有分组约束卷积-循环神经网络
        5.3.1 卷积神经网络模块
        5.3.2 循环神经网络模块
        5.3.3 SGL全连接模块
    5.4 实验结果与分析
        5.4.1 上肢活动骨骼图数据采集
        5.4.2 实验结果
    5.5 本章小结
第六章 脑卒中康复评定管理系统的设计与实现
    6.1 需求分析
        6.1.1 功能需求
        6.1.2 非功能需求
    6.2 脑卒中康复评定管理系统设计
        6.2.1 系统架构设计
        6.2.2 数据库设计
        6.2.3 功能架构设计
    6.3 脑卒中康复评定管理系统实现
        6.3.1 开发框架及开发工具
        6.3.2 功能实现及效果展示
    6.4 本章小结
第七章 结束语
    7.1 论文工作总结
    7.2 后续工作展望
致谢
参考文献
攻读硕士研究生期间参研项目与研究成果



本文编号：3775743