《基于遗传算法和极限学习机的Fugl-Meyer量表自动评估》PDF+DOC
作者:王景丽,李亮,郁磊,王计平,方强
单位:四川省计算机学会;中国科学院成都分院
出版:《计算机应用》2014年第03期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFJSJY2014030650
DOC编号:DOCJSJY2014030659
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于微机电系统加速度传感器的上肢运动功能评价系统》PDF+DOC2018年第03期 汪鹏,王殊轶,徐明哲
《无线传感器网络中极限学习机回归优化预测模型》PDF+DOC2016年第11期 洪伟,郭昆,郭文忠
《脑卒中患者运动功能自动化评定研究进展》PDF+DOC2020年第09期 刘朗,刘勇国,李巧勤,杨尚明,金荣疆,何霞
《基于神经网络预测器的传感器数据证实技术研究》PDF+DOC 吴祖堂
《基于BP神经网络的飞行体姿态预测模型》PDF+DOC2008年第01期 孟松,张志杰,范锦彪,曹咏弘
《基于加速度传感器的低功耗冲击记录仪的实现》PDF+DOC2007年第07期 倪恩铭
《改进遗传算法结合FLANN在加速度传感器动态建模中的应用》PDF+DOC2006年第02期 俞阿龙
《基于车辆制动数据的制动距离预测系统》PDF+DOC2015年第06期 卞聪超,周胜源,姚荣彬
《高桩码头结构健康监测系统传感器优化布置》PDF+DOC2013年第12期 张迅,王平,邢建春,杨启亮
《加速度传感器能耗预测模型的建立与验证》PDF+DOC2013年第11期 向剑锋,李之俊
为实现脑卒中上肢居家康复评定的自动化和定量化,针对临床上最常用的Fugl-Meyer运动功能评定(FMA)量表,利用极限学习机(ELM)建立了FMA量表得分自动预测模型。选取FMA肩肘部分中的4个动作,采用固定于偏瘫侧前臂和上臂的两个加速度传感器采集24名患者的运动数据,经预处理和特征提取,基于遗传算法(GA)和ELM进行特征选择,分别建立单个动作ELM预测模型和综合预测模型。结果显示,该模型可对FMA肩肘部分得分进行精确的自动预测,预测均方根误差为2.1849分。该方法突破了传统评定中主观性、耗时性的限制及对康复医师或治疗师的依赖性,可方便用于居家康复的评定。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。