التقييم المُساعَد بالحاسوب للتأهيل البدني يشمل تقييم أداء المريض في إكمال التمارين التأهيلية الموصى بها، استنادًا إلى معالجة بيانات الحركة التي تم التقاطها بواسطة نظام حسي. على الرغم من الدور الأساسي للتقييم التأهيلي في تحسين نتائج المرضى وخفض تكاليف الرعاية الصحية، فإن النهج الحالية تفتقر إلى المرونة والمتانة والصلة العملية. في هذا البحث، نقترح إطارًا مبنيًا على التعلم العميق لتقييم آلي لجودة التمارين التأهيلية البدنية. تتكون العناصر الرئيسية لهذا الإطار من مقاييس لتقدير أداء الحركة، ودوال تقييم لتحويل مقاييس الأداء إلى درجات عددية لجودة الحركة، ونماذج شبكات عصبية عميقة لإنتاج درجات جودة للحركات المدخلة عبر التعلم الإشرافي. يتم تعريف المقاييس المقترحة للأداء استنادًا إلى احتمالية مزيج غاوسي (Gaussian mixture model)، وتحتوي على تمثيل بيانات ذات بُعد منخفض تم الحصول عليه باستخدام شبكة أوتوكودر عميقة (deep autoencoder network). تقوم الشبكة العصبية الزمانية-المكانية العميقة المقترحة بترتيب البيانات في هرميات زمنية واستغلال الخصائص المكانية للحركات البشرية باستخدام شبكات فرعية لمعالجة تحركات المفاصل لأجزاء الجسم الفردية. يتم التحقق من صحة الإطار المعروض باستخدام مجموعة بيانات تتضمن عشرة تمارين تأهيلية. أهمية هذا العمل تكمن في كونه الأول الذي يطبق شبكات عصبية عميقة لتقييم أداء التأهيل.