في الآونة الأخيرة، تم محاولة تطوير بعض أنظمة العلاج الطبيعي القائمة على الهيكل العظمي لتقييم التصحيح أو الجودة تلقائيًا لتمارين إعادة التأهيل التي يقوم بها المرضى. ومع ذلك، من منظور الخوارزميات ومعايير التقييم، لا يزال هذا المجال غير مستكشف بالكامل من حيث الاستفادة الكاملة من الخصائص المختلفة للهيكل العظمي. ولتحسين الأعمال السابقة، نقترح إطارًا تعلميًا يُدعى الشبكة التلافيفية الرسومية المبنية على التجميع (EGCN) لتقييم تمارين إعادة التأهيل القائمة على الهيكل العظمي. إلى حد علمنا، يُعد هذا أول محاولة تستخدم كلاً من مجموعتي خصائص هيكل عظمي وتستكشف استراتيجيات تجميع مختلفة لهذا الغرض. كما نقوم بفحص مدى ملاءمة المعايير التقييمية الحالية، ونركز على تقييم قدرة التنبؤ الخاصة بالطريقة المقترحة. ثم نُجري تجارب تحقق متقاطعة واسعة النطاق على مجموعتي بيانات علنيتين حديثتين: UI-PRMD وKIMORE. تشير النتائج إلى أن نموذج التجميع على مستوى النموذج في EGCN يحقق أداءً أفضل من الطرق الحالية. الكود متاح عبر: https://github.com/bruceyo/EGCN.