摘要
计算机辅助的物理康复评估涉及基于传感器系统捕获的运动数据处理，对患者完成规定的康复练习的表现进行评价。尽管康复评估在改善患者预后和降低医疗成本方面发挥着重要作用，但现有的方法缺乏灵活性、鲁棒性和实际相关性。本文提出了一种基于深度学习的框架，用于自动评估物理康复练习的质量。该框架的主要组成部分包括量化运动表现的指标、将表现指标映射为运动质量数值评分的评分函数，以及通过监督学习生成输入运动质量评分的深度神经网络模型。所提出的性能指标基于高斯混合模型的对数似然性定义，并编码了通过深度自编码器网络获得的低维数据表示。所提出的深度时空神经网络将数据组织成时间金字塔，并利用子网络处理人体各部位关节位移的空间特性。本文提出的框架使用包含十种康复练习的数据集进行了验证。本研究的意义在于，它是首个实现深度神经网络用于康复表现评估的工作。