2021-11-03论文阅读：Deep Learning for Sensor-Based Rehabilitation Exercise Recognition and Evaluation

路边大榕树

于 2021-11-04 15:28:29 发布

阅读量228

点赞数

分类专栏：康复训练论文阅读文章标签：深度学习计算机视觉

本文链接：https://blog.csdn.net/duoduohair/article/details/121128038

版权

本文提出了一种名为MP-CNN的多路径卷积神经网络，用于传感器数据的康复训练识别。结合D-CNN和S-CNN，MP-CNN能学习康复运动的一般特征表示。此外，还引入了一个评价矩阵与深度学习分类器，以评估康复训练的质量。

摘要由CSDN通过智能技术生成

摘要

本文提出了一种利用传感器数据进行康复训练识别的多路径卷积神经网络(MP-CNN)。将D-CNN和S-CNN相结合，形成MP-CNN。为了对康复训练进行评价，提出了一个特殊的评价矩阵，并结合深度学习分类器来学习不同层次的各类康复训练的一般特征表示。

1. Introduction（完全翻译，可忽略）

康复运动是手术后特别是关节疾病手术后恢复的重要步骤之一。在康复治疗中，家庭锻炼计划是很常见的，病人在家庭环境中进行一系列的体育锻炼。然而，这样的锻炼并不总是能成功地帮助患者完全康复。一个主要的障碍是病人不遵守规定的锻炼计划。此外，该计划缺乏对患者表现的监督和监控。
在计算机视觉和机器学习领域，动作识别受到越来越多的关注。活动识别可以分为两类，即基于视觉的方法和基于传感器的方法。对于基于视觉的方法，人类的动作可以看作是一组外观或运动的时空变化。
尽管在过去的几十年里已经使用了许多基于视觉的方法，但人体姿势、遮挡和视点变化的巨大变化仍然使这个问题非常具有挑战性。传感器技术，特别是低功耗、高容量、无线通信和数据处理技术，已经取得了长足的发展，使传感器从低级数据采集和传输发展到高级推断成为可能。可穿戴传感器可以嵌入衣服、腰带、智能手表和移动设备，用于信息收集和分析。康复运动是由一系列的动作组成的。行动识别将行动分为不同的类别，而行动评价的目的是对行动进行评分。这对康复特别重要，因为它表明病人是否能完成动作。此外，这个比分还暗示了从特定伤病中恢复的程度。
尽管在过去的几十年里已经使用了许多基于视觉的方法，但人体姿势、遮挡和视点变化的巨大变化仍然使这个问题非常具有挑战性。传感器技术，特别是低功耗、高容量、无线通信和数据处理技术，已经取得了长足的发展，使