计算机工具可以追踪中风康复促进复苏
装备传感器计算机程序可以准确地识别和计数的手臂运动在人们接受中风康复,一项新的研究显示。现在可以这样做,下一步,该研究的作者说,是使用工具来定义运动带来的强度最大的复苏病人的独立活动能力和中风后照顾自己。
工作所得的紧迫性,手臂移动(以及流动性在其他肢体)在超过一半的严重减少中风幸存者。每年有近800000美国人患中风,据估计美国疾病控制和预防中心。
由格罗斯曼纽约大学医学院的研究人员研究表明,工具,发达的纽约大学,叫PrimSeq,是77%有效的识别和计数的数量在康复锻炼手臂运动处方中风患者。传感器绑在手臂和背部被用来跟踪运动在三维空间中。开发人员说他们计划进一步测试更多的中风患者完善他们的计算机模型,减少所需的传感器数量,然后开发一个小的原型设备,可以戴在手臂和上半身。
“我们的研究表明,数字工具,它被设计为相同的功能作为smartwatch,高度精确的追踪期间患者的运动的强度中风康复治疗,”文章的第二调查员海蒂Schambra说,医学博士,副教授在神经学和纽约大学Langone康复医学的部门。
“这样的援助是迫切需要的,因为由录像或其他可穿戴传感器不提供标准化的精确多少康复措施锻炼每个病人接受,”Schambra说。“任何改善运动“剂量”收到必须基于准确,自动化的措施的类型和数量的手臂运动参与一个给定的运动。”
动物的先前的研究表明,上半身的剧烈运动可以促进卒中后康复。然而,在人类研究显示,中风患者接受平均运动训练动物被证明有效的十分之一。研究人员说,这主要是因为没有简单直到PrimSeq-to准确地跟踪他们的手臂运动的发展。
发表在《公共科学图书馆数字医疗在线6月16日,这项新研究记录了41名成年中风患者的上肢运动时进行常规康复训练恢复使用手臂和手。练习和手臂动作涉及病人喂食自己用叉子和一把梳子梳理自己。
超过51616的上半身运动记录从九个传感器,与每个手臂运动的数字录音然后匹配功能类别,如是否涉及的运动达到一个对象或拿着它。
人工智能(机器学习)软件编程检测数据内的模式,将这些模式绑定到特定的动作。结果PrimSeq工具然后测试在一个单独的八国集团中风病人穿着传感器在执行各种练习。
PrimSeq被用来看看它是否能够正确地识别出12545次的记录活动根据他们的功能。程序成功地准确地评估大多数患者的运动,都有轻度至中度的手臂障碍从中风。
“PrimSeq性能最先进的识别和计数功能运动在中风患者,我们收集更多的数据继续增加其准确性,”文章的第二研究员Carlos Fernandez-Granda说,博士,副教授,纽约大学数学和科学数据。
”作为我们的研究试图找到最佳水平所需的训练强度恢复,我会断言我们的工具是很有前途的临床使用,因为另一种选择是没有准确计数,“Schambra说。“如果进一步的实验证明是成功的,我们当然会在临床试验中测试系统”。
作者打算PrimSeq全球免费中风康复专家,已经发布了他们的数据用于构造程序在网上https://simtk.org/projects/primseq。
除了Fernandez-Granda和Schambra之外,其他纽约大学Langone和纽约大学研究人员参与本研究联合调查Avinash Parnandi Aakash Kaku,安妮塔文卡特斯,娜塔莎潘迪特,奥德沃,Venkataramanan Kannan Haresh Rajamohan,。另一个研究共同是黎明在纽约哥伦比亚大学流行病学。
进一步探索
