ISSN: 2329-9096
Aleksandar Vakanski, Jake M. Ferguson und Stephen Lee
Ziel: Der Artikel schlägt eine Reihe von Metriken zur Bewertung der Leistung von Patienten bei physiotherapeutischen Übungen vor. Methoden: Es wird eine Taxonomie verwendet, die die Metriken in quantitative und qualitative Kategorien einteilt, basierend auf dem Abstraktionsgrad der erfassten Bewegungssequenzen. Darüber hinaus werden die quantitativen Metriken in modelllose und modellbasierte Metriken eingeteilt, in Bezug darauf, ob die Bewertung die Rohmessungen der vom Patienten ausgeführten Bewegungen verwendet oder ob die Bewertung auf einem mathematischen Modell der Bewegungen basiert. Die überprüften Metriken umfassen quadratische Mittelwertdistanz, Kullback-Leibler-Divergenz, Log-Likelihood, heuristische Konsistenz, Fugl-Meyer-Bewertung und ähnliches. Ergebnisse: Die Metriken werden für einen Satz von fünf menschlichen Bewegungen ausgewertet, die mit einem Kinect-Sensor erfasst wurden. Schlussfolgerung: Die Metriken können möglicherweise in ein System integriert werden, das maschinelles Lernen zur Modellierung und Bewertung der Konsistenz der Patientenleistung in einer häuslichen Therapieumgebung verwendet. Eine automatisierte Leistungsbewertung kann die inhärente Subjektivität der von Menschen durchgeführten Therapiebewertung überwinden und die Einhaltung vorgeschriebener Therapiepläne verbessern und die Gesundheitskosten senken.