本文介绍了一种名为 Physio 的基于聊天的应用程序，它可以进行初步诊断并引用可靠的健康来源来支持所提供的信息。此外，Physio 还可以借助外部知识数据库为症状缓解推荐康复锻炼和非处方药。通过结合这些功能，Physio 可以利用语言处理的生成模型的力量，同时以可靠和可验证的来源作为条件来生成回复。Physio 的实时演示可在此 https URL 上进行访问。

Jan, 2024

本文介绍了一种新型机器人神经康复训练系统，结合了康复设备、信号分类方法、监督式机器学习模型以及社交互动代理人作为用户界面，能够根据患者特定需求进行训练并让患者进行独立康复训练。

Jun, 2022

本研究介绍一种基于规则的自然语言处理算法，可以从非结构化的电子健康记录中标注中风患者的治疗过程，与几个小型机器学习模型进行比较，并发现我们的算法在提取足够数据可用的一半概念方面表现优异，并且每个概念的个别运动描述可以分配二进制标签，f-score 不低于 0.75。

Mar, 2023

通过整合交互式的社交感知虚拟助理到神经康复机器人框架中，本研究的主要目标是重现与面对面康复会议相关的社交方面。我们还进行了一项可行性研究，测试了健康患者对该框架的反应，初步结果表明参与者表现出了适应系统的倾向。值得注意的是，在所提出的锻炼中，交互式助理的存在并没有分散注意力，而是积极地促进了用户的参与度。

Jun, 2024

这篇研究论文介绍了创新的基于 Kinect 的远程康复系统（KiReS），支持任何地方的物理疗法会话，能节省医疗费用，并提高需要康复的用户的生活质量。该系统具有知识提取功能和虚拟沉浸功能，通过选择适当的锻炼方法来康复患者，并提供方便、高效和用户友好的远程康复体验。

Jan, 2024

该论文通过引入系统分类法，对 AI 增强的虚拟现实应用于医疗保健领域进行了全面调查，将相关技术和应用细分为三个类别，即可视化增强、与 VR 相关的医学数据处理和 VR 辅助干预，为对这些技术进行更全面的理解和评估提供了一个框架。据我们所知，这是首次对医疗环境中的 AI 增强虚拟现实系统进行系统调查，为未来研究奠定了基础。

Feb, 2024

本研究旨在基于自我收集的增强现实多交互手势数据集，提供一款增强现实 “Try to Move” 游戏和卷积神经网络（CNN）来识别和分类用户手势，以提高康复过程的乐趣体验和远程康复训练的效果和便利性。

Sep, 2023

本文提出了一种通过生成 player 模型，利用叫做 procedual personas 的原型 player 模型实现自动游戏内容测试的方法，该模型基于心理决策理论，通过使用进化计算开发的节点选择标准来替换 MCTS 的标准 UCB1 标准。我们在多种游戏水平中演示了这些人物的应用，并展示了不同的玩法风格如何在每个水平中表现。总之，我们使用人工智能人物来构建合成游戏测试人员。该方法可用作自动游戏测试工具，在人类反馈不可用或需要快速可视化潜在互动时使用。可能的应用包括游戏开发期间的交互式工具或需在短时间内进行许多评估的程序性内容生成系统。

Feb, 2018

智能算法在神经设备上的整合对于各种脑部疾病具有重要机遇。在本文中，我们回顾了在可植入或可穿戴设备上嵌入信号处理的三类智能神经假体的最新进展，包括：1）用于闭环症状追踪和响应性刺激的神经接口；2）用于新兴网络相关疾病如精神疾患的神经接口；以及 3）用于瘫痪后运动恢复的智能脑 - 机接口片上系统（BMI SoCs）。

May, 2024

本文提出了一种新方法，将无线感知技术与人工智能生成的内容相结合，提出了一个统一的无线感知 - 人工智能生成内容框架，以改善数字内容生产的质量，在服务需求的基础上生成相应的数字内容。该框架能够根据用户的姿势作为约束生成内容，并能接受用户的反馈，从而调整边缘服务器上的计算资源以提高服务质量。实验结果验证了该框架的有效性，凸显了其在准确生成数字内容方面的潜力。

Mar, 2023