May, 2023

Walk4Me：远程医疗社区移动性评估，一种早期诊断和疾病进展的自动化系统

PDF
TL;DR该研究介绍了 Walk4Me—— 一种基于人工智能检测步态特征的远程健康系统，可通过机器学习运用识别疾病相关的步态障碍及其变化，同时监测疾病的进展并为早期诊断和治疗提供信息。
walk4metelehealthgait characteristicsmachine learningdisease progression
发现论文，激发创造
  • 基于行走器传感器数据的帕金森病分期的机器学习鉴别

    该研究采用机器学习方法，通过使用低成本的步行器安装的传感器获取的运动学信号，从而准确分类 Parkinson 病的严重程度阶段，并提供了一种解决传感器健康评估中常见的小数据和嘈杂数据问题的方法。

    Jun, 2020

  • 步态神经退行性疾病诊断中的人工智能调查

    通过机器学习和深度学习技术应用于步态诊断，本文综述了近来关于五种典型神经退行性疾病诊断的研究进展，提出了一个全面的有关人类步态数据和人工智能模型的系统分类，揭示了该领域的挑战、潜在解决方案和未来方向，并展望通过利用三维骨架数据和开发更高效的人工智能模型来进行神经退行性疾病诊断的前景。

    May, 2024

  • 采用腰部佩戴加速度计自动检测步态事件和行走距离，跨越典型的步行和跑步速度范围

    通过机器学习技术，商用智能手机的加速度计数据可以在不同行走速度下准确地测量子病和典型发育儿童的步数、行走距离、步长等步态临床特征，为社区基础的可穿着加速度计的行动性评估提供可能。

    Jul, 2023

  • 利用运动症状和机器学习早期检测帕金森病

    本研究旨在利用可穿戴系统，通过机器学习算法分析帕金森症早期症状，挖掘相关生物标志物进行症状监测和早期预测，结果表明通过该方法可获得 91.9% 的预测准确度。

    Apr, 2023

  • AI WALKUP: 一种基于计算机视觉的方法用于量化帕金森病患者的 MDS-UPDRS 评分

    通过基于计算机视觉的解决方案捕获人体姿势图像，使用算法进行重建和运动分析，并通过特征工程提取运动量的特征，从而可以在不同智能手机上部署，并通过我们的应用程序快速便捷地进行视频录制和人工智能分析。

    Apr, 2024

  • 使用智能手机时间序列数据远程预测帕金森病患者的药物状态

    本文提出了一种基于 Transformer 模型对帕金森病患者远程监测数据进行分析，以实现个性化远程医疗技术的方法，结果表明该方法在通过考察患者历史数据学习权重后在预测药物状态方面取得了良好的效果。

    Jul, 2022

  • 利用人工智能在家测量帕金森病的严重程度

    该研究介绍了一种使用人工智能技术进行帕金森病患者远程多任务运动表现评估的方法，此方法具有高度的准确性和可靠性，并且可以为缺乏神经学治疗的区域提供帕金森病患者及其他运动障碍患者远程客观评估的可能性。

    Mar, 2023

  • PhoneMD: 从智能手机数据中学习诊断帕金森病

    使用智能手机的长期数据来诊断帕金森病，研究表明，深度学习模型的表现显著优于传统方法，smartphone 数据可以作为未来可能用于帕金森病诊断的数字生物标志物。

    Oct, 2018

  • HealthWalk：通过基于传感器的行车辅助推广健康和行动能力

    Rollator walkers with integrated sensors address poor posture and mobility issues, enabling data collection for older people, patients with rheumatism, multiple sclerosis, Parkinson's disease, and visual impairments.

    Oct, 2023

  • 基于视觉的老年护理步态分析

    该研究提出一种使用单个摄像头在智能老人住所收集信息的方法，采用该方法可在养老院中无侵入检测老年人的步态，实现长期监测及辅助医生了解患者的医疗信息。

    Dec, 2018