基于遗传算法和极限学习机的Fugl-Meyer量表自动评估

	基于遗传算法和极限学习机的Fugl-Meyer量表自动评估
	王景丽; 李亮; 郁磊; 王计平; 方强
	2014-03-10
发表期刊	计算机应用
期号	3 页码:907-910+914
摘要	为实现脑卒中上肢居家康复评定的自动化和定量化,针对临床上最常用的Fugl-Meyer运动功能评定(FMA)量表,利用极限学习机(ELM)建立了FMA量表得分自动预测模型。选取FMA肩肘部分中的4个动作,采用固定于偏瘫侧前臂和上臂的两个加速度传感器采集24名患者的运动数据,经预处理和特征提取,基于遗传算法(GA)和ELM进行特征选择,分别建立单个动作ELM预测模型和综合预测模型。结果显示,该模型可对FMA肩肘部分得分进行精确的自动预测,预测均方根误差为2.1849分。该方法突破了传统评定中主观性、耗时性的限制及对康复医师或治疗师的依赖性,可方便用于居家康复的评定。
关键词	脑卒中居家康复 Fugl-meyer评定加速度传感器遗传算法极限学习机
语种	中文
文献类型	期刊论文
条目标识符	http://ir.ciomp.ac.cn/handle/181722/43274
专题	中科院长春光机所知识产出
推荐引用方式 GB/T 7714	王景丽,李亮,郁磊,等. 基于遗传算法和极限学习机的Fugl-Meyer量表自动评估[J]. 计算机应用,2014(3):907-910+914.
APA	王景丽,李亮,郁磊,王计平,&方强.(2014).基于遗传算法和极限学习机的Fugl-Meyer量表自动评估.计算机应用(3),907-910+914.
MLA	王景丽,et al."基于遗传算法和极限学习机的Fugl-Meyer量表自动评估".计算机应用 .3(2014):907-910+914.

条目包含的文件		下载所有文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
基于遗传算法和极限学习机的Fugl_Me（250KB）			开放获取	CC BY-NC-SA	浏览下载