文献

J-GLOBAL ID：202002237307717841   整理番号：20A0331632

リハビリテーションを受けている脳卒中患者の指運動の評価のためのサポートベクトルマシンに基づく分類器【JST・京大機械翻訳】

Support Vector Machine-Based Classifier for the Assessment of Finger Movement of Stroke Patients Undergoing Rehabilitation

著者 (8件)： Hamaguchi Toyohiro (Department of Rehabilitation, Graduate School of Health Sciences, Saitama Prefectural University, Koshigaya City, Saitama, Japan) ,  Saito Takeshi (Department of Rehabilitation, Graduate School of Health Sciences, Saitama Prefectural University, Koshigaya City, Saitama, Japan) ,  Saito Takeshi (Department of Rehabilitation, Tokyo Dental College Ichikawa General Hospital, Chiba, Japan) ,  Suzuki Makoto (Department of Rehabilitation, Graduate School of Health Sciences, Saitama Prefectural University, Koshigaya City, Saitama, Japan) ,  Ishioka Toshiyuki (Department of Rehabilitation, Graduate School of Health Sciences, Saitama Prefectural University, Koshigaya City, Saitama, Japan) ,  Tomisawa Yamato (Takei Scientific Instruments Corporation Limited, Niigata, Japan) ,  Nakaya Naoki (Department of Rehabilitation, Graduate School of Health Sciences, Saitama Prefectural University, Koshigaya City, Saitama, Japan) ,  Abo Masahiro (Department of Rehabilitation Medicine, Tokyo Jikei University School of Medicine, Tokyo, Japan)
資料名： Journal of Medical and Biological Engineering  (Journal of Medical and Biological Engineering)
巻： 40  号： 1  ページ： 91-100  発行年： 2020年 
JST資料番号： W4621A  ISSN： 1609-0985  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 目的:伝統的に,脳卒中後の運動麻痺の臨床評価は,専門的なツールを必要とせずに,即時の病態生理学的評価を可能にするので,医師と治療士にとって価値がある。しかしながら,現在の臨床方法は,運動の客観的定量化を提供しない。したがって,リハビリテーションに対する反応を評価するとき,医師と治療士への使用は限られている。本研究では,跳躍運動制御装置を用いて指の運動学を解析し検証するために,サポートベクトルマシン(SVM)ベースの分類器を作成することを目的とした。結果は,治療士によって評価された24人の脳卒中患者のそれらと比較された。【方法】非線形SVMを用いて,指屈曲と伸展の間のピーク角度とピーク速度パターンに焦点を合わせることによって,指運動のBrunstrom回復段階に従ってデータを分類した。実際の正規化運動学関連データから一連のサンプルデータをランダムに描画することにより,数千のブートストラップデータ値を生成した。ブートストラップデータ値をランダムに訓練(940)と試験(60)データセットに分類した。ピーク角度とピーク速度の正規化運動学関連パラメータによる訓練によってSVM分類モデルを確立した後に,試験データセットを,麻痺運動の分類を予測するために割り当てた。【結果】:高い分離精度が得られた(平均0.863;95%信頼区間0.87-0.869;p=0.006)。結論:本研究は,脳卒中患者の手運動回復を評価する医師と治療士を支援する人工知能の能力を強調する。Copyright The Author(s) 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *リハビリテーション ,  *サポートベクトルマシン ,  *脳卒中 ,  跳躍現象 ,  人工知能 ,  片麻痺 ,  病態生理 ,  正規化 ,  信頼区間 ,  麻痺性疾患
準シソーラス用語： 運動機能回復 ,  伸展 ,  臨床評価 ,  運動麻痺 ,  *脳卒中患者 , 【Automatic Indexing@JST】

著者キーワード (4件)： 片麻ひ ,  指の動き ,  リハビリテーション ,  脳卒中

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (7件)： リハビリテーション ,  脳卒中患者 ,  指 ,  運動 ,  評価 ,  サポートベクトルマシン ,  分類器