%0 Journal Article
%T 基于遗传算法和极限学习机的fugl-meyer量表自动评估
%A 王景丽
%A 李亮
%A 郁磊
%A 王计平
%A 方强
%J 计算机应用
%D 2014
%X ？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。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（geneticalgorithm,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。
%K 脑卒中
%K 居家康复
%K fugl-meyer评定
%K 加速度传感器
%K 遗传算法
%K 极限学习机
%U http://www.joca.cn/CN/abstract/abstract17131.shtml