基于遗传算法和极限学习机的fugl-meyer量表自动评估

？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。