Interpretable rehabilitation-oriented motion anomaly detection using wearable sensor data

doi:10.1038/s41598-026-67316-0

Interpretable rehabilitation-oriented motion anomaly detection using wearable sensor data

2026-08-21

0

OA

AI

DOI：10.1038/s41598-026-67316-0

原文链接

查看原文

摘要

En 中文

物理康复过程中运动异常的准确检测对于患者安全与康复监测至关重要。传统评估方法依赖视觉观察，常导致主观且不一致的评估结果。为解决此局限性，我们提出了一种基于支持向量引导分解（SVGD）的半监督康复导向运动异常检测框架，利用可穿戴传感器数据。该框架整合了低秩和稀疏矩阵分解与基于边距的判别学习。多传感器运动信号通过预处理、特征提取、分解和异常评分的顺序层进行处理。此设计能够将结构化的康复类运动与不规则偏差及代偿行为分离。在Leave-One-Subject-Out（LOSO）验证协议下，该框架通过结构化康复类运动数据与受控扰动生成异常进行了评估，为缺乏临床标注康复数据集的情况下提供了系统性代理评估。所提方法表现优异，精确率为0.97，召回率为0.96，F1得分为0.965，AUC为0.98，优于经典和深度学习基线。结果表明SVGD具有鲁棒性、可解释性和计算高效性，即使标签数据有限也能良好运行。这些结果突显了SVGD在基于可穿戴传感器数据的康复导向运动异常检测中的潜力。未来工作将考虑在临床标注康复数据集上进行验证。

Interpretable rehabilitation-oriented motion anomaly detection using wearable sensor data

摘要

AI总结

期刊

机构

引用论文