实体
Action research arm test
Action research arm test
PulseAugur coverage of Action research arm test — every cluster mentioning Action research arm test across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
AI无标记运动捕捉增强神经康复评估
研究人员开发了一个基于AI的无标记运动捕捉系统，以增强神经康复中的动作研究手臂测试（ARAT）。该系统能够准确重建上肢运动，并提供客观的运动学指标，与ARAT的传统序数评分相比，具有更高的灵敏度和特异性。案例研究表明，这些运动学指标可以揭示患者特定的恢复情况，并在ARAT评分停滞后仍能检测到改善，从而更详细地了解患者的进展。
-
AI运动捕捉技术超越序数评分，增强临床肢体评估
研究人员探索了使用基于AI的无标记运动捕捉（MMC）技术来增强动作研究手臂测试（ARAT）的应用，ARAT是神经康复中常用的上肢评估方法。传统的ARAT评分主观性强且敏感度不足。通过将MMC集成到常规临床评估中，研究发现AI能够准确重建上肢运动，并提供客观的运动学指标。这些指标比序数评分具有更高的特异性和敏感性，揭示了患者特异性的恢复模式，并在ARAT评分停滞后仍能检测到改善。
-
AI工具xAARA通过不确定性量化增强卒中康复评估
研究人员开发了xAARA，一个旨在协助临床医生评估卒中康复进展的新型引擎。与将丰富的运动数据压缩为单一分数或提供不透明的自动化评估的现有方法不同，xAARA利用多视角视频提供具有校准不确定性和详细解释的ARAT评估。该系统使用动态贝叶斯网络组合了692个多模态模型，并遵循临床有效性规则，将低置信度案例推迟处理。在对105名卒中幸存者进行的试验中，xAARA在任务和运动阶段评估中表现出高准确性，显著降低了预测不确定性，并获得了独立临床医…