Stroke Survivors and Caregivers Using an Online Mindfulness-based Intervention Together
PulseAugur coverage of Stroke Survivors and Caregivers Using an Online Mindfulness-based Intervention Together — every cluster mentioning Stroke Survivors and Caregivers Using an Online Mindfulness-based Intervention Together across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的RevalExo基准测试旨在实现辅助设备运动识别
研究人员推出RevalExo，这是一个新基准数据集，旨在改进辅助设备的运动模式识别。该数据集专注于老年人和临床人群，通过同步的惯性测量单元（IMU）和视频数据捕捉真实的日常活动。该基准测试旨在通过提供11种运动模式的广泛帧级注释，解决现有数据集的局限性，例如缺乏精确的过渡标签和对健康个体的关注。初步结果突显了多模态输入的优势，但也揭示了识别过渡和跨不同用户群体泛化的重大挑战。
-
新协议引出卒中幸存者对康复系统 XAI 的需求
研究人员开发了一种新颖的视频式脚手架协议，用于引出卒中幸存者的可解释人工智能（XAI）需求，以解决习得性沟通障碍带来的挑战。该协议采用四种脚手架方法——类比桥接、投射人格、二元强制和延长响应时间——帮助患者和护理人员阐述他们对算法透明度的需求。研究确定了异质的 XAI 需求，并揭示了从业者应注意的三种系统性促进偏见，为设计值得信赖的康复人机系统贡献了一种可重用方法。
-
新协议帮助卒中幸存者定义 AI 可解释性需求
研究人员开发了一种基于视频的协议，用于从卒中幸存者那里引出可解释人工智能 (XAI) 的需求，解决了向有沟通障碍的个体传达复杂人工智能概念的挑战。该研究涉及三名卒中幸存者（其中两人患有失语症）和三名护理人员，利用类比桥接和投射角色等脚手架技术来收集多样化的 XAI 需求。研究还确定了潜在的促进偏见，例如规范性偏见和假设确认偏见，并为未来应用中减轻这些风险提供了指导。
-
新型注意力模型可从脑电信号中解码运动参数
研究人员开发了三种回归模型，用于从脑机接口（BMI）的脑电图（EEG）信号中解码多个运动参数。基于注意力的回归器表现出最高的性能，R平方值为0.8，延迟为29.2毫秒，在同时多参数解码方面取得了显著的改进。虽然该模型在多参数解码方面表现出色，但其在单参数解码方面的性能有所下降。多层感知器在两种解码类型上提供了更一致但准确性较低的结果。