融合脑功能和运动评估的脑卒中康复训练处方推荐模型构建

基于脑卒中患者的运动及脑功能评估指标,构建康复训练处方智能推荐模型。选取120例脑卒中患者,进行Brunnstrom、Holden步行能力分级、Berg平衡量表和改良的Ashworth量表评估;同时采用近红外脑功能成像系统,采集患者静息态的脑血氧数据。提取量表评估结果和脑区激活度、侧偏性、脑区间功能连接等脑功能评估指标特征,利用支持向量机(SVM)、卷积神经网络(CNN)以及结合两者优势改进的CNN-SVM算法,分别建立训练处方推荐模型,对8种训练内容的训练模式进行推荐。结果表明,采用量表评估结果和脑区间功能连接指标作为特征建立的模型识别准确率最高,3种算法的平均识别率均达到93%以上。其中,改进的CNN-SVM算法的识别准确率最高,达到96.43%。利用该方法,能够基于脑卒中患者运动和脑功能评估数据,实现康复训练处方的智能推荐,有利于实现个性化精准康复。