Исследователи представили PhaseAware — фреймворк для непрерывной оценки качества реабилитационных упражнений, объединяющий временные нейросетевые архитектуры с фазовыми дескрипторами движений. Система обеспечивает интерпретируемость результатов, позволяя врачам контролировать процесс оценки в реальном времени. Модель успешно протестирована на наборе данных UI-PRMD, демонстрируя высокую точность в анализе биомеханических показателей пациентов при выполнении терапевтических задач.
Основная проблема существующих систем автоматической оценки реабилитации заключается в их «черном ящике», что затрудняет использование выводов ИИ в клинической практике. PhaseAware решает эту задачу за счет использования gated residual pathway — механизма, который связывает базовую модель с конкретными фазами движения и группами мышц. Это позволяет системе не просто выставлять итоговый балл, но и указывать на конкретные отклонения в технике выполнения упражнения.
Интеграция подобных инструментов в медицинские рабочие процессы позволяет автоматизировать мониторинг прогресса пациентов, снижая нагрузку на физиотерапевтов. Благодаря компактности архитектуры, решение может быть развернуто в клинических условиях с ограниченными вычислительными мощностями, обеспечивая при этом точность, сопоставимую с экспертной оценкой специалистов.
Ключевые факты
- PhaseAware использует архитектуру с обусловленным гейтовым остаточным путем для анализа временных рядов движений.
- Модель прошла валидацию на датасете UI-PRMD, содержащем данные о выполнении стандартных реабилитационных упражнений.
- Система поддерживает концепцию Human-in-the-Loop, позволяя врачам проверять и корректировать оценки ИИ в рамках клинического протокола.
- Фреймворк ориентирован на компактность, что упрощает внедрение в медицинское оборудование и носимые устройства.