Wearable-Site Sufficiency for Participant-Independent Recognition of Home Physiotherapy Exercises
تُظهر هذه الدراسة أنه من أجل التعرف المستقل عن المشاركين على تمارين العلاج الطبيعي المنزلي، يتفوق تكوين الأجهزة القابلة للارتداء ثنائي الموقع (الفخذ والمعصم) بشكل كبير على الإعدادات أحادية الموقع، في حين أن ميزات التنسيق الصريح بين المواقع لا تقدم فائدة جوهرية مقارنة بالميزات المحلية، كما يمكن لعملية تصفية الثقة العالية أن تحسن الدقة على حساب تغطية البيانات.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
غالبًا ما يبدأ التأهيل في العيادة، حيث يراقب المعالج المريض وهو يتحرك، ويصحح هيئته، ويتأكد من أدائه للتمرين بشكل صحيح. لكن العمل الحقيقي للتعافي يحدث في المنزل، حيث لا يوجد أحد يراقب. ولتجسير هذه الفجوة، اتجه المهندسون إلى المستشعرات القابلة للارتداء — وهي أجهزة صغيرة تلتصق بالجسم وتسجل الحركة. والأمل هو أن تتمكن هذه الأجهزة من إخبار الكمبيوتر بالضبط ما هو التمرين الذي يقوم به الشخص، حتى لو لم يسبق للكمبيوتر أن التقى بهذا الشخص من قبل. وهذا تحدٍ صعب لأن كل شخص يتحرك بشكل مختلف؛ فحركة "تدحرج الركبة" التي يقوم بها شخص ما تبدو مختلفة عن نفس الحركة التي يقوم بها شخص آخر. والسؤال المركزي للباحثين ليس فقط ما إذا كان بإمكان الكمبيوتر التعرف على حركة ما، بل كم عدد المستشعرات المطلوبة فعليًا للقيام بذلك بشكل موثوق، وأين يجب وضع تلك المستشعرات على الجسم. فإذا استُخدمت مستشعرات كثيرة جدًا، سيصبح النظام عبئًا لن يرتديه الناس، وإذا استُخدمت مستشعرات قليلة جدًا، أو وُضعت في المكان الخاطئ، سيفشل النظام في التعرف على التمرين، مما يترك المريض دون تغذية راجعة.
تناولت دراسة حديثة أجراها ويجيان تشاو من جامعة نانجينغ العادية للتربية الخاصة هذه المشكلة من خلال النظر في مجموعة محددة من التمارين المنزلية المصمم لأشخاص يعانون من مشاكل في الجهاز العضلي الهيكلي. حلل الباحث مجموعة بيانات عامة تحتوي على تسجيلات لثلاثين بالغًا قاموا بسبعة تمارين مختلفة، مثل تدحرج الركبة، وتمرين الجسر (bridging)، ووضعية "الرجل الخارق" (superman). ارتدى كل مشارك مستشعرين: واحد على المعصم وآخر على الفخذ. وكان الهدف هو معرفة ما إذا كان بإمكان برنامج كمبيوتر تحديد أي من التمارين السبعة يتم أداؤه دون الحاجة إلى إعادة تدريبه لكل شخص جديد. واختبرت الدراسة أربع طرق مختلفة لتغذية الكمبيوتر ببيانات الحركة هذه: باستخدام مستشعر المعصم فقط، واستخدام مستشعر الفخذ فقط، واستخدام كلا المستشعرين معًا، واستخدام كلا المستشعرين بالإضافة إلى عملية حسابية خاصة تحاول قياس كيفية تحرك المعصم والفخذ بالنسبة لبعضهما البعض.
قدمت النتائج إجابة واضحة حول مكان وجود المعلومات الأكثر أهمية. فعندما نظر الكمبيوتر إلى المعصم فقط، واجه صعوبة في التمييز بين التمارين، حيث أصاب الإجابة الصحيحة أقل من نصف الوقت. ومع ذلك، عندما نظر الكمبيوتر إلى الفخذ فقط، ارتفع أداؤه بشكل كبير، حيث حدد التمرين بشكل صحيح بنسبة 8ED حوالي 82 بالمائة. وهذا يشير إلى أنه بالنسبة لهذه التمارين المنزلية المحددة، فإن حركة الجزء السفلي من الجسم تحمل البصمة الأكثر تميزًا. وقد أدى إضافة مستشعر المعصم إلى مستشعر الفخذ إلى تحسين الدقة بشكل أكبر، مما دفع معدل النجاح إلى ما يقرب من 89 بالمائة. ويظهر هذا التحسن أنه بينما يعد الفخذ المصدر الأساسي للمعلومات، فإن المعصم يوفر تفاصيل إضافية مفيدة تساعد الكمبيوتر على تقديم تخمين أكثر ثقة.
كما اختبرت الدراسة ما إذا كانت إضافة حسابات معقدة حول كيفية تحرك جزأي الجسم معًا ستساعد. أنشأ الباحثون مجموعة من نقاط البيانات الجديدة التي تصف التوقيت والتنسيق بين المعصم والفخذ، آملين أن يعمل ذلك كشفرة سرية لتحسين التعرف. ومع ذلك، لم يتحسن الكمبيوتر في تحديد التمارين عند إضافة تفاصيل التنسيق الإضافية هذه؛ فقد ظل الأداء كما هو تمامًا عندما نظر الكمبيوتر ببساطة إلى البيانات الخام من كلا المستشعرين جنبًا إلى جنب. وتعد هذه النتيجة مهمة لأنها تشير إلى أن مجرد إضافة رياضيات أكثر تعقيدًا لا يؤدي دائمًا إلى نتائج أفضل؛ فأحيانًا تكون المعلومات الخام من المستشعرات كافية، ولا تضيف الطبقة الإضافية من الحساب أي قيمة حقيقية.
استكشف الباحثون أيضًا ميزة أمان تُعرف باسم "التنبؤ الانتقائي". ففي بيئة منزلية واقعية، قد يكون من الأفضل للنظام أن يقول "أنا لست متأكدًا" بدلاً من أن يخمن بشكل خاطئ ويعطي نصيحة سيئة. وضع الفريق قاعدة تقضي بأن الكمبيوتر يجب أن يعطي إجابة فقط إذا كان واثقًا جدًا في تخمينه. وعندما طبقوا هذه القاعدة، حدد الكمبيوتر التمرين بشكل صحيح بنسبة 98.4 بالمائة، لكنه اضطر إلى تخطي حوالي 40 بالمائة من الحركات لأنه لم يكن واثقًا بما يكفي لاتخاذ قرار. يسلط هذا التبادل الضوء على واقع عملي للأجهزة المستقبلية: يمكن للنظام أن يكون دقيقًا للغاية، ولكن فقط إذا كان مستعدًا للاعتراف بعدم تأكده وطلب المحاولة مرة أخرى من المستخدم.
من المهم فهم ما أثبتته هذه الدراسة وما لم تثبته. لقد نجحت الدراسة في إظهار كيفية بناء نظام يمكنه تحديد التمرين الذي يقوم به الشخص، بغض النظر عن هوية ذلك الشخص. ومع ذلك، تنص الدراسة صراحةً على أن هذه ليست سوى الخطوة الأولى. فالبيانات المستخدمة في الدراسة أخبرت الكمبيوتر فقط باسم التمرين، وليس ما إذا كان الشخص يؤديه بشكل صحيح، أو ما إذا كان يشعر بالألم، أو ما إذا كانت الحركة تساعد في تعافيه. يمكن للمستشعرات أن تميز بين "تدحرج الركبة" و"الرجل الخارق"، لكنها لم تستطع التمييز بين تدحرج ركبة جيد وتدحرج ركبة سيء. لذلك، وبينما توفر النتائج أساسًا قويًا لبناء أدوات تحديد النشاط، إلا أنها لا تدعم بعد فكرة قدرة هذه الأجهزة على استبدال حكم المعالج أو تقديم ملاحظات تصحيحية حول جودة الحركة. وقبل أن يمكن استخدام مثل هذه الأنظمة في المنازل لتوجيه التأهيل، يلزم إجراء المزيد من الاختبارات لمعرفة ما إذا كانت ستعمل عندما يتحرك الناس بحرية في غرف معيشتهم، وليس فقط خلال جلسة تسجيل خاضعة للرقابة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.