Resumen

El entrenamiento de rehabilitación es esencial para los pacientes con disfunción motora, y el entrenamiento a través de su intención de movimiento subjetivo, en comparación con el entrenamiento pasivo, es más propicio para la rehabilitación. Este estudio propone un método para identificar la intención de movimiento de los diferentes estados de la marcha en un entorno normal, utilizando la tecnología de espectroscopia de infrarrojo cercano funcional (fNIRS). Se reclutó a 22 sujetos sanos para que caminaran con tres andares diferentes (incluyendo paso pequeño con baja velocidad, paso pequeño con velocidad media, paso medio con baja velocidad). Se utilizó la descomposición de paquetes de ondas para encontrar los principales canales característicos en los diferentes estados de movimiento, y estos canales con enlaces en frecuencia y espacio se combinaron para definirlos como vectores de características. De acuerdo con diferentes permutaciones y combinaciones de todos los vectores de características, se utilizó una biblioteca para máquinas de vectores de apoyo (libSVM) para lograr el mejor modelo de reconocimiento. Finalmente, la tasa de precisión de estos tres estados de marcha fue del 78,79%. Este estudio implementó la clasificación de la intención de movimiento de los diferentes estados utilizando la tecnología fNIRS. Sentó las bases para aplicar oportunamente la intención de movimiento clasificada de los diferentes estados, para ayudar a los pacientes con disfunción motora grave a controlar un dispositivo de asistencia para caminar para el entrenamiento de rehabilitación, con el fin de ayudarles a restaurar la capacidad de caminar de forma independiente y reducir las cargas económicas de la sociedad.

• Materias:Biotecnología Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithms Brain - pathophysiology Neurophysiology
• Palabras claves:pacientes con disfunción motora, estado diferente, intención de movimiento, entrenamiento de rehabilitación, vector de características, canal de características principales, estado de marcha diferente, descomposición de paquetes de ondas, mejor modelo de reconocimiento, intención de movimiento subjetiva
• Keywords:motor dysfunction patients, different state, motion intention, rehabilitation training, features vector, main characteristics channel, different walking state, wavelet packet decomposition, best recognition model, subjective motion intention