Physical rehabilitation exercises assessment based on Hidden Semi-Markov Model by Kinect v2

M. Capecci, M. G. Ceravolo, F. Ferracuti, S. Iarlori, V. Kyrki, S. Longhi, L. Romeo, F. Verdini

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference contributionScientificvertaisarvioitu

18 Sitaatiot (Scopus)

Abstrakti

This work investigates how Hidden Semi-Markov Model (HSMM) can be used to monitor and evaluate physical rehabilitation exercises by Kinect v2 to support medical personnel and patients during rehabilitation at home. Authors developed an exercises assessment method based on the extraction of motion features determined by clinicians. Five different rehabilitation exercises are modeled using a HSMM to provide an assessment score. The scores are compared with those obtained using the Dynamic Time Warping to discriminate which, between these two methods, best correlates doctors and physiotherapists' evaluation. Results show that HSMM can be used to evaluate exercise performances and give a feedback to physiotherapists and patients about exercise execution.

AlkuperäiskieliEnglanti
Otsikko3rd IEEE EMBS International Conference on Biomedical and Health Informatics, BHI 2016
KustantajaIEEE
Sivut256-259
Sivumäärä4
ISBN (elektroninen)978-1-5090-2455-1
DOI - pysyväislinkit
TilaJulkaistu - 18 huhtikuuta 2016
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
TapahtumaIEEE International Conference on Biomedical and Health Informatics - Las Vegas, Yhdysvallat
Kesto: 24 helmikuuta 201627 helmikuuta 2016
Konferenssinumero: 3

Conference

ConferenceIEEE International Conference on Biomedical and Health Informatics
LyhennettäBHI
MaaYhdysvallat
KaupunkiLas Vegas
Ajanjakso24/02/201627/02/2016

Sormenjälki Sukella tutkimusaiheisiin 'Physical rehabilitation exercises assessment based on Hidden Semi-Markov Model by Kinect v2'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä