Smartphone-based tele-rehabilitation system for frozen shoulder using a machine learning approach
Conference proceedings article
ผู้เขียน/บรรณาธิการ
กลุ่มสาขาการวิจัยเชิงกลยุทธ์
ไม่พบข้อมูลที่เกี่ยวข้อง
รายละเอียดสำหรับงานพิมพ์
รายชื่อผู้แต่ง: Ongvisatepaiboon K., Chan J.H., Vanijja V.
ผู้เผยแพร่: Hindawi
ปีที่เผยแพร่ (ค.ศ.): 2015
หน้าแรก: 811
หน้าสุดท้าย: 815
จำนวนหน้า: 5
ISBN: 9781479975600
นอก: 0146-9428
eISSN: 1745-4557
ภาษา: English-Great Britain (EN-GB)
ดูในเว็บของวิทยาศาสตร์ | ดูบนเว็บไซต์ของสำนักพิมพ์ | บทความในเว็บของวิทยาศาสตร์
บทคัดย่อ
Frozen shoulder is a very painful condition that affects patients' daily life. Patients with frozen shoulder have to go to a hospital or medical center to get appropriate rehabilitation. Transportation to the hospital raises healthcare costs and the process can be time-consuming. We have developed a tele rehabilitation system which allows patients to perform an at-home exercise. According to our existing system, it is only available for high-end smartphones with multiple sensors that include accelerometer, gyroscope, and magnetic field sensors. In this work, we propose a novel approach using machine learning to estimate the arm angle of rotation using only the accelerometer sensor. Results show that reasonable accuracy can be obtained so that it may be used with lower-end Android smartphone devices that only have an accelerometer available. A web-based interface enables the medical practitioner such as a physiotherapist to monitor and administer an appropriate rehabilitation program for more effective recovery. ฉ 2015 IEEE.
คำสำคัญ
ไม่พบข้อมูลที่เกี่ยวข้อง
ติดต่อสอบถามเพิ่มเติมได้ที่