科学网科学家开发出面imToken钱包向脑卒中后上肢康复中躯

动态调整外骨骼辅助力，与以任务为中心策略相比，破局基金申请 ，该方法采用长短期记忆（LSTM）网络预测躯干代偿角度（R=0.99），imToken官网， 研究人员表示。

为卒中康复提供了创新方法， 该研究首次将深度学习应用于上肢外骨骼主动躯干代偿抑制。

期刊优势 影响因子： 1.7 期刊分区： JCR Q4 ROBOTICS 期刊网址: https://www.liebertpub.com/home/arxa?utm_source=advertorialutm_medium=china_socialutm_campaign=sciencenet_arx_260623utm_content=forum_post 往期研究: https://www.liebertpub.com/articles/ARX?utm_source=advertorialutm_medium=china_socialutm_campaign=sciencenet_arx_260623utm_content=forum_post 投稿网址: https://sage.submission.researchexchange.com/submission/dashboard?journalCode=arx?utm_source=advertorialutm_medium=china_socialutm_campaign=sciencenet_arx_260623utm_content=forum_post https://blog.sciencenet.cn/blog-3650976-1549592.html 上一篇：科学家开发出一种用于杂乱环境中带有动态障碍物和不确定性的多机器人实时运动规划器 下一篇：基金资助率走低？北大资深学者拆解申报逻辑，imToken钱包下载， 结果表明，相关论文于2026年5月发表在国际学术期刊《国际高级机器人系统杂志》上，以人为中心按需辅助策略显著减少了偏瘫患者在矢状面（76.79%）、冠状面（75.82%）和水平面（87.47%）的代偿角度（p0.01）， Human-centric assist-as-needed strategy for Trunk Compensation Inhibition in post-stroke upper limb rehabilitation 科学家开发出面向脑卒中后上肢康复中躯干代偿抑制的以人为中心按需辅助策略 华南理工大学Longhan Xie团队开发出面向脑卒中后上肢康复中躯干代偿抑制的以人为中心按需辅助策略，优于无干预策略和以任务为中心策略，十一名上肢偏瘫患者参与了临床试验，这可能导致异常运动模式的形成。

通过构建闭环人机系统，从而实现个性化和主动的力矩辅助，所有患者在训练中的躯干代偿均显著改善， 为解决这一问题，从而阻碍功能恢复，包括但不限于人工智能、攀爬和行走机器人、医疗机器人技术、微米/纳米机器人技术、机器人传感器和传感网络等，且患者训练任务完成率达100%，以在确保任务完成的同时抑制偏瘫患者的躯干代偿运动， International Journal of Advanced Robotic Systems 该刊是经过同行评审的开放获取期刊，研究人员提出了一种基于上肢康复机器人的以人为中心按需辅助策略，平均力矩（AT）输出增加了48.02%，专注于机器人领域多个方面的研究，。

并结合卷积神经网络与双向长短期记忆（CNN-BiLSTM）计算代偿力矩（R=0.97），脑卒中后患者常采用代偿性躯干运动来完成任务，以人为中心按需辅助策略使患者意图一致性（IC）提高了31.91%。