文件名称：matlab创新奖代码-A-Deep-Learning-Framework-for-Assessing-Physical-Rehabilita
文件大小：25.48MB
文件格式：ZIP
更新时间：2024-06-22 10:29:58
系统开源
matlab创新奖代码A-Deep-Learning-Framework-for-Assessing-Physical-Rehabilitation-Exercises 此存储库中的代码基于同名研究项目。 拟议的物理康复锻炼自动质量评估框架包括量化运动表现的指标、将表现指标映射为运动质量数值分数的评分函数、降维技术以及用于回归输入运动质量分数的深度神经网络模型。监督学习。 数据 使用康复运动。 它包含由 10 名健康受试者进行的 10 次运动的全身骨骼关节位移。 这些代码使用 Vicon 光学跟踪器获取的 117 维骨骼角度，用于深蹲练习。 论文中使用的运动数据子集可以从网站的“精简数据集”部分下载。 神经网络代码 这些代码是使用 Keras 库开发的。 SpatioTemporalNN_Vicon - 论文中提出的深度时空模型。 CNN_Vicon - 用于预测运动质量分数的基本卷积神经网络。 RNN_Vicon - 用于预测运动质量分数的基本循环神经网络。 Autoencoder_Dims_Reduction - 用于减少 Vicon 捕获的运动数据的维度的模型。 SpatioTe
【文件预览】：
A-Deep-Learning-Framework-for-Assessing-Physical-Rehabilitation-Exercises-master
----Utility Functions()
--------EM_boundingCov.m(5KB)
--------EM_init_regularTiming.m(2KB)
--------gaussPDF.m(1003B)
--------loglik.m(347B)
--------plotGMM1.m(2KB)
----List of Files and Functions.pdf(548KB)
----Distance Functions()
--------PCA()
--------Maximum Variance()
--------No Dimensionality Reduction()
--------Autoencoder()
----Results()
--------GMM_Loglikelihood_Scores.png(104KB)
--------GMM_Movement_Quality_Scores.png(111KB)
--------CNN_Vicon_Scores.png(312KB)
--------RNN_Vicon_Scores.png(314KB)
--------DTW_Distance_BS_NDR.png(115KB)
--------GMM_Loglikelihood_BS_ENC.png(108KB)
--------Mahalanobis_Distance_BS_PCA.png(118KB)
--------Euclidean_Distance_BS_NDR.png(116KB)
--------SpatioTemporalNN_Kinect_Scores.png(334KB)
--------DTW_Distance_BS_MV.png(112KB)
--------GMM_Encoded_Movements.png(764KB)
--------SpatioTemporalNN_Vicon_Scores.png(308KB)
----README.md(4KB)
----License - MIT.txt(1KB)
----Neural Networks()
--------CNN, RNN for Vicon()
--------Dimensionality Reduction for Vicon()
--------Spatio-Temporal NN for Vicon()
--------Spatio-Temporal NN for Kinect v2()
----Data()
--------Labels_Incorrect.csv(710B)
--------Data_Correct.csv(22.18MB)
--------Labels_Correct.csv(711B)
--------Prepare_Labels_for_NN.m(5KB)
--------Autoencoder_Output_Correct.csv(726KB)
--------Prepare_Data_for_NN.m(5KB)
--------Data_Incorrect.csv(21.95MB)
--------Autoencoder_Output_Incorrect.csv(726KB)