TY -的A2本盛盟——Ienaga日本AU - Takahata血缘盟——Terayama祺AU -榎本失败,大树盟,石原将欲之盟,野田佳彦Haruka盟——Hagihara Hiromichi PY - 2022 DA - 2022/11/30 TI -开发和验证的姿势控制评估使用Deep-Learning-Based姿势估计:对临床应用SP - 6952999六世- 2022 AB -职业治疗师评估客户的职业的各个方面的性能。其中,姿态控制是需要评估的基本技能之一。最近,提出了几种方法来估计姿势控制能力使用deep-learning-based方法。这些技术允许提供自动化的潜力,精确、定量指标仅仅通过评估客户的视频细粒度从事一个姿势控制的任务。然而,这些评估工具的临床适用性需要进一步调查。在当前的研究中,我们比较三个deep-learning-based姿势估计来评估他们的临床适用性的姿态估计精度和处理速度。此外,我们提出了量化指标的验证这姿势控制最好的反映职业治疗师的临床评估。一个框架使用深度学习技术扩大量化的可能性客户的姿势控制以更细粒度的方式与传统的粗指数相比,这可能导致改进职业治疗实践。SN - 0966 - 7903你2022/6952999 / 10.1155——https://doi.org/10.1155/2022/6952999——摩根富林明,职业治疗国际PB - Hindawi KW - ER