细粒度动作精度超97%
该网络将临床常用的人工特征与深度网络提取的潜在特征相融合，并显式建模上肢多部位的运动上下文与时空关系，实现对康复手势的实时精准识别。
王姝 · Jiawei, Liu · Shen, Chen · Shanshan, Wang · 彭玉鑫 · Changbo, Liao · 刘礼
Engineering Applications of Artificial Intelligence 2024
仅利用可穿戴设备的传感器数据，结合临床特征知识，即可实现高精度识别，摆脱对大型医疗设备的依赖。
模型显式考虑运动上下文和多部位时空关系，对24个细粒度动作的识别准确率超过97%。
手工设计特征与深度特征相结合，将医学分析中常用的指标直接纳入模型，提高可解释性和性能。