DOI: 10.12307/2026.685
基于Transformer-卷积神经网络模型实现单节点腰部康复训练动作识别任务
余圣涵1
成贤锴1
郑跃1
杨颖2
1.中国科学技术大学生物医学工程学院(苏州),江苏省 苏州市 215163;中国科学院苏州生物医学工程技术研究所,江苏省 苏州市 2151632.中国科学院苏州生物医学工程技术研究所,江苏省 苏州市 215163;苏州高新区人民医院,江苏省 苏州市 215129
摘要：背景:惯性测量单元被广泛用于人体姿态感知与动态捕捉.深度学习已逐步替代传统规则与特征工程,广泛应用于动作识别任务.卷积神经网络在提取局部动态特征方面表现良好,Transformer则在建模长时序依赖方面展现出强大能力.
目的:通过基于Transformer-卷积神经网络融合模型识别方法,实现在单惯性传感器条件下的腰部康复训练动作识别任务.
方法:采集6名健康受试者佩戴单个惯性传感器条件下执行腰部康复动作的加速度与角速度数据,以动作类型为数据进行标注,制作腰部康复动作数据集.通过腰部康复动作数据集对Transformer-卷积神经网络融合模型进行训练,构建动作分类模型.通过留一交叉验证评估模型准确性,并与线性判别分析、支持向量机、多层感知、经典Transformer等模型进行性能对比.
结果与结论:在5类动作识别任务中,Transformer-卷积神经网络模型准确率达96.67%,F1-score为0.966 9.在单传感器输入的条件下,相较于传统模型,在识别精度与泛化能力方面具有明显优势.验证了基于单惯性测量单元数据的深度模型在腰部康复动作分类任务中的实用性,为轻量化、高部署性的居家腰部康复训练系统提供基础.
关键词：慢性腰痛康复训练深度学习Transformer单节点惯性传感器动作分类
分类号：R496(康复医学)R318(医用一般科学)R681(骨科学（运动系疾病、矫形外科学）)
论文发表日期：2026-06-08
在线出版日期：2026-03-20（本平台首次上网日期，不代表文献的发表时间）
页数：12( 4125-4136 )
英文信息