11:56
官方账号arXiv cs.LG@Yankai Zheng, Yuhe Liu, Yuxin Ma, Tianci Xue, Jiayuan Tian, Yu Fu, Yuxuan Hu, Jianing Wang, Zichun Xiao, Junya Mu, Shaohui Ma
推荐理由：想用 AI 辅助康复评分又怕黑盒？PhaseAware 精度高（RMSE 降 88.9%），还能给出运动阶段和身体部位的敏感线索，方便医生审查边界案例。
康复评分
共 1 条相关 AI 资讯
7月23日
11:56
PhaseAware 是一种结合时间骨干网络与阶段-身体组描述符的紧凑框架，用于连续康复质量评估。在 UI-PRMD 深蹲协议上，PhaseAware 的 RMSE 降至 0.0230，相比基线降低了 88.9%。在 KIMORE 深蹲子集上同样表现良好，表明阶段感知设计在相关协议间具有迁移性。除了评分预测，PhaseAware 还能基于阶段和身体层面的灵敏度生成结构化审查线索，突出对预测最重要的运动阶段和身体区域。该架构采用骨干条件门控残差机制稳定特征表示，支持在资源受限场景下运行。