CN111834007A - 一种用于儿童发育性协调障碍调查数据处理系统及方法 - Google Patents
一种用于儿童发育性协调障碍调查数据处理系统及方法 Download PDFInfo
- Publication number
- CN111834007A CN111834007A CN202010674951.2A CN202010674951A CN111834007A CN 111834007 A CN111834007 A CN 111834007A CN 202010674951 A CN202010674951 A CN 202010674951A CN 111834007 A CN111834007 A CN 111834007A
- Authority
- CN
- China
- Prior art keywords
- data
- data processing
- neural network
- children
- processing system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 57
- 208000019246 Developmental coordination disease Diseases 0.000 title claims abstract description 36
- 208000019896 Motor Skills disease Diseases 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000011835 investigation Methods 0.000 title claims abstract description 8
- 238000013528 artificial neural network Methods 0.000 claims abstract description 48
- 238000012360 testing method Methods 0.000 claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims abstract description 24
- 238000012549 training Methods 0.000 claims description 13
- 230000004973 motor coordination Effects 0.000 claims 1
- 230000008111 motor development Effects 0.000 claims 1
- 230000005693 optoelectronics Effects 0.000 claims 1
- 238000007689 inspection Methods 0.000 abstract description 5
- 238000003672 processing method Methods 0.000 abstract description 5
- 238000012216 screening Methods 0.000 description 8
- 238000011161 development Methods 0.000 description 4
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 2
- 244000046052 Phaseolus vulgaris Species 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 206010003591 Ataxia Diseases 0.000 description 1
- 208000012239 Developmental disease Diseases 0.000 description 1
- 238000001545 Page's trend test Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000004205 dimethyl polysiloxane Substances 0.000 description 1
- 235000013870 dimethyl polysiloxane Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011841 epidemiological investigation Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- CXQXSVUQTKDNFP-UHFFFAOYSA-N octamethyltrisiloxane Chemical compound C[Si](C)(C)O[Si](C)(C)O[Si](C)(C)C CXQXSVUQTKDNFP-UHFFFAOYSA-N 0.000 description 1
- 238000004987 plasma desorption mass spectroscopy Methods 0.000 description 1
- 229920000435 poly(dimethylsiloxane) Polymers 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种用于儿童发育性协调障碍调查数据处理系统及方法，包括数据采集装置、数据处理端和预警输出端，数据采集装置用于采集被测儿童的相关数据并将该数据输入数据处理端，数据处理端内置BP神经网络，通过BP神经网络对所输入测试工具上的数据进行快速分类，输出评价结果，数据处理端连接预警输出端，通过预警输出端输出评价结果。本发明利用数据处理系统对表格数据进行快速处理，能够提高检查速度且实现检查的普及性。
Description
技术领域
本发明涉及数据处理技术领域，尤其是一种用于儿童发育性协调障碍调查数据处理系统及方法。
背景技术
1994年，儿童发育性协调障碍(Developmental Coordination Disorder，DCD)就被美国精神病协会列为独立的发育性疾病，DCD的基本特点为患儿可出现发育进程(如走路、握物、反应能力)的延迟，至学龄前期表现为动作“笨拙”、注意力不集中等典型症状，可影响学业和日常生活能力。约50％患儿症状持续到成年，可继发抑郁、焦虑等心理疾患以及社会适应能力不良，对个人、家庭和社会均造成严重危害。据目前流行病学调查显示DCD学龄前期患病率为8.3％，甚至高达20％以上。
由于中国对DCD的诊疗体系尚属“起步”，同时中国的人口基数较大，再加上近几年二孩政策的实时，中国的新生儿也在增加；另一件引起重视的是DCD在儿童期症状表现“轻微”，不易被发现；因此需要通过更加“标准化”的评估工具对各个年龄阶段的儿童尽早的进行筛查诊。如何提供一个快速评估、适用性更广泛的处理系统显得极为重要。
目前国内外用于DCD筛查的主要手段有儿童运动协调能力成套评估工具-第二版(Movement Assessment Battery for Children-Second Edition，MABC-2)、发育性协调障碍问卷(Developmental Coordination Disorder Questionnaire,DCDQ)和Peabody运动发育表(Peabody Developmental Motor Scales,PDMS)等，然后当待检测的儿童数量过大时，需要检测人员花费大量的时间逐个的对调查表进行分析，才能给出判断结果，导致检测时间慢且检测效率低。
发明内容
针对现有技术中存在不足，本发明提供了一种用于儿童发育性协调障碍调查数据处理系统及方法，利用数据处理系统对表格数据进行快速处理，能够提高检查速度且实现检查的普及性，又可以为医师的诊断提供数据分析结果。
本发明是通过以下技术手段实现上述技术目的的。
一种用于儿童发育性协调障碍调查数据处理系统，包括数据采集装置、数据处理端和预警输出端，所述数据采集装置用于采集被测儿童的相关数据并将该数据输入数据处理端，所述数据处理端对输入的相关数据进行处理输出评价结果，所述数据处理端连接预警输出端，通过预警输出端输出评价结果。
进一步，所述数据处理端内置BP神经网络，通过BP神经网络对所输入测试工具上的数据进行快速分类，输出评价结果；
进一步，所述数据采集装置为电脑或者移动终端，实现采用线上采集；
进一步，所述数据采集装置为扫描枪和光电阅读机，实现线下数据采集；
进一步，被测儿童的相关数据包括被测儿童的个人信息和测试工具数据；
进一步，所述测试工具数据是由专业人员根据被测儿童完成儿童运动协调能力成套评估工具-第二版、Peabody运动发育表或发育性协调障碍问卷相应测试项目给出的数据；
一种用于儿童发育性协调障碍调查数据处理的方法，专业人员利用测试工具对N个被测儿童的各项参数进行打分并填写；数据处理端内置BP神经网络，将被测儿童的评分数据作为BP神经网络的输入数据，利用BP神经网络对评分数据进行处理，最终输出数据处理结果；根据BP神经网络输出的评价结果进行相应的预警。
进一步，所述BP神经网络的构建方法为：
S1，创建并训练BP神经网络；
S2，构建BP神经网络，包括输入层、隐含层和输出层；
S3，将训练集输入所构建的BP神经网络，将BP神经网络输出的结果与MABC-2直接评分得到的结果进行对比，若结果一致率达到要求，则完成BP神经网络的训练；若结果一致率未达到要求，则更新BP神经网络的权重，重新训练，直到训练结果满足要求；
S4，将测试集输入训练好的BP神经网络，通过BP神经网络对评分数据进行快速评价，输出评价结果；所述评价结果分为正常、疑似、高度相似。
有益效果
1、本发明所提出的系统和方法是对专业人员采集的大量DCD筛查数据进行快速处理、分析，进而输出相应的DCD评价结果，不需要再通过人员对采集的大量DCD筛查数据逐一进行计算，再根据计算的结果查寻手册后才能获得评价结果，提高了工作效率，
2、在数据处理速度得到高速提升的基础上，便于推动DCD筛查的普及性，实现了基层可及性，提高我国对DCD检查率，能够更好的实现早期预警、早干预。
附图说明
图1为本发明用于儿童发育性协调障碍调查数据处理系统框图；
图2为本发明用于儿童发育性协调障碍调查数据处理方法流程图。
具体实施方式
下面结合附图以及具体实施例对本发明作进一步的说明，但本发明的保护范围并不限于此。
如图1所示的一种用于儿童发育性协调障碍调查数据处理系统，包括数据采集装置、数据处理端和预警输出端，所述数据采集装置用于采集被测儿童的相关数据；数据采集装置分为线上采集和线下数据采集，所述线上采集则是通过将测试工具网页化，通过电脑或者移动设备终端在线填写测试工具完成数据采集；所述线下数据采集则是通过扫描枪和光电阅读机等输入设备与数据处理端连接；所述数据处理端具体是计算机，所述扫描枪和光电阅读机分别连接计算机，将所采集的数据实时输入计算机内，所述数据包括被测儿童的个人信息和测试工具数据；在本实施例中，测试工具采用儿童运动协调能力成套评估工具-第二版、发育性协调障碍问卷或者Peabody运动发育表等，根据上述测试工具的内容定制与光电阅读机相匹配的数据采集表，由专人根据测试结果填写该数据采集表；
所述计算机内置BP神经网络，通过BP神经网络对所输入测试工具上的数据进行快速分类，输出分类结果，所述分类结果通过计算机的输出端进行输出，所述输出方式包括线上输出和线下输出，所述线上输出则是通过计算机通信终端、信号基站和移动终端之间信号连接，直接发送到监护人的移动端；所述线下输出则是直接生成报告通过打印形成纸质报告。
基于上述处理系统，本发明还提出了如图2所示的一种用于儿童发育性协调障碍调查数据处理的方法，包括如下步骤：
S1，专业人员利用测试工具对N个被测儿童的各项参数进行打分并填写；本实施例中以MABC-2为测试工具，由专业的医师按照MABC-2中实验项目(如：放置硬币、串珠、描画、投豆袋、抓握豆袋、垫脚走步、单腿平衡、地毯蹦跳等M个实验项目)对被测儿童完成程度按照MABC-2的标准进行评分，获得该学生完成M个实验项目的评分fij，i＝1，2，3...，M，j＝1，2，3...，N；并将所有被测儿童遍历M个实验项目的评分汇集成评分数据集输入数据处理端。
S2，数据处理端内置BP神经网络，将被测儿童的评分数据作为BP神经网络的输入数据，利用BP神经网络对评分数据进行处理，最终输出数据处理结果。具体过程如下：
S2.1，创建并训练BP神经网络；
S2.2，构建BP神经网络，包括输入层、隐含层和输出层，在本实施例中，输入层神经元的个数为8，输出层神经元个数为1；初始设置BP神经网络的权重，将30％的评分数据作为训练集，剩余的作为测试集；
S2.3，将训练集输入所构建的BP神经网络，将BP神经网络输出的结果与MABC-2直接评分得到的结果进行对比，若结果一致率达到要求，则完成BP神经网络的训练；若结果一致率未达到要求，则更新BP神经网络的权重，重新训练，直到训练结果满足要求。
S2.4，将测试集输入训练好的BP神经网络，通过BP神经网络对评分数据进行快速评价，输出评价结果；所述评价结果分为正常、疑似、高度相似。
S3，根据BP神经网络输出的评价结果进行相应的预警，如评价结果为高度相似和疑似，则监护人可以根据结果去相关医院进行复查。
本发明所设计的一种用于儿童发育性协调障碍调查数据处理系统及方法能够实现DCD筛查数据的快速处理，不需要再根据MABC-2等测试工具的评分逐个计算完成评价；而借助电子化的处理系统实现采集数据的高效、快速的处理，能够提高DCD筛查的效率，能够更好的在大范围推广，提高了基层可及性。
所述实施例为本发明的优选的实施方式，但本发明并不限于上述实施方式，在不背离本发明的实质内容的情况下，本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。
Claims (8)
1.一种用于儿童发育性协调障碍调查数据处理系统，其特征在于，包括数据采集装置、数据处理端和预警输出端，所述数据采集装置用于采集被测儿童的相关数据并将该数据输入数据处理端，所述数据处理端对输入的相关数据进行处理输出评价结果，所述数据处理端连接预警输出端，通过预警输出端输出评价结果。
2.根据权利要求1所述的一种用于儿童发育性协调障碍调查数据处理系统，其特征在于，所述数据处理端内置BP神经网络，通过BP神经网络对所输入测试工具上的数据进行快速分类，输出评价结果。
3.根据权利要求1所述的一种用于儿童发育性协调障碍调查数据处理系统，其特征在于，被测儿童的相关数据包括被测儿童的个人信息和测试工具数据。
4.根据权利要求2所述的一种用于儿童发育性协调障碍调查数据处理系统，其特征在于，所述数据采集装置为电脑或者移动终端，实现采用线上采集。
5.根据权利要求2所述的一种用于儿童发育性协调障碍调查数据处理系统，其特征在于，所述数据采集装置为扫描枪和光电阅读机，实现线下数据采集。
6.根据权利要求1-5中任意一项权利要求所述的一种用于儿童发育性协调障碍调查数据处理系统，其特征在于，所述测试工具数据是由专业人员根据被测儿童完成儿童运动协调能力成套评估工具-第二版、Peabody运动发育表或发育性协调障碍问卷相应测试项目给出的数据。
7.一种用于儿童发育性协调障碍调查数据处理的方法，其特征在于，专业人员利用测试工具对N个被测儿童的各项参数进行打分并填写；数据处理端内置BP神经网络，将被测儿童的评分数据作为BP神经网络的输入数据，利用BP神经网络对评分数据进行处理，最终输出数据处理结果；根据BP神经网络输出的评价结果进行相应的预警。
8.根据权利要求7所述的一种用于儿童发育性协调障碍调查数据处理的方法，其特征在于，所述BP神经网络的构建方法为：
S1，创建并训练BP神经网络；
S2，构建BP神经网络，包括输入层、隐含层和输出层；
S3，将训练集输入所构建的BP神经网络，将BP神经网络输出的结果与MABC-2直接评分得到的结果进行对比，若结果一致率达到要求，则完成BP神经网络的训练；若结果一致率未达到要求，则更新BP神经网络的权重，重新训练，直到训练结果满足要求；
S4，将测试集输入训练好的BP神经网络，通过BP神经网络对评分数据进行快速评价，输出评价结果；所述评价结果分为正常、疑似、高度相似。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010674951.2A CN111834007A (zh) | 2020-07-14 | 2020-07-14 | 一种用于儿童发育性协调障碍调查数据处理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010674951.2A CN111834007A (zh) | 2020-07-14 | 2020-07-14 | 一种用于儿童发育性协调障碍调查数据处理系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111834007A true CN111834007A (zh) | 2020-10-27 |
Family
ID=72923117
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010674951.2A Pending CN111834007A (zh) | 2020-07-14 | 2020-07-14 | 一种用于儿童发育性协调障碍调查数据处理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111834007A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112820382A (zh) * | 2021-02-04 | 2021-05-18 | 上海小芃科技有限公司 | 乳腺癌术后智能康复训练方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104835103A (zh) * | 2015-05-11 | 2015-08-12 | 大连理工大学 | 基于神经网络和模糊综合评价的移动网络健康评价方法 |
| CN105931153A (zh) * | 2016-04-14 | 2016-09-07 | 湘潭大学 | 一种基于神经网络预测分析模型的问卷调查间接评估方法 |
| CN108985455A (zh) * | 2018-07-09 | 2018-12-11 | 肖朝晖 | 一种计算机应用神经网络预测方法及系统 |
| CN109935325A (zh) * | 2019-02-22 | 2019-06-25 | 南京市江宁医院 | 丹佛智能发育筛查结合神经运动功能评估在儿童脑发育问题中的检测方法 |
| CN110459286A (zh) * | 2019-08-16 | 2019-11-15 | 重庆跃医通科技有限公司 | 基于大数据的儿童保健管理方法 |
-
2020
- 2020-07-14 CN CN202010674951.2A patent/CN111834007A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104835103A (zh) * | 2015-05-11 | 2015-08-12 | 大连理工大学 | 基于神经网络和模糊综合评价的移动网络健康评价方法 |
| CN105931153A (zh) * | 2016-04-14 | 2016-09-07 | 湘潭大学 | 一种基于神经网络预测分析模型的问卷调查间接评估方法 |
| CN108985455A (zh) * | 2018-07-09 | 2018-12-11 | 肖朝晖 | 一种计算机应用神经网络预测方法及系统 |
| CN109935325A (zh) * | 2019-02-22 | 2019-06-25 | 南京市江宁医院 | 丹佛智能发育筛查结合神经运动功能评估在儿童脑发育问题中的检测方法 |
| CN110459286A (zh) * | 2019-08-16 | 2019-11-15 | 重庆跃医通科技有限公司 | 基于大数据的儿童保健管理方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112820382A (zh) * | 2021-02-04 | 2021-05-18 | 上海小芃科技有限公司 | 乳腺癌术后智能康复训练方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11213244B2 (en) | Collection of medical data | |
| KR101969540B1 (ko) | 인지 기능 재활 훈련 방법 및 장치 | |
| CN104856704B (zh) | 主客观相结合的心理测评方法及系统 | |
| CN107007263B (zh) | 一种普适化的睡眠质量测评方法和系统 | |
| CN109875565A (zh) | 一种基于深度学习的脑卒中上肢运动功能自动评定方法 | |
| CN108090688A (zh) | 智能健身管理系统 | |
| CN107610009B (zh) | 一种基于神经网络的三位一体招生录取概率预测方法 | |
| CN113436479A (zh) | 一种医学虚拟仿真平台学生评价分析系统 | |
| CN113270175A (zh) | 一种护理技能提升方法及系统 | |
| CN111834007A (zh) | 一种用于儿童发育性协调障碍调查数据处理系统及方法 | |
| CN110693510A (zh) | 一种注意力缺陷多动障碍辅助诊断装置及其使用方法 | |
| CN109919099A (zh) | 一种基于表情识别的用户体验评价方法及系统 | |
| CN109919101A (zh) | 一种基于手机客户端的用户体验评价方法及系统 | |
| Turan et al. | Validity and reliability of “My Jump app” to assess vertical jump performance: A meta-analytic review | |
| AU2013200948B2 (en) | The Collection of Medical Data | |
| Zhang et al. | A Quick Capture Evaluation System for the Automatic Assessment of Work-Related Musculoskeletal Disorders for Sanitation Workers | |
| CN109934156A (zh) | 一种基于elman神经网络的用户体验评价方法及系统 | |
| Knott et al. | Exoskeleton assistance assessment (EAA)-tool | |
| Li et al. | Development and evaluation of a multimodal sensor motor learning assessment | |
| CN114392126B (zh) | 一种残疾儿童手部配合训练系统 | |
| Hou | The Application of Motion Capture and SVM for Rapid Diagnosis of Shoulder Pain | |
| Velozo et al. | Measurement qualities of the Level of Rehabilitation Scale-III (LORS-III) | |
| Lu et al. | Development and Evaluation of a Full-Waveform Resistance Training Monitoring System Based on a Linear Position Transducer | |
| Shan et al. | Artificial neural networks and center-of-pressure modeling: a practical method for sensorimotor-degradation assessment | |
| Herdiana et al. | Development of Automatic Health Testing Measurement Model for High School Students in West Java |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |