构建肩部康复训练自动监督AI系统（Rehab-SPIA） (Rehab-SPIA)

当前的历史阶段和世界上日益增长的康复需求使得远程康复系统和一般的电子医疗成为增加患者参与度和护理依从性的基本工具，从支出审查的角度来看，这是维护 NHS 的关键要素和资源优化。

特别是，康复患者对家庭锻炼计划 (HEP) 的平均依从性在 30-50% 之间，而且由于缺乏对手势准确性的反馈，运动学习的有效性经常会降低，因为它发生在治疗师的监督下的医院或门诊环境中。

用于分析人体运动数据的新计算方法，旨在开发算法以自动监督患者在家庭自我治疗过程中手势的准确性，试图解决最后一个关键问题。

最有前途的方法是那些基于人工智能 (AI) 和机器学习 (ML) 的方法，尤其是最新一代的方法，称为子符号（或联结）。

这些算法因其自动提取运动的显着特性、减少专家对收集所有数据以及可能的示例标记的干预而引起了人们的极大兴趣 (5) 无论如何，文献显示缺乏临床医生直接参与开发的模型，并且缺乏与患者群体一起创建的数据集。

此外，文献中出现的大多数模型都是使用大量输入设备创建的，通常具有很高的技术率，并且在患者家中实施可能的服务需要相当大的成本。

出于这些原因，我们希望创建一个专业的临床数据集，仅从练习视频开始，通过病理学涉及特定人群并建立在临床判断的基础上。 凭借这些特点，该项目旨在尽可能自动化运动分析过程，极大地降低因使用技术而产生的成本并最大限度地减少人为错误，所有这些都是通过利用最新的计算方法来创建有用且低家庭功能再教育的成本工具。

鉴于家庭锻炼计划在肩部疾病中的重要性，决定选择受影响该关节的主要病症影响的患者群体。

该研究的主要目的是创建和验证一种软件工具，用于自动和专家分析正确执行主要康复练习以在骨科病理后肩部功能恢复。