Rehabilitative game-based system for enhancing physical and cognitive abilities of neurological disorders
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Neurological disorders affect the nervous system and can impair physical, cognitive, or emotional functions. They often result in challenges such as movement difficulties and the inability to perform daily activities. Common conditions include stroke, traumatic brain injury, and cerebral palsy. Physical therapy is a common approach to managing these disorders. Recently, virtual reality (VR), a technology that creates interactive, simulated environments, has been used in rehabilitation. This study presents a rehabilitative game-based system to improve patients' movements and cognitive abilities. Six games were designed using the Unity platform, namely, "Piano," "Connect," "Drag & Drop," "Little Intelligent," "Memory," and "Hack & Slash." The Oculus Quest 2 VR headset was used to simulate the virtual environment for gaming. A mobile application called "Recover Me" was created to facilitate communication between patients and physiotherapists. A score index was generated for each patient, indicating the performance. It enables monitoring and assessment of the patients, leading to customizing the treatment plan based on progress. The study proposed simulating monitoring and evaluation of the patients by training an artificial neural network model to predict scores for the developed games and consequently indicate the patient's actual status. A dataset of 50 patients with different injuries was used. Results indicate patient satisfaction with gaming and enjoyment. Moreover, a regression analysis was performed to detect the progress level of each patient, indicating that 60% of the tested patients had improved. A low-cost VR game-based system has proven effective in rehabilitating neurological disorders.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle