- 综合排序
- 最热优先
- 最新优先
- 来自专栏脑机接口
Nature子刊 | 脑深部刺激治疗卒中患者运动康复
表1 |参与者人口统计和临床信息 经过十多年的临床前研究，研究人员首次将这种方法应用于人体，其主要目的是确定小脑 DBS结合康复治疗是否对中风后运动障碍安全可行。 磁共振成像（MRI）与正电子发射计算机断层成像（PET）的叠加图，研究对象为一名右半球中风病变的 58 岁男性患者.同侧运动相关皮层区域被识别为：初级运动区（M1），紫红色；初级躯体感觉区(S1)，绿色 ；前补充区(pre-SMA)，蓝色；背侧前运动区，红色；腹侧前运动区，青色；SMA，黄色。 之后，电极被连接到一个类似起搏器的设备上，该装置会发出微弱的电脉冲，帮助人们恢复对运动的控制。手术恢复后，参与者要完成几个月的物理治疗，首先要关闭 DBS 装置几周，然后再开启 4 到 8 个月。 在接受DBS治疗后，12名患者中有9名显示出运动障碍和功能的改善，其中一些患者的运动功能评分几乎是最初的三倍。这项研究首次证明DBS可以成功地用于改善中风后的大脑功能的证据。
63960编辑于 2023-09-08 uni-app开发AI康复锻炼小程序，帮助肢体受伤患者康复！
提要：近段时间我们收到多个康复机构用户，咨询AI运动识别插件是否可以应用于肢力运动受限患者的康复锻炼中来，插件是可以应用到AI康复锻炼中的，今天小编就为您介绍一下AI运动识别插件在康腹锻炼中的应用场景。 二、可覆盖的康复环节AI运动识别检测技术可以覆盖康复治疗的各个环节，让康复治疗更精确有效。2.1、康复运动指导在康复治疗的初始阶段，患者需依据自身特定状况，学习相应的康复运动。 2.2、康复运动记录让患者每日坚持完成定量的康复运动，是康复治疗的一个重要治疗环节；康复小程序可以选择通过订阅消息、站内信、短信等方式，提醒患者按时登录康复小程序，完成相应的康复锻炼，AI运动将即时记录完成的康复运动的时间 借助云智AI运动识别小程序插件，您可以专注于康复功能的创新与优化，让AI技术更好地服务于用户的健康与康复之路。 plugins": { "aiSport": { "version": "1.5.5", "provider": "wx6130e578c4a26a1a
42310编辑于 2024-12-16- 来自专栏机器人网
日本研发先进的人形机器人，可应用于运动和康复研究
据日媒报道，日本东京大学教授稻叶雅幸等人研发出模拟人类运动系统的先进人形机器人，可以模拟人类活动，包括体能训练和体操，未来可被用于运动和康复训练方面的研究。 通过人型机器人的研究，我们可以学到许多人类自己运动的奥秘，有助于开发仿生义肢与动力外骨骼等实用化器材。因此，东京大学的研究人员专门设计模拟人体结构的零件，使整个机器人尽可能接近人类行动的模式。 更有趣的是，他也会因为剧烈运动而出汗，因为他的运动模式是模仿肌肉的弹性弦，在持续运动时，身体也会发热，为了避免过热受损，团队还开发了一套机器人水循环冷却系统，运动产生热量可以由蒸汽经过铝骨制架上的小孔排出 由于可以测量施加到各部位肌肉上的力量，因此这款机器人可用于解析运动，而现有的测量肌电位等解析方法难以进行详细调查。
1.3K40发布于 2018-04-18 - 来自专栏3D视觉从入门到精通
计算机视觉在生物力学和运动康复中的应用和研究
近几十年来，在运动生物力学和康复环境中对人体运动的研究取得了长足的进步。 在运动生物力学和康复应用中，人体运动学的定量分析是一种功能强大的工具，生物力学工具已经从使用图像的人工注释发展为基于标记的光学跟踪器，基于惯性传感器的系统以及使用复杂的人体模型，计算机视觉和机器学习算法的无标记系统 目前在运动生物力学和康复中最广泛使用的运动分析系统不允许在没有附加标记，控制条件和/或大量处理时间的情况下自动收集运动数据。 这些限制可能会妨碍在正常的训练或康复环境中常规使用运动捕捉，因此非常需要开发自动无标记系统，并且结合应用计算机视觉和机器学习中的相关技术。 无标记运动捕捉系统的四个主要组成部分是：(1)使用的摄像头系统；(2)人体表示--人体模型；(3)使用的图像特征；(4)用于确定人体模型的参数（形状，姿势，位置）所使用的算法。
1.2K30发布于 2020-11-19 - 来自专栏科控自动化
运动控制4.CAM同步应用
VDI指南2143中定义了16种可能的运动过渡选择（图4），并给出了不同过渡转换可能适用的运动转变的过渡曲线（图5）。 图4 VDI 2143基于连续分段的运动过渡选择 图5 VDI 2143适用于可能的运动转变的运动定律 有关“LCamHdl”库的更多信息，请参见西门子工业在线支持网站的条目 ID 105644659 跟随轴的运动起点根据所选的同步模式进行定义。 随后同步，设置参数“MC_CamIn.SyncProfileReference”= 3时，设置参数使用主值距离与特定同步位置同步和“MC_CamIn.SyncProfileReference”= 4时， ” = 5 时，将在活动凸轮结束运动时以新的缩放比例更改另一个凸轮或当前凸轮。
4.6K31编辑于 2022-03-29 - 来自专栏AI SPPECH
康复机器人方案
患者康复机器人解决方案 需求分析 患者康复机器人，辅助患者下肢的康复运动，同时自动采集病人运动数据，自动调整康复运动难度。 智能传感与数据采集： 机器人将配备多种传感器，包括基于碳纤维的弹性力传感器，以实时监测患者的运动情况和肌肉活动。通过分析肌电信号和运动数据，机器人能够精确掌握患者的康复状态。 自适应康复方案： 结合先进的数据分析技术和机器学习算法，机器人能够根据患者的运动数据和康复进展自动调整康复运动的难度和模式。这种个性化的康复方案可以最大化康复效果，同时减少医务人员的工作负担。 硬件平台设计 核心处理单元：采用英特尔酷睿Ultra处理器，该处理器整合了CPU、GPU和NPU，提供专属的AI加速功能，确保了在设备端的高效AI计算能力，特别适合需要实时处理复杂算法和数据的康复辅助机器人 软件架构设计 AI模型和算法：利用OpenVINO™工具套件和BigDL LLM库，开发和部署针对康复辅助的AI模型。
32710编辑于 2025-11-12 - 来自专栏新智元
4分钟视频讲解DeepMind论文：AI在复杂环境中学习运动
这篇4分钟的视频论文解析很好地讲解了论文的大意，特推荐给读者。 具体来说，我们在不同环境环境下训练智能体，发现这样可以增强智能体的稳健行为，使其在一系列任务中表现良好。 我们在此展示这种运动原则，这些行为以奖励敏感性高闻名。我们使用基于前向传播的简单奖励函数，在多种具挑战性的地形和障碍物上训练几个虚拟人物。 这是 Humanoid 根据周围地形运动的一系列延时图像。 原文地址：http://blog.floydhub.com/coding-the-history-of-deep-learning/
1.1K50发布于 2018-03-22 - 来自专栏脑机接口
国内研究团队应用多模态虚拟场景刺激范式对运动神经康复训练的研究
近日，燕山大学谢平教授团队与国家康复辅具研究中心李增勇教授共同合作设计了运动神经康复训练新范式，该范式创新性地应用虚拟现实技术与脑机接口技术，并且通过神经激活程和运动想象识别率验证了该范式对运动神经康复的积极激活作用 患有弛缓性麻痹的脑卒中患者很难接受被动康复训练。因此，将运动想象的脑机接口(MI-BCI)技术和虚拟现实(VR)技术相结合的虚拟康复技术应用于脑卒中康复领域。 2.对照实验设计 图4 对照实验设计图 在这项研究中，我们设计了一个对照实验，比较和分析大脑神经活动的变化，并使用不同虚拟场景的刺激来确定运动图像的识别率，以发现神经深度激活的机制。 图4显示了实验的示意图。我们在训练前评估了受试者的运动想象能力，然后受试者进行了多重运动想象训练。完成培训后，参与者完成了培训后评估。 我们在试验期间收集了19个通道(FC1, FC3, FC5, C1, C3, C5, CP1, CP3, CP5, Cz, FC2,FC4, FC6, C2, C4, C6, CP2, CP4, and
1K50编辑于 2022-09-22 步态分析系统终极测评：8 款主流产品全方位对比，NOKOV 度量凭何成为行业标杆？
引言步态分析，作为量化人体行走、跑步等运动模式的核心技术，已广泛渗透医疗康复、机器人研发、运动科学、工业人机工效等多个领域。 4. 4. AI 与步态分析深度融合AI 算法将实现步态数据的 “自动诊断”，例如，系统可直接识别脑卒中患者的步态异常类型（如足下垂、画圈步态），并自动生成康复训练方案；在工业场景中，AI 可根据机器人步态数据预测故障风险 4. 步态分析系统在医疗康复中的具体应用流程是怎样的？
58810编辑于 2025-12-19- 来自专栏量子位
百度AI的“圈地运动”
百度这个AI生态又呈现出何等面貌？ 这背后可能有一些时代潮向变化的影子。 地毯式“轰炸” 单从结果来看，百度真可谓发起了一场“圈地运动”。 围绕开发者，从点，到线，再到面。 今年4月，百度上线了PaddlePaddle公开课，以提供丰富的深度学习课程资源，在线帮助开发者从零开始掌握PaddlePaddle深度学习框架。 至此，百度已经免费开放从感知到认知的最常用AI技术，为开发者与合作伙伴提供全栈式免费AI能力支持。 去年10月，首期百度AI加速器在AI开发者实战营首站推出，然后经过两个多月的报名及评估，从上千个项目中经过多轮资料筛选和面试沟通，最终选出优质企业正式进入首期AI加速器。 AI服务。
85020发布于 2018-07-20 成功案例分享|使用AI运动识别插件+微搭，快速搭建AI美体运动小程序
用户为形体礼仪培训机构，计划开发一款AI美体运动小程序，旨在为用户提供专业的运动指导和美体建议。 考虑到开发成本、开发周期及原功能迁移的问题，用户决定基于“微搭”低代码平台进行搭建，并集成“AI运动识别小程序插件”以实现AI运动识别智能化功能。 在我方技术人员的协助下，成功将“AI运动识别小程序插件”集成至“微搭”平台的小程序中。 这款小程序不仅具备精准的运动识别能力和实时反馈功能，还提供了个性化的训练计划和改进建议，“AI运动识别插件”的精准识别能力和实时反馈功能，极大地提升了用户的运动体验和粘性，使用户能够更加科学地进行美体运动 当然，这只是“AI运动”的其中一种应用场景，还可以应用其他方面，诸如：AI健身、学生体测、云上运动会、轻量AR互动等。要实现这些应用场景，在这里，我们推荐云智「AI乐运动」体验。
57710编辑于 2024-10-14- 来自专栏一步步开发AI运动APP
AR体感游戏，拓宽AI运动小程序的应用边界
引言： 「Ai运动识别」系列插件自推出以来，已经成功在AI健身、线上运动赛事（云上运动会）、学生体测、美体锻炼、康复锻炼等场景中应用，既有小程序、也有APP，这些应用都是常规的运动项目或者是专业的培训、 康复动作，相较而言更适合成年人或初中往上的青少年，不适合于低龄儿童，而AR体感游戏的出现，则以“游戏化+沉浸式”的创新形式，打破年龄壁垒，为AI运动应用注入全新活力！ 一、什么是AR体感游戏AR体感游戏是人工智能（AI）与增强现实（AR）技术的深度融合，通过摄像头实时捕捉用户动作，结合虚拟场景与动态反馈，将身体运动转化为游戏中的互动指令。 3.2、适配低龄段的儿童受限于AI体育运动项目的受众年龄原因，针对校园场景的AI运动健身小程序、APP，在小学低学年级，特别是幼儿园幼儿，没有比较合适的切入口，借助AR游戏引擎，扩展一些针对低龄幼儿的易上手 3.3、其它应用场景的拓展像美体锻炼培训、康复机构，则可以对原来锻炼的运动项目，进行AR交互改造，增强互动性、获得感，让锻炼不再只是单纯的计时、计数，既锻炼了肌体，又愉悦了心情，达到身心皆练的目标。
43610编辑于 2025-11-03 - 来自专栏一步步开发AI运动APP
【一步步开发AI运动APP】二、跨平台APP AI运动识别方案介绍
之前我们为您分享了【一步步开发AI运动小程序】开发系列博文，通过该系列博文，很多开发者开发出了很多精美的AI健身、线上运动赛事、AI学生体测、美体、康复锻炼等应用场景的AI运动小程序；为了帮助开发者继续深耕 AI运动领域市场，今天开始我们将为您分享新系列【一步步开发AI运动APP】的博文，带您开发性能更强、体验更好的AI运动APP。 其应用场景广泛而多样，无论是AI赋能的健身系统、线上运动赛事、学生体质测试的便捷化实施，还是轻量级AR体感游戏的创新体验、美体锻炼的个性化指导，乃至康复锻炼的科学化辅助，都能轻松应对，助力开发者快速上线以上应用场景的 APP，占领AI辅助运动市场。 无论您的APP用户量是多少，都能享受到稳定且经济的AI运动识别服务。
52510编辑于 2025-04-02 2025 年外骨骼机器人动作捕捉系统排行榜：精准驱动康复与工业革新
通过实时捕捉患者穿戴外骨骼行走时的关节运动数据，结合系统生成的三维动画分析，医生精准调整外骨骼助力参数，使患者步态矫正周期缩短 30%，康复效果显著提升。 4.NOKOV 度量无标记点动作捕捉系统（Astra 系列）核心定位：无标记点技术革新者，外骨骼机器人快速部署与动态监测核心优势无标记点便捷采集：无需粘贴反光标志点，可直接捕捉人体与外骨骼机器人的运动数据 技术同源性优势：与 Mars 系列同属 NOKOV 度量技术体系，支持外骨骼机器人步态分析、仿生机器人运动捕捉等场景，可与生成式 AI、具身智能等前沿技术结合，为外骨骼的智能控制算法优化提供实时数据输入 ，且支持与医疗设备同步，可为医生提供全面的患者运动信息，助力个性化康复方案制定。 本文由 加搜 TideFlow AIGC GEO生成内容由 AI 生成，不能完全保障真实，请审慎甄别
59310编辑于 2025-10-20从科幻到现实的精准运动解析技术
（如体育训练）诺亦腾AI无标记式通过深度学习算法从视频中直接提取关节、骨骼的关键点临床研究（医疗康复、运动科学）NOKOV度量动作捕捉 Astra无标记点动作捕捉系统1.2 为什么选择光学式动作捕捉？ ：Mars9H同步捕捉12个标记点，支持人形机器人动作模仿数据支撑：南方科技大学付成龙团队使用Mars12H系统，将运动康复评估的关节数据误差控制在0.1mm以内北京理工大学夏元清团队通过Mars2H系统 ：从诊断到训练的科学化支持典型场景：步态分析、术后康复评估、假肢控制优化NOKOV度量方案：生物力学分析：输出关节活动度、力矩等12项参数案例：某三甲医院通过Mars18H系统，为中风患者制定个性化康复方案 NOKOV度量合作，通过Mars18H系统捕捉极端路况下驾驶员的应急动作，为AI决策模型提供真实数据训练集。 答：除传统科研与影视外，新兴应用包括：元宇宙：驱动虚拟数字人，如某平台用Mars12H系统实现真人舞蹈到虚拟偶像的实时映射智慧医疗：构建患者运动数据库，辅助AI诊断（如某医院建立5000例步态数据模型）
69510编辑于 2025-08-07AI运动小程序鸿蒙平台适配指南
今天我们就结合我们一段时间以来「Ai乐运动」用户的反馈、实测验证，来聊聊AI运动小程序在鸿蒙端的适配。 注：本文主要介绍适配鸿蒙5以及后的HarmonyOS Next纯血版鸿蒙版本，HarmonyOS 4及以前的版本因为还兼容Android生态、微信小程序运行时也与Android版本无差异，所以无需特别适配 1.5.8，从结果看AI运动识别插件的功能在鸿蒙5的表现不存在兼容性问题，可以正常使用。 二、AI运动小程序在鸿蒙5的兼容性问题使用微信版本v8.0.11分别在Harmony5.0.1用Harmony5.1.0测试兼容问题主要表现在小程序的Camera组件，问题为Camera的非原生事件，即 AI运动小程序在纯血鸿蒙下的适配就为您介绍到这，若有其它的适配场景我们继续为您分享，欢迎关注...
39810编辑于 2025-11-24- 来自专栏大数据文摘
亨利·基辛格：AI启蒙运动该何去何从
启蒙运动试图把传统的真理交给解放的、善于分析的理性人。而互联网则是通过不断积累和被操控数据来传播知识，人类的认知失去了个性。 ? 我们使用数据，却变成了数据的奴隶。 是否所有AI都是这样一根筋的处理方式？ 其他的AI项目的贡献方式是帮助人们解决实际问题。除了那些解决实际需求的问题（比如外面气温是多少？），AI是否能研究自然本质和探索生命意义以及引发更深入的问题？ 我们是否应该通过限制AI自主学习来保护我们个人隐私？如果是的话，我们应该怎么做？ 如果AI的学习速度成指数型递增，那我们一定希望加快这种井喷式的学习速度，那么AI犯错的概率也会比人类高。 纵观人类历史，文明缔造了解释周围世界的方法，比如中世纪向我们解释了宗教，启蒙运动向我们揭示了自然科学奥秘，20世纪给我们带来了意识形态。 ? 启蒙运动开始于对新技术的哲学探索，但我们正在朝着相反的方向前进。 人工智能的发展潜移默化地指引了我们思考的方向。
75420发布于 2019-04-26 - 来自专栏一步步开发AI运动APP
【一步步开发AI运动APP】十二、自定义扩展新运动项目1
之前我们为您分享了【一步步开发AI运动小程序】开发系列博文，通过该系列博文，很多开发者开发出了很多精美的AI健身、线上运动赛事、AI学生体测、美体、康复锻炼等应用场景的AI运动小程序；为了帮助开发者继续深耕 AI运动领域市场，今天开始我们将为您分享新系列【一步步开发AI运动APP】的博文，带您开发性能更强、体验更好的AI运动APP。 健美、教学、矫正、康复等场景中需要识别检特定动作，内置库很难全面覆盖，插件也充分考虑了这些场景需求，提供了完善的自定义运动扩展机制，来帮助开发者快速实现这些特定动作的识别检测。 版的运动扩展机制在原小程序版的基础做了一些调整，但整体差别不大，主要差别在扩展运动列表及扩展运动的创建上，具体差异我们将在后续示例中详细介绍。 三、扩展运动涉及的APIExtendSportBuilder扩展运动构建对象主要负责定义扩展运动的 KEY、名称、计数方式、视角等基本参数，和运动分析调中的启动、停止、姿态流处理等各阶段的处理函数等。
23410编辑于 2025-09-16 - 来自专栏一步步开发AI运动APP
【一步步开发AI运动APP】十四、AI运动检测中，如何拍照留存图像？
之前我们为您分享了【一步步开发AI运动小程序】开发系列博文，通过该系列博文，很多开发者开发出了很多精美的AI健身、线上运动赛事、AI学生体测、美体、康复锻炼等应用场景的AI运动小程序；为了帮助开发者继续深耕 AI运动领域市场，今天开始我们将为您分享新系列【一步步开发AI运动APP】的博文，带您开发性能更强、体验更好的AI运动APP。 根据我们之前的介绍可知，本系列使用的「AI运动识别」插件在运动识别时，完全依赖于设备端算力进行动识别推理，不会将用户图像上传至后台或第三方服务；所以运动识别后是无法再获得运动时的现场图像的，但是像体测和严肃的赛事场景可能又有留存运动现场图像进行后期审核核验的需求 一、相机提取图像相关API「AI运动识别」插件自带的相机组件，相机操控提供了将帧解析成jpeg格式图像并保存文件或Base64编码的相关API，详情如下，请可以参考插件API文档。 "#009d00" /></template><script>import {getCameraContext,createHumanDetector} from "@/uni_modules/yz-ai-sport
24610编辑于 2025-11-17 动作捕捉技术变革：有标记动捕VS无标记动捕
二者区别有标记动作捕捉无标记动作捕捉工作原理利用外部设备检测标记点的空间位置变化，进而重建运动过程利用视觉传感器结合AI算法，从原始数据中提取人体关键点信息核心优势高精度（毫米级至亚毫米级|青瞳视觉）、 加速应用场景影视级应用、体育运动分析、步态分析、手术导航等高精度场景AI测评教学（青瞳视觉AI舞蹈动作测评系统）、康复监测、实时动捕等对精度要求相对不那么高的应用场景发展趋势向更高精度、多模态融合发展， 然后，AI识别算法实时定位人体骨骼关键节点，构建动态的关键点坐标。最后通过多视角几何计算，将二维关键点信息转换为三维空间数据，生成连续的人体运动模型。 4、运动分析和训练：分析运动员动作和姿势，为训练提供那个反馈，帮助运动员调整姿势、优化训练计划，提高训练效果，同时可识别潜在运动损伤风险，预防损伤发生。 5、医疗和康复：监测患者运动和姿势，评估肢体力量恢复、步态对称性等，协助康复师制定个性化康复计划，跟踪康复进展。
73110编辑于 2025-08-19
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号