Deep Learning para asistencia en rehabilitación con robots mediante demostraciones

Abstract

El uso de dispositivos robóticos de rehabilitación ha surgido como una solución prometedora para mejorar la recuperación motora durante la rehabilitación. Uno de los retos más significativos durante el uso de estos dispositivos es la capacidad de decidir cuándo proporcionar asistencia al paciente. En este contexto, se ha propuesto una solución basada en Deep Learning para aprender del criterio de un terapeuta cuándo un paciente necesita asistencia. Con el objetivo de desarrollar un modelo que permita generalizar a múltiples situaciones, se ha aplicado una serie de transformaciones a las trayectorias realizadas por los pacientes antes de utilizarlas como entradas al modelo. El modelo propuesto ha sido evaluado utilizando diferentes métricas y ha mostrado una precisión del 93,21% y un F1-Score del 85,05% con el conjunto de datos de validación. Además, el modelo ha alcanzado una precisión del 69,32% y un F1-Score del 63,31% con usuarios que no participaron en el proceso de aprendizaje del modelo.