RehabMate：一个可解释框架，用于儿童卒中康复中的动作检测与纠正性反馈

在家帮助儿童恢复运动能力

儿童卒中可能导致孩子在行走、站立或上下楼梯方面长期受限。与专家的定期治疗有助于恢复，但频繁前往医院费用高且对家庭造成负担。本文介绍了 RehabMate——一个旨在将专家级下肢康复带入家庭和社区中心的数字辅助系统，同时保留物理治疗师的控制权。

为什么儿童需要更智能的康复支持

卒中是儿童严重残疾的主要原因之一，多达七成的年轻患者留有持续的运动问题。儿童通常对训练反应良好、积极性高，但传统康复依赖反复的面对面治疗。家庭可能远离诊所、时间有限或无力承担长期高强度护理。现有一些人工智能工具可以提供帮助，但很多是“黑盒”式的，只给出结果却不解释得出结论的过程，这会让物理治疗师和家长难以信任或在日常生活中安全使用它们。

一个观察儿童动作的数字伙伴

RehabMate 设计为三层系统：观察儿童动作、融合不同类型的运动数据，并对其进行分析以支持训练。放置在膝盖和脚踝处的小型无线传感器记录腿部的加速度和方向变化，智能手机则拍摄视频并逐帧估计儿童的身体骨架。这些信号被融合为对儿童动作的统一表征。每次训练前，会在应用中录入儿童的年龄、疼痛程度和活动能力等信息，使系统能根据儿童的状况调整指导建议。

系统如何理解行走与上下楼梯

RehabMate 的核心是一种专门的动作识别模型，用于研究儿童如何行走、站立与上下楼梯。该模型不仅关注关节位置，还考虑关节间的骨骼以及关节角度随时间的变化。它将身体表示为连接点的网络，利用先进的基于图的处理和注意力机制，专注于动作序列中最重要的关节和时刻。通过精心融合传感器数据与骨架数据，模型能识别四类关键康复动作并评估儿童动作的质量，在新的儿童卒中数据集 PSP2 上跨不同摄像机视角测试时，准确率超过 93%。

将运动分析转化为易于理解的指导

RehabMate 不仅对动作进行分类，还把技术性结果转化为可理解且个性化的反馈。作者构建了由物理治疗师撰写的专业文本库，包含康复练习的详细描述和常见错误。一个语言模型先检索并对合适的描述进行轻度编辑，随后交由更大模型生成清晰的纠正性建议和鼓励性信息，并根据儿童的疼痛与活动能力水平进行调整。例如，当疼痛或力量受限使得完全纠正不安全时，系统可能建议使用楼梯扶手而非一味追求完美步伐。治疗师可以将每条建议追溯到底层的运动数据和知识库条目，使过程具有可审计性和临床意义。

为康复使 AI 透明可信

研究表明，RehabMate 能准确识别儿童的下肢康复动作，解释哪些身体部位和时间点影响了决策，并生成与专业判断一致的反馈。专家评审确认，模型的注意力常常突出与治疗师关注的关键关节相同，大多数生成的建议可追溯到知识库中的已知规则。尽管当前系统侧重于行走与楼梯活动并使用中等规模的数据集，作者认为同样的可解释方法可扩展到手臂与全身训练。对家庭和临床人员而言，这意味着 AI 不仅能测量动作，还能清晰展示其得出结论的方式，从而使居家儿童卒中康复更安全、一致且更具个体化。

引用: Huang, S., Chen, Z. & Liu, Y. RehabMate: an explainable framework for action detection and corrective feedback in pediatric stroke rehabilitation. Sci Rep 16, 15565 (2026). https://doi.org/10.1038/s41598-026-46093-w

关键词: 儿童卒中, 康复, 可解释的人工智能, 动作识别, 可穿戴传感器