《Disability and Rehabilitation: Assistive Technology》:Novel approach for powered wheelchair user identification and steering
编辑推荐:
研究人员描述了一种用于提升电动轮椅用户的驾驶能力并改善其生活质量的新方法。该方法安装于多人共用的电动移动(powered mobility)平台,减少了辅助人员调整用户设置所需的时间与精力,并延长驾驶时长。本文基于利益相关者咨询,介绍四个集成系统的开发与初步测
研究人员描述了一种用于提升电动轮椅用户的驾驶能力并改善其生活质量的新方法。该方法安装于多人共用的电动移动(powered mobility)平台,减少了辅助人员调整用户设置所需的时间与精力,并延长驾驶时长。本文基于利益相关者咨询,介绍四个集成系统的开发与初步测试。开发过程包括在Chailey Heritage Foundation对辅助人员、照护者和作业治疗师(OT)进行访谈,并结合临床观察。这些咨询表明驾驶环节通常持续50–60?min,其中大量时间用于设置,导致实际驾驶时间很短。基于上述发现,研究人员开发了协同工作的四个集成系统:采用单样本学习(one-shot learning)的人脸识别用户识别系统、数字扫描避碰装置(SCAD, Scanning Collision Avoidance Device)距离控制、非接触式红外(IR, Infra-red)传感器输入以及自动驾驶环节数据采集。进行了原型测试。人脸识别系统成功识别用户并正确拒识未注册用户。数字距离系统相比原有硬件响应更快、选项更多。非接触式输入系统静音运行且无点击声,并包含自动校准(auto-calibrate)功能。所有系统在集成后均表现良好,驾驶环节数据被采集存储以供后续分析。初步观察表明设置时间减少、驾驶时间增加。该集成方法降低了照护人员的设置时间与精力,同时增加了驾驶时间。各系统表现出良好的协同性并提升了用户自主性。未来需要进行对照试验以量化这些改进并对数据进行统计分析。
研究背景:随着全球残疾人口比例上升(约六分之一人口患有某种残疾,其中2–4%存在显著移动困难),电动轮椅等电动移动(powered mobility)设备已成为许多残疾人日常活动的重要辅助手段。然而在多人共用电动移动平台的临床与康复机构中,每次驾驶环节总时长虽为50–60?min,却需耗费20–30?min进行用户转移、输入装置安装与个性化设置调整,实际驾驶时间仅剩20–30?min,且结束时尚需约10?min拆卸归位;不同用户对接口、传感器与个人设置需求各异,机械开关的点击噪声会引起部分用户分心,开关常在环节中因移位需重新调整,这些现实问题降低了治疗效率与用户体验。为突破上述瓶颈,研究人员在Chailey Heritage Foundation通过利益相关者(辅助人员、照护者、作业治疗师)访谈与临床观察明确痛点后,开展了一项将自动化用户识别、数字化安全控制、非接触静音输入与系统级数据采集集成于一体的新方法研究,以期在多人共用平台上自动加载个人设置、简化安全参数调整、消除噪声干扰并积累驾驶数据用于后续分析。论文发表于《Disability and Rehabilitation: Assistive Technology》。研究人员得出结论:所开发的四个集成系统在原型和初步临床观察中均正常工作并表现出协同效应,设置负担降低、实际驾驶时间有所提升,但定量功效与统计学结论需后续对照试验验证;该方法为多用户电动移动平台提供了一种可扩展的自动化路径,有助于提升治疗效率、用户自主性与生活质量,同时减轻照护成本与体力负荷。
关键技术方法:研究人员采用以Raspberry Pi连接相机模块与外围电路的原型平台,运用单样本学习(one-shot learning)的人脸识别算法(基于相似度函数比对数据库图像,无需整体重训练即可新增用户)实现自动用户识别;将原有扫描避碰装置(SCAD, Scanning Collision Avoidance Device)的六位双极旋转开关替换为双数字电位器,通过Python程序数字化控制超声波换能器的检测距离,并提供下拉菜单界面设定范围;以非接触红外(IR, Infra-red)量程传感器(检测距4–30?cm)与模数转换器(ADC, Analog-to-Digital Converter)构成静音输入系统,内置自动校准(auto-calibrate)、阈值、截止时间(Cut off Time)、最小/最大距离、采样时间(Sampling Time)等可调参数,分开关模式与时间延迟模式,参数存于CSV文件并在启动加载;系统集成驾驶环节数据(用户能力指标、环节详情、输入设备使用等)采集并存储为CSV,兼顾隐私保护;样本来源为Chailey Heritage Foundation的复杂残疾青年用户与照护团队,通过访谈、临床观察与原型迭代设计开展开发与初步验证。
研究结果:Stakeholder consultation findings(利益相关者咨询发现):研究人员通过访谈与观察明确多人共用平台、各异的用户设置与接口需求、耗时的设置调整、机械开关噪声干扰与频繁移位等核心问题;时间分配上实际驾驶不足总时长的50%,辅助人员在切换用户设置上负担沉重,点击声造成感官分心,物理开关常在环节中需重新定位。
System implementation results(系统实现结果):四个系统成功集成并协同工作。System 1: facial recognition for user identification(系统1:人脸识别用户识别):研究人员实现的人脸识别可成功识别数据库内用户,正确拒识未注册用户,支持上传人脸图像新增用户而无须重训练,并通过简易UI反馈识别状态。System 2: digital SCAD range control(系统2:数字SCAD距离控制):数字化距离系统较原双极旋转开关响应更快,硬件需求更低,提供多于原有SCAD的距离选项,并具用户友好的范围修改界面。System 3: contactless user input(系统3:非接触用户输入):红外传感器系统实现静音无点击噪声运行,响应快于机械杠杆开关,自动校准解决了传感器移位问题,并在头部运动控制案例研究中成功替代传统头控开关。System 4: data collection system(系统4:数据采集系统):系统成功将以用户环节数据为主的记录存为CSV格式,适合后续智能系统训练,并采取了恰当的隐私保护措施。
Integration testing results(集成测试结果):四个系统表现出良好协同性,设置安装时间缩短,照护人员精力需求降低,环节中实际驾驶时间增加;不过此阶段未对改进幅度做定量系统测量。
Preliminary clinical observations(初步临床观察):在Chailey Heritage School的案例中,研究人员用两个红外传感器替代传统头控开关,成功检测学生头部运动并将其自愿运动转化为电动轮椅转向指令,参数经由技术UI定制完成。
讨论部分总结:研究人员指出,利益相关者咨询揭示了此前文献未充分记载的实际屏障,如机械开关噪声导致的感官分心、设置耗时占比过高等;集成四系统方法通过自动用户识别消除手动选设、数字SCAD简化安全距离调整、非接触静音输入移除噪声干扰、自动数据采集支持进展追踪,从而协同解决复杂临床挑战。单样本学习(one-shot learning)适合临床小用户量但高个性化需求场景,无需大量训练数据;人脸识别自动加载设置属该领域新贡献;非接触静音输入所解决的噪声屏障是通过直接用户咨询才发现并针对性处理的;四系统一体化优于以往孤立改进(安全、输入或数据单点优化),自动校准减少照护干预、提升自主性。局限性在于缺乏系统定量评估与统计检验,用户数有限且为单中心研究,未进行基线–干预对照,未评估不同残疾类型的异质性影响,亦缺经济分析;未来需开展定义队列的对照试验、建立设置时间与驾驶时长的标准结局指标、用验证量表评用户满意度,并从技术上探索先进AI算法、扩展图像处理用于运动捕捉、制定标准实施协议并完成时间节省与性能的统计学分析。临床意义上,该集成系统有望在多用户环境中提升治疗接触时间、减轻照护人力约束、通过自动个性化增强用户自主性、以系统数据支撑循证决策,从而改善电动轮椅用户的长期康复结局。
结论部分翻译:本研究提出一种面向多人共用电动轮椅平台的新型四系统方法。通过在Chailey Heritage Foundation的利益相关者咨询,研究人员明确了过度设置时间、设置调整复杂性与感官干扰等关键屏障。所开发系统通过自动用户识别、数字控制接口、静音输入机制与系统数据采集成功应对了这些挑战。各系统在技术上成功集成,初步测试显示其在降低设置负担和增加实际驾驶时间方面前景良好。尽管定量功效数据有待正式试验确认,该方法为多用户共享场景下的电动轮椅可及性提供了有前景的方向。利益相关者咨询方法在揭示纯技术开发常忽视的现实挑战方面具有重要价值。调整安装用户设置所需的时间与精力得以减少,驾驶环节时长增加,用户进行轮椅驾驶练习的时间更长。所采集数据将用于训练智能系统以预测未来路径模式并评估用户驾驶能力。未来工作将聚焦于严格的定量评估与多中心验证。