Federated Joint Learning of Robot Networks in Stroke Rehabilitation

要約

豊かな知覚と正確な実行によって進歩したロボットは、脳卒中による運動障害を持つ患者に専門的でカスタマイズされたリハビリテーション演習を提供する計り知れない可能性を秘めています。
自律型ロボットリハビリテーションは、長く退屈なリハビリテーションプロセスにおける人間の作業負荷を大幅に軽減します。
ただし、データ不足の問題により、リハビリテーション ロボットのトレーニングは困難です。
この課題は、臨床データへのアクセスおよび使用中のプライバシー上の懸念（個人の疾患情報や患者の身元情報が漏洩するリスクなど）から生じます。
さまざまな患者や病院からのデータを共有してロボットを適切にトレーニングすることはできず、リハビリテーションの安全性がさらに損なわれ、実装範囲が制限されます。
この課題に対処するために、この研究では、病院全体でロボットを共同訓練するための新しい連合共同学習 (FJL) 手法を開発しました。
FJL はまた、患者の移動状態とロボットによるリハビリテーション動作の間の複雑な時間と空間の関係を効果的に調査するために、長短期記憶ネットワーク (LSTM) トランスフォーマー学習メカニズムを採用しました。
ロボット ネットワークのトレーニングにおける FJL の有効性を検証するために、クリニックとシミュレーションを組み合わせた実験が設計されました。
脳卒中疾患（上肢片麻痺、パーキンソン症候群、腰痛症候群）患者200名によるリアルなリハビリ運動データを採用。
臨床データに基づいて逆に、300,000 件のロボットによるリハビリテーションの誘導がシミュレーションされました。
FJL は関節リハビリテーション学習に効果的であることが証明され、ベースラインの方法よりも 20% ～ 30% 優れたパフォーマンスを示しました。

要約(オリジナル)

Advanced by rich perception and precise execution, robots possess immense potential to provide professional and customized rehabilitation exercises for patients with mobility impairments caused by strokes. Autonomous robotic rehabilitation significantly reduces human workloads in the long and tedious rehabilitation process. However, training a rehabilitation robot is challenging due to the data scarcity issue. This challenge arises from privacy concerns (e.g., the risk of leaking private disease and identity information of patients) during clinical data access and usage. Data from various patients and hospitals cannot be shared for adequate robot training, further compromising rehabilitation safety and limiting implementation scopes. To address this challenge, this work developed a novel federated joint learning (FJL) method to jointly train robots across hospitals. FJL also adopted a long short-term memory network (LSTM)-Transformer learning mechanism to effectively explore the complex tempo-spatial relations among patient mobility conditions and robotic rehabilitation motions. To validate FJL’s effectiveness in training a robot network, a clinic-simulation combined experiment was designed. Real rehabilitation exercise data from 200 patients with stroke diseases (upper limb hemiplegia, Parkinson’s syndrome, and back pain syndrome) were adopted. Inversely driven by clinical data, 300,000 robotic rehabilitation guidances were simulated. FJL proved to be effective in joint rehabilitation learning, performing 20% – 30% better than baseline methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google