表 1. Comparison table of construction parameters of upper limb function intelligent evaluation system.

上肢功能智能评估系统构建参数对照表

数据来源	对照量表	受试者数量 （患者/健康）	数据采集方式	数据处理方法	结果
文献[15]	FMA-UE	37/0	IMU	多元线性回归	相关系数为0.85
文献[6]	BRS	0/36	IMU	循环神经网络	准确率达到100%
	FMA-UE	0/15	深度传感器	卷积-循环神经网络	决定系数为0.89
文献[16]	FMA-UE	2/0	EEG信号采集系统	残差神经网络	决定系数为0.97
文献[17]	FMA-UE	10/0	EEG信号采集系统	偏最小二乘	决定系数为0.97
文献[18]	FMA-UE	8/9	角度传感器、二维力传感器	多元拟合	决定系数为0.91
文献[19]	BRS	55/0	IMU、sEMG信号传感器	模糊支持向量机	准确率达到83%
文献[20]	FMA-UE	0/10	IMU	K近邻	9种不同动作准确率达到98%
				随机森林	9种不同动作准确率达到94%
				支持向量机	9种不同动作准确率达到93%
文献[21]	FMA-UE	14/12	EEG信号采集系统	卷积神经网络	相关系数为0.99
文献[22]	WMFT	47/0	光电传感器	线性回归	相关系数为0.81
文献[23]	FMA-UE	15/10	深度传感器	经验公式	准确率为92%
文献[24]	FMA-UE	10/0	深度传感器、 力敏电阻传感器	二元逻辑分类	准确率为92%
文献[25]	FMA-UE	15/0	深度传感器	客观运动评估	相关系数为0.94
文献[26]	FMA-UE	18/16	IMU、sEMG信号传感器	主成分分析	决定系数为0.85
				多维尺度分析	决定系数为0.85
				非负矩阵分解	决定系数为0.86
				最小绝对收缩和选择算子	决定系数为0.84
文献[27]	BBT	9/0	深度传感器	K近邻	最低准确率为92%
文献[28]	BRS	9/0	sEMG信号传感器	模糊核分类	准确率达到92%