ข้อมูลจากบทคัดย่อ
ยังไม่มีสรุปภาษาไทยสำหรับระเบียนนี้
ด้านล่างเป็นบทคัดย่อต้นฉบับภาษาอังกฤษจากข้อมูลบรรณานุกรม โปรดตรวจบทความต้นฉบับก่อนอ้างอิง
This paper presents a preliminary technical feasibility study of a landmark-based motion analysis system designed for potential future application in home-based rehabilitation monitoring for frozen shoulder (adhesive capsulitis), developed using computer vision (CV) and human–computer interaction (HCI) principles. The proposed system utilizes real-time body landmark detection to quantify shoulder joint kinematics and provide rule-based automated feedback on exercise execution. The system combines automated and manual components: while shoulder angle assessment, cosine similarity analysis, and keyframe matching are automated, manual researcher input is required to define keyframes corresponding to movement states (start, midpoint, peak) for each therapeutic pose. The CV-driven perception is translated into HCI output, including quantitative movement scores and rule-based feedback indicators, demonstrating the technical potential for objective evaluation of rehabilitation exercise execution without specialized wearable sensors. Technical validation was conducted with 14 healthy volunteers (not frozen shoulder patients) executing standardized shoulder rehabilitation activities, demonstrating shoulder angle measurement with an overall mean absolute error (MAE) of 7.03° against general goniometry and 6.61° against clinical goniometry (RMSE: 8.50° and 8.79°, respectively). Movement similarity classification achieved F1-scores ranging from 0.870 (flexion) to 1.0 (internal rotation) when compared against expert evaluation, though these results are based on a controlled and largely imbalanced dataset with limited incorrect movement examples. The system additionally incorporates a facial expression recognition (FER) module, previously developed and validated in the authors’ prior work, as a supplementary component to support future integration of pain monitoring; this module was not independently validated in the present study. This preliminary technical feasibility study contributes to rehabilitation engineering by demonstrating the potential of semi-automated CV-based motion analysis and rule-based HCI feedback for shoulder movement assessment. The findings indicate technical feasibility for future investigation in home-based exercise monitoring; however, clinical utility cannot be claimed at this stage, as validation with actual frozen shoulder patient cohorts is required.
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 72/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Stroke Rehabilitation and Recovery · Shoulder Injury and Treatment · Hand Gesture Recognition Systems
บทบาทของนักวิจัยและสถาบันไทย
Thanawat Srikaewsiew · Sarunya Kanjanawattana · Nuntawut Kaoungku · Parin Sornlertlamvanich · Komsan Srivisut · Suranaree University of Technology
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง