為了準確評價腦卒中患者在日常康復訓練時的動作相似性，基于動態時間規整（DTW）算法構建了一個新的量化評定系統。該系統首先對原始加速度信號進行預處理；其次，依次計算加速度信號與四個動作的標準模板之間的相似性，從而識別出加速度信號所屬的動作類別；最后，根據識別出的動作類別結果，調用對應的映射模型，從而計算出該加速度信號所對應動作的量化評定結果。臨床試驗結果表明，不同動作間的 DTW 最短路徑長度 R 值存在較大差異，R 值作為動作分類的特征，識別準確率可達 91% 以上。此外，隨著康復進程的推進，R 值呈逐漸下降趨勢，即 R 值可以作為評價腦卒中患者完成指定動作質量的量化指標，應用于康復運動處方自動生成或情景交互游戲場景中，從而決定患者是否需要更改康復訓練計劃或者調整游戲中的難度等級，以便開展個體化的康復治療服務。
為了實現腦卒中后偏癱康復患者上肢康復評定的遠程化和智能化,需建立個體化和專業化的康復評定系統。本文首先利用康復訓練傳感器及數據接收軟件采集患者訓練時上肢的運動姿態數據,然后將其上傳至服務器端的數據庫,服務器端將使用基于極限學習機(ELM)和Brunnstrom分期標準的遠程智能評定系統對數據進行智能評定。為了驗證該系統的可靠性,征集了23位腦卒中后上肢運動功能處于不同恢復階段的康復患者和4位上肢運動功能正常者做同一康復訓練動作。實驗結果顯示,相比于康復醫師使用Brunnstrom分期標準的評定結果,遠程智能評定系統的分期準確率可以達到92.1%。本系統可以實現對腦卒中術后偏癱康復患者上肢運動功能的智能評估,使患者在家中或者社區進行遠程康復成為可能。
對于糖尿病患者而言，日常運動是改善其血糖水平的重要途徑，但是運動模式（包括運動類型、運動強度、運動時機等）與血糖水平間的定量關系尚不清楚。為了深入研究不同強度下有氧運動與血糖變化間的定量關系，本文利用微分方程方法建立了有氧運動下糖尿病患者血糖代謝數學模型，結合數值仿真方法模擬研究了不同強度（低、中、高）的有氧運動對Ⅰ型和Ⅱ型糖尿病（T1DM，T2DM）患者血糖變化的影響以及胰島素輸注策略的優化，并在此基礎上驗證了本文所建立模型的普適性。研究結果表明：（1）高強度的有氧運動會導致低血糖事件（< 3.89 mmol/L）發生，因此應盡量避免；與中等強度相比，盡管低強度的有氧運動對血糖降低速率較慢，停留在高血糖（> 6.11 mmol/L）的時間相對較長，但是整體的血糖風險指標（BGRI）更低；（2）在中等強度有氧運動下，T1DM 和 T2DM 患者優化后的胰島素輸注策略與之前的方案相比分別減少了 50% 和 84% 的胰島素用量；在低強度有氧運動下，盡管優化后的胰島素輸注策略在用量上與之前的方案基本持平，但是 BGRI 得到了降低；（3）模擬產生的 1 000 名糖尿病患者結果顯示，本文所建立的模型及給出的胰島素輸注策略均具有較好的普適性。本文的研究結果有助于定量評估有氧運動對糖尿病患者血糖的影響，從而便于調節和管理運動模式下的血糖。