Jove
Visualize
Contáctanos

Videos de Conceptos Relacionados

Application of Linearization and Approximation01:29

Application of Linearization and Approximation

193
A drone flying through complex terrain often relies on more than one sensing method to estimate small changes in altitude. Along with direct measurements, air pressure provides a useful indirect indicator of vertical movement. Atmospheric pressure decreases as altitude increases, and this relationship is commonly described using an exponential model. Although accurate, converting pressure measurements into altitude values requires calculations that are too complex to perform repeatedly during...
193

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Multimodal Neuromorphic Sensory Device for Intelligent Perception.

ACS applied materials & interfaces·2026
Same author

Use of computer-assisted tomography for diagnosis and standing surgical reduction of progressive ethmoidal hematoma in a mare.

The Canadian veterinary journal = La revue veterinaire canadienne·2026
Same author

Biomechanical benefits of hip protectors and compliant flooring for hip fracture prevention: A systematic and quantitative analysis.

Clinical biomechanics (Bristol, Avon)·2026
Same author

Evaluation of mixed response in tumor size and survival in patients with rare cancers treated with dual checkpoint inhibitor therapy (DART SWOG S1609).

Journal for immunotherapy of cancer·2026
Same author

QVT score, a radiomic biomarker of vascular complexity, enables prognostication and monitoring of NSCLC immunotherapy.

Journal for immunotherapy of cancer·2026
Same author

Evaluation of computed tomographic anatomy of the foot in Jeju horses.

Journal of veterinary science·2026
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Video Experimental Relacionado

Updated: May 5, 2026

Home-Based Monitor for Gait and Activity Analysis
07:24

Home-Based Monitor for Gait and Activity Analysis

Published on: August 8, 2019

6.8K

Identificación de la colocación óptima del clasificador y del sensor para la clasificación del riesgo de caídas

Junwoo Park1, Kitaek Lim1, Seyoung Lee1

  • 1Injury Prevention and Biomechanics Laboratory, Department of Physical Therapy, Yonsei University, Wonju, Gangwon-do, South Korea.

Gait & posture
|August 23, 2025
PubMed
Resumen

La colocación óptima de los sensores de la unidad de medición inercial (IMU) en la parte inferior de la pierna mejora significativamente la precisión de la clasificación del riesgo de caídas en adultos mayores. Este hallazgo avanza en la tecnología de prevención de caídas mediante la identificación de la mejor estrategia de sensores IMU.

Palabras clave:
Las clasificacionesRiesgo de caídasLas cataratasLa marchaSensores de inercia

Más Videos Relacionados

Design and Analysis for Fall Detection System Simplification
08:05

Design and Analysis for Fall Detection System Simplification

Published on: April 6, 2020

10.8K
Author Spotlight: Innovations in iTUG Test for Enhanced Risk Assessment and Cognitive Insights
05:26

Author Spotlight: Innovations in iTUG Test for Enhanced Risk Assessment and Cognitive Insights

Published on: October 25, 2024

1.2K

Videos de Experimentos Relacionados

Last Updated: May 5, 2026

Home-Based Monitor for Gait and Activity Analysis
07:24

Home-Based Monitor for Gait and Activity Analysis

Published on: August 8, 2019

6.8K
Design and Analysis for Fall Detection System Simplification
08:05

Design and Analysis for Fall Detection System Simplification

Published on: April 6, 2020

10.8K
Author Spotlight: Innovations in iTUG Test for Enhanced Risk Assessment and Cognitive Insights
05:26

Author Spotlight: Innovations in iTUG Test for Enhanced Risk Assessment and Cognitive Insights

Published on: October 25, 2024

1.2K

Área de la Ciencia:

  • Ingeniería biomédica
  • Gerontología
  • Ciencias de la rehabilitación

Sus antecedentes:

  • La evaluación del riesgo de caídas en adultos mayores es crucial para la prevención.
  • El análisis de la marcha mediante unidades de medida inerciales (IMU) es prometedor para clasificar el riesgo de caídas.
  • La colocación óptima de los sensores IMU y los algoritmos de clasificación para el riesgo de caídas siguen siendo poco explorados.

Objetivo del estudio:

  • Determinar la estrategia de colocación óptima de los sensores IMU para maximizar la precisión de la clasificación del riesgo de caída durante la marcha.
  • Comparar el rendimiento de varios algoritmos de aprendizaje automático para la clasificación del riesgo de caídas utilizando datos del IMU.

Principales métodos:

  • Se evaluó el riesgo de caídas de noventa y tres adultos mayores (bajo versus alto).
  • Se recogieron datos cinemáticos utilizando 10 UMI colocadas en varios segmentos del cuerpo durante una caminata de 10 m.
  • Las características extraídas incluyeron la media y la varianza de la aceleración lineal y la velocidad angular.
  • Se evaluaron los clasificadores de máquina vectorial de soporte (SVM), árbol de decisión (DT), bosque aleatorio (RF), vecinos K-más cercanos (KNN), XGBoost y LightGBM.

Principales resultados:

  • La colocación del sensor tuvo un impacto significativo en el rendimiento de la clasificación (p < 0,001).
  • La parte inferior de la pierna surgió como la colocación óptima del sensor, logrando la mayor precisión.
  • El clasificador SVM que utiliza un sensor de la parte inferior izquierda de la pierna logró una precisión del 90,1%, una sensibilidad del 95,7% y una especificidad del 84,1%.
  • No se encontraron efectos significativos para el algoritmo de clasificación o su interacción con la colocación del sensor (p > 0,05).

Conclusiones:

  • La colocación del sensor IMU es un factor crítico en la precisión de la clasificación del riesgo de caídas.
  • La colocación de sensores IMU en la parte inferior de la pierna proporciona la mayor precisión para la evaluación del riesgo de caída.
  • Estos hallazgos ofrecen información valiosa para el desarrollo de tecnologías avanzadas de prevención de caídas para los ancianos.