Predicción de la cinemática y la cinética de la marcha humana a partir de una única unidad de medición inercial...

Área de la Ciencia:

• Biomecánica
• Aprendizaje automático
• Tecnología vestible

Sus antecedentes:

• Las unidades de medición inercial (IMU) combinadas con redes neuronales (NN) muestran promesa para predecir la cinemática y la cinética articulares.
• Estudios anteriores a menudo utilizaron datos simulados de IMU, careciendo de validación con datos de sensores del mundo real.
• Existe una brecha en la evaluación del rendimiento de las NN para la predicción del movimiento de las extremidades inferiores utilizando datos reales de IMU.

Objetivo del estudio:

• Desarrollar y evaluar ciegamente NN para predecir ángulos y momentos articulares de las extremidades inferiores a partir de una única IMU en el sacro.
• Investigar el impacto de los datos de IMU simulados versus reales en la precisión predictiva de las NN.
• Evaluar la efectividad del ajuste fino de las NN con datos de IMU reales para mejorar el análisis biomecánico.

Principales métodos:

• Se entrenaron arquitecturas de NN con datos simulados de IMU de un conjunto de datos público basado en marcadores, aumentados con redes generativas adversarias condicionales.
• Se evaluaron ciegamente las NN en un conjunto de datos separado de datos reales de IMU y basados en marcadores recopilados ad hoc.
• Se ajustaron finamente las NN con el conjunto de datos de IMU real y se reevaluó el rendimiento en nuevos datos de IMU reales.

Principales resultados:

• Las NN lograron una alta precisión en datos simulados (RMSE: 2,6° ángulos, 0,10 Nm/kg momentos).
• El rendimiento se degradó significativamente en los datos iniciales de IMU reales (RMSE: 4,5° ángulos, 0,21 Nm/kg momentos).
• El ajuste fino con datos de IMU reales mejoró la precisión (RMSE: 2,6° ángulos, 0,19 Nm/kg momentos), comparable a los sistemas multi-IMU.

Conclusiones:

• La evaluación ciega es fundamental para evaluar las NN en aplicaciones biomecánicas prácticas.
• El ajuste fino de las NN con datos de IMU del mundo real es esencial para superar la brecha de simulación a realidad.
• Una única IMU en el sacro, cuando se entrena y se ajusta adecuadamente, puede producir predicciones biomecánicas clínicamente relevantes.