1D ドメイン変換によるスマートインソールから分布したvGRFから足の3D運動の推定

科学分野:

• バイオメカニクス
• 人間の運動分析
• ウェアラブルセンサー技術

背景:

• 人間の運動と機械的負荷を分析するには 足の運動を理解することが重要です
• 垂直地面反応力 (vGRF) は一般的なものですが,包括的な3D運動データ (3D-GRF&M, CoP) はより深い洞察を提供します.
• スマートインソールはポータブルなvGRF測定を提供しますが,実験室の機器と比較してデータ品質が低いことが多いです.

研究 の 目的:

• スマートインソールvGRFデータから計測されたトレッドミールレベルの3D-GRF&M-CoPを生成するためのディープラーニングモデルを開発する.
• スマートインソールで捕捉されるvGRFデータの品質を向上させる.
• 正確な3D運動の見積もりのための最適な足底センサーの配置を特定します.

主な方法:

• 1Dシーケンス対シーケンス (1D-s2s) モデルを使用してディープラーニングベースのドメイン変換を活用します.
• 運動パラメータの見積もりをするために,多セグメント分析を適用します.
• Ke2KeNetという新しいディープラーニングアーキテクチャの開発と評価

主要な成果:

• 分布されたvGRF信号を,包括的な3D-GRF&M-CoPデータに変換しました.
• 装置付きトレッドミルのような,強化されたインソールvGRFデータ品質を証明した.
• 新しい Ke2KeNet モデルは,既存の 1D-s2s 基準の精度を超えました.

結論:

• ディープラーニングにより,ポータブルスマートインソールから高精度3Dの足の運動を推定できます.
• このアプローチは,詳細な生体力学的分析のためのウェアラブルセンサーの可能性を大幅に高めています.
• センサーのレイアウトを最適化し ディープラーニングモデルを 開発することで スマートインソールの 潜在力を最大限に活用できます