関連する実験動画
Updated: Jul 3, 2026
07:24
Home-Based Monitor for Gait and Activity Analysis
Published on: August 8, 2019
パーキンソン病の患者を対象に,慣性測定装置に埋め込まれた靴を用いた,オートエンコーダー駆動の歩行長推定
Hsiao-Lung Chan1, Ya-Ju Chang2, Chun-Lun Hsu3
1Department of Electrical Engineering, Chang Gung University, Taoyuan, Taiwan; Department of Biomedical Engineering, Chang Gung University, Taoyuan, Taiwan; Neuroscience Research Center, Chang Gung Memorial Hospital, Linkou, Taiwan.
Gait & posture
|February 13, 2026
まとめ
新しいディープラーニングモデルは,靴ベースのセンサを使用して,パーキンソン病 (PD) 患者の歩行距離を正確に推定します. この方法は,正確なステップセグメンテーションなしで,不注意な歩行モニタリングを可能にし,病気の評価を助けます.
科学分野:
- バイオメディカルエンジニアリング
- 神経学 神経学とは
- ウェアラブル・テクノロジー ウェアラブル・テクノロジー
背景:
- 歩行障害,特に歩行距離の短縮は,パーキンソン病 (PD) で一般的であり,特に薬が効果的でない場合によくあります.
- 靴に組み込まれている慣性測定装置 (IMU) は,歩行距離を測定するための実用的で環境から独立した方法を提供します.
- ステップ長さの推定のための既存のディープラーニングモデルは,健康な個体でのトレーニングのため,しばしばPDに適用できない.
研究 の 目的:
- IMUデータを用いてPD患者の歩行距離を予測するためのディープラーニングモデルの開発と検証.
- 潜在的なステップセグメンテーションエラーに対するモデルの堅実性を評価する.
主な方法:
- 10人のPD参加者の靴のIMUから三軸加速と角速度を使用して,ディープラーニングモデルを作成しました.
- このモデルは,特徴抽出のためのオートエンコーダーと,ステップ長さの予測のための完全に接続された回帰ネットワークを使用した.
- Leave-one-outクロス検証とシミュレートされたステップセグメンテーションのエラーは,GAITRiteウォークウェイと比較して評価するために使用されました.
主要な成果:
- モデルは,ヒール・ストライク前の1秒間のウィンドウで,地面真相のステップ長 (R2 = 0.8619,±18.11cm LOA) と強く一致していることを示した.
- シミュレートされたヒール・ストライクタイムオフセットが±0.5sまであったとしても,モデルは良好な性能を維持しました (R2 = 0.8033,±21.58cm LOA).
- 結果は,正確な推定のために明示的なステップセグメンテーションが不要であることを示しています.
結論:
- ステップの長さの推定は,正確なステップ識別を必要とせずに,IMUのディープラーニングを使用して実現可能である.
- このアプローチは,PDの個人に不注意な歩行モニタリングを容易にする.
- この発見は,パーキンソン病の進行と治療介入の有効性の客観的な評価を支えている.
