IMUベースの骨盤回転検出:新しいデータセット,ベンチマーク分類器,センサー配置最適化

科学分野:

• バイオメディカルエンジニアリング
• リハビリテーション・サイエンス・サイエンス
• 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:

• 長期にわたる静止生活は,世界的に障害の主な原因である腰痛 (LBP) に関する重大な公衆衛生問題です.
• 骨盤回転 (PRs) のモニタリングは姿勢制御,LBPの予防,管理に不可欠ですが,検出方法とデータセットは限られています.

研究 の 目的:

• 骨盤回転 (PR) を認識するために慣性測定単位 (IMU) と機械学習 (ML) を使用する可能性を調査する.
• 様々な活動におけるPR検出のための新しい,一般に利用可能なデータセットを導入する.
• LBP管理のための実用的で最小限のセンサーソリューションのためにセンサーの配置を最適化します.

主な方法:

• 静止生活を送る39人の参加者からの15時間以上の高解像度IMUデータを含む新しいデータセットの開発.
• PR認識のための6つの古典的なML分類器のベンチマーク,XGBoostを中心に.
• センサーの配置を体系的に最適化し,全体から最小限のセンサーセットアップまでの構成を評価します.

主要な成果:

• XGBoostはPR評価において高いパフォーマンスを達成し,F1の加重スコアは0.988 (2級) と0.895 (8級) でした.
• 2つのセンサー構成 (骨盤と左上足) は,17つのセンサーシステムに匹敵する性能を達成しました.
• 最適な2つのセンサーのセットアップは,8クラスの分類タスクでF1の加重スコア0.872に達しました.

結論:

• この研究は,価値ある公開データセットと,PR認識のための堅固なMLベースラインを提供します.
• 最小限の2センサ構成は,現実世界のウェアラブルシステムにとって,実用的で効果的なソリューションを提供します.
• この研究は,座っている姿勢を減らし,LBP管理を改善するための技術の開発を促進します.