穿戴式传感器和机器学习准确地估计肌负荷和步行速度在固定靴子行走过程中

科学领域:

• 生物力学 生物力学
• 康复工程 康复工程
• 可穿戴技术可穿戴技术

背景情况:

• 阿基里斯肌受伤需要逐步承受重量才能愈合,但基于实验室的监测并不反映现实世界的负载.
• 目前的康复监测缺乏现实世界的长期负载数据,阻碍了准确的功能评估.

研究的目的:

• 开发一种使用低成本传感器的可穿戴系统,用于准确监测阿基里斯肌负荷和步行速度.
• 评估一个可穿戴模式的可行性,用于现实世界的康复跟踪.

主要方法:

• 十个健康的成年人穿着一双固定靴子走来走去,鞋跟的和速度各不相同.
• 收集了3D运动捕捉,地面反应力和6轴惯性测量单元 (IMU) 数据.
• 使用最小绝对收缩和选择运算符 (LASSO) 回归用于预测建模.

主要成果:

• 步行速度预测 (8.41 ± 4.08% MAPE) 比阿基里斯肌负荷预测 (33.93 ± 23.9% MAPE) 更准确.
• 特定对象的模型显著优于一般化的模型 (例如,肌负荷MAPE:11.5±4.41%).
• 传感器配置和采样频率对模型性能的影响最小.

结论:

• 使用LASSO回归的可穿戴传感器范式可以准确预测阿基里斯肌负荷和步行速度.
• 该系统提供了一种临床上可行的方法,用于在阿基里斯肌损伤恢复期间对患者活动进行纵向监测.