生物MAT:一个开源的生物力学多活动变压器,用于使用可穿戴传感器进行联合运动预测
Mohsen Sharifi-Renani1, Mohammad H Mahoor2, Chadd W Clary1
1Center for Orthopaedic Biomechanics, University of Denver, Denver, CO 80208, USA.
Sensors (Basel, Switzerland)
|July 14, 2023
概括
一个新的基于生物机械多活动变压器 (BioMAT) 的模型使用可穿戴传感器准确地估计了关节动力学. 这种深度学习方法超越了以前用于临床和体育生物力学应用的方法.
科学领域:
- 生物力学 生物力学
- 可穿戴式传感器 穿戴式传感器
- 深度学习 (Deep Learning) 是一种深度学习.
- 人工智能的人工智能
背景情况:
- 生物力学分析传统上仅限于实验室环境.
- 可穿戴传感器和深度学习为现实世界的临床和体育应用提供了潜力.
- 变压器模型在人工智能方面表现有前途,但在生物力学方面尚未得到充分探索.
研究的目的:
- 介绍BioMAT,一种基于变压器的新型模型,用于关节动力学估计.
- 使用多个IMU (惯性测量单元) 流信号进行动力分析.
- 评估BioMAT在各种日常活动中的性能和通用性.
主要方法:
- 使用公开可用的数据集与IMU信号和关节动力学开发了BioMAT.
- 比较生物MAT与卷积神经网络-长期短期记忆,双向长期短期记忆和多线性回归.
- 评估模型在平坦地面上行走,坡道上升/下降以及楼梯上升/下降的性能.
主要成果:
- 生物马特实现了卓越的准确性,表现优于基准模型,平均RMSE为5.5 ± 0.5°.
- 统一的BioMAT模型在五项活动中的四项表现出比任务特定模型更好的表现.
- 该模型准确地从IMU信号直接估计关节动力学,绕过时间规范化的步态周期.
结论:
- 在使用可穿戴传感器数据估计关节动力学方面,BioMAT代表了重大进展.
- 基于变压器的方法为生物力学分析提供了强大的和可通用的解决方案.
- 这项技术对临床评估和体育表现监测具有广泛的影响.
