使用安装在脚上的惯性传感器预测脚和膝盖的斜腰运动和动力学
Ting Long1, Jereme Outerleys2, Ted Yeung1
1Auckland Bioengineering Institute, University of Auckland, Auckland, New Zealand.
概括
一个机器学习模型准确地重建了脚和膝盖关节的运动 (动力学) 和力量 (动力学) 使用脚IMU. 这可以在各种活动中进行精确的生物力学分析,有助于运动表现和伤害预防.
科学领域:
- 生物力学 生物力学
- 机器学习 机器学习
- 运动科学 运动科学 运动科学
背景情况:
- 精确测量下肢关节动力学和动力学对于理解运动表现和受伤机制至关重要.
- 传统的运动捕捉系统是复杂的,限制了现实世界的应用.
- 可穿戴惯性测量单元 (IMU) 为运动分析提供了一个便携式替代方案.
研究的目的:
- 开发和验证一种机器学习模型,用于重建关节和膝关节的时间序列动力学和动力学配置文件.
- 通过使用单个脚安装IMU的数据,评估模型在六个不同的任务中的准确性.
- 调查使用IMU衍生数据用于体育中的详细生物力学分析的可行性.
主要方法:
- 采用随机森林回归模型,利用从IMU数据 (加速和角速度) 中提取的时间序列特征.
- 脚和膝盖的曲-延伸角度和时刻被捕获,使用运动捕捉和反向动态作为基本真相.
- 使用五倍交叉验证和统计参数映射来评估模型准确性和预测和实际数据之间的差异.
主要成果:
- 机器学习模型在预测脚和膝盖动力学 (R2: 0.7820.962) 和动力学 (R2: 0.7110.966) 方面表现出很高的准确性.
- 根平均平方误差 (RMSE) 在动力学和动力学变量都处于可接受范围之内.
- 在停止跳跃和走路等特定任务中,在膝盖曲-延伸时刻发现了轻微的差异.
结论:
- 在IMU数据上训练的基于特征的回归模型可以准确地预测时间序列的脚和膝关节的角度和时刻.
- 这种方法提供了一种可行的,便携式方法,用于在一系列活动中进行详细的生物力学分析.
- 这些发现支持使用安装在脚上的IMU来进行健壮的体育表现和伤害风险评估.
