相关实验视频
Updated: Jul 13, 2025
07:24
Home-Based Monitor for Gait and Activity Analysis
Published on: August 8, 2019
6.8K
对健康个体和下肢截肢个体的行走活动数据进行无监督集群分析
Alexander Jamieson1, Laura Murray1, Vladimir Stankovic2
1Department of Biomedical Engineering, University of Strathclyde, Glasgow G1 1XQ, UK.
Sensors (Basel, Switzerland)
|October 14, 2023
概括
这项研究使用无监督学习来分析下肢截肢和没有截肢的个体的身体活动. 该方法使用加速度计数据成功区分了地面行走和楼梯行走.
科学领域:
- 生物力学 生物力学
- 机器学习 机器学习
- 康复工程 康复工程
背景情况:
- 在下肢截肢 (ILLAs) 患者的步态分析对于理解移动性至关重要.
- 无监督学习为在自由生活条件下分析复杂的体育活动数据提供了一种新的方法.
研究的目的:
- 在ILLA和自由生活环境中的对照活动中进行第一个未经监督的集群分析.
- 开发和验证一种算法,使用体力活动数据自动区分活动.
主要方法:
- 八个对照组和四个ILLA在各种活动中佩戴大腿加速计.
- 物理活动数据是使用t分布式随机邻居嵌入 (tSNE) 减少的维度,并用DBSCAN进行集群.
- 基于 tSNE 图表和基于密度的聚类,开发了一种新的算法.
主要成果:
- tSNE在缩小维度方面被证明是有效的,而DBSCAN只为单个数据集生成集群.
- 只有在地面行走和楼梯行走方面,行走活动的明显集群是显而易见的.
- 开发的算法成功识别了用于地面行走和楼梯行走的集群形成.
结论:
- 低维的体育活动数据集群是可行的个人分析.
- 开发的算法可以在自由生活条件下识别地面行走和楼梯行走.
- 这种方法有可能对ILLA的客观流动性进行评估.
