用外源输入的非线性自回归神经网络来估计假肢步行的身体细分方向
Lai Kuan Tham1, Mouaz Al Kouzbary2, Hamza Al Kouzbary2
1Center for Applied Biomechanics, Department of Biomedical Engineering, Faculty of Engineering, Universiti Malaya, Kuala Lumpur, 50603, Malaysia. lkuantham@gmail.com.
Physical and engineering sciences in medicine
|October 23, 2023
概括
这项研究引入了一个神经网络模型,使用可穿戴传感器准确评估下肢截肢者的假肢步态. 该模型提供可靠的3D定向数据,以更好地评估和康复假肢.
科学领域:
- 生物机械工程 生物机械工程
- 康复技术 康复技术 康复技术
- 可穿戴式传感器技术
背景情况:
- 对假肢步行的定量评估对于评估假肢功能和康复进展至关重要.
- 对客观评估工具的有限访问阻碍了临床环境中的一致性和可重复性.
- 可穿戴技术为客观,不受约束的假肢步行分析提供了一个有前途的途径.
研究的目的:
- 开发和验证基于神经网络的模型,用于估计下肢截肢患者在走路时的3D身体细分方向.
- 为了利用可穿戴的惯性传感器来客观地定量假肢步态.
- 克服传统步态评估方法的局限性.
主要方法:
- 开发了一个神经网络模型,用惯性传感器的数据来估计3D四肢方向.
- 13名下肢截肢者参与了这项研究,他们使用机器人和被动假肢进行了行走测试.
- 该模型的设计是为了模拟一个补充过器,以估计无漂移的方向.
主要成果:
- 拟议的模型显示了最小的估计偏差和与既定方法的高相关性.
- 验证证实了该模型能够准确地复制互补过器属性的能力.
- 该模型成功地估计了跨不同截肢水平和移动任务的细分方向,不受环境干扰的影响.
结论:
- 神经网络模型提供了一种强大而准确的方法,用于估计下肢截肢者在走路时的3D四肢方向.
- 这种基于可穿戴传感器的方法增强了对假肢步行的客观评估和康复监测.
- 该模型的准确性和适应性为假肢的临床应用提供了显著的潜力.
