相关实验视频
Updated: Jul 12, 2025
07:24
Home-Based Monitor for Gait and Activity Analysis
Published on: August 8, 2019
6.8K
可穿戴传感器和机器学习在固定靴子行走过程中估计肌负荷和步行速度
Michelle P Kwon1, Todd J Hullfish1, Casey Jo Humbyrd1
1Department of Orthopaedic Surgery, University of Pennsylvania, Philadelphia, PA, USA.
Scientific reports
|October 23, 2023
概括
这项研究引入了一种可穿戴的传感器系统,用于监测阿基里斯肌负荷和恢复期间的步行速度. 该系统准确地预测这些指标,为临床使用提供了一个实用的工具.
科学领域:
- 生物力学 生物力学
- 可穿戴技术可穿戴技术
- 康复工程 康复工程 康复工程
背景情况:
- 精确监测阿基里斯肌负荷和步行速度对于受伤后有效康复至关重要.
- 目前的监测方法可能是繁的,缺乏临床实用性用于纵向评估.
研究的目的:
- 开发一种基于可穿戴传感器的模式,用于准确且低负荷地监测阿基里斯肌负荷和步行速度.
- 评估最小绝对收缩和选择运算符 (LASSO) 回归模型的性能,以预测这些参数.
- 调查传感器参数变化对模型准确性的影响.
主要方法:
- 十个健康的成年人穿着一个固定靴子行走,脚的角和步行速度各不相同.
- 数据收集包括3D运动捕捉,地面反应力和6轴惯性测量单元 (IMU) 信号.
- 使用LASSO回归来预测阿基里斯的峰值负荷和步行速度,并分析了传感器参数效应.
主要成果:
- 步行速度预测模型的平均绝对百分比误差 (MAPE) 为8.81%±4.29%,超过了阿基里斯肌负荷模型 (MAPE:34.93%±26.3%).
- 与非特定对象的模型相比,特定对象的模型显示出更高的性能.
- 改变传感器参数,例如移除陀螺仪或降低采样频率,对模型性能产生了无关紧要的影响.
结论:
- 使用LASSO回归的可穿戴传感器范式可以准确预测使用固定靴子的人的阿基里斯肌负荷和步行速度 (MAPE ≤ 12.6%).
- 这种方法提供了一种临床上可实施的策略,用于在阿基里斯肌损伤恢复期间对患者负荷和活动的纵向监测.
