轨迹和摇摆预测,以防止跌倒
Weizhuo Wang1, Michael Raitor1, Steve Collins1
1Department of Mechanical Engineering Departments, Stanford University, Stanford, CA 94305, USA.
概括
这项研究引入了一种监测干摆动的新指标,确定其与导致跌倒的活跃和被动扰动有很强的相关性. 这一进步有助于预测跌倒风险,并为老年人制定预防跌倒的策略.
科学领域:
- 生物力学 生物力学
- 老年学是一门学科.
- 计算机视觉 计算机视觉
背景情况:
- 跌倒是造成伤害和死亡的主要原因,特别是在老年人中.
- 导致摔倒的不平衡源于内部因素 (疾病) 或外部干扰 (主动或被动).
- 了解干运动对于降落风险评估至关重要.
研究的目的:
- 提出一种用于监测干摆动的新型指标.
- 为了将干摆动与主动和被动扰动相关联.
- 开发一个对干摇摆和跌倒风险的预测模型.
主要方法:
- 开发一个干摇摆监测指标.
- 干摇摆和扰动类型之间的相关性分析.
- 机器学习模型使用过去的轨迹,运动和场景数据进行预测.
主要成果:
- 干摆动的大变化与活跃扰动有很强的相关性.
- 该模型可以合理地预测未来的干摆动和路径.
- 周围场景的视觉线索可以提高预测的准确性.
结论:
- 干摆动是导致跌倒的干扰的可靠指标.
- 拟议的度量和预测模型对防摔应用有很大的前景.
- 整合视觉场景信息可以提高老年人的跌倒风险预测.


