用智能眼镜中的相机-IMU的融合数据对帕金森病患者进行短步长度估计

科学领域:

• 生物医学工程 生物医学工程
• 神经学 神经学
• 步态分析 步态分析

背景情况:

• 缩短步骤长度是帕金森病 (PD) 的关键运动症状.
• 现有的步骤长度估计方法通常是基于实验室的,需要多个传感器,或缺乏准确性.
• 需要为PD患者提供准确的,现实世界的步态评估工具.

研究的目的:

• 提出和验证一种用于估计PD患者短步长度的新方法.
• 来自智能眼镜集成摄像机和惯性测量单元 (IMU) 的数据进行融合,以提高精度.
• 为PD提供了一种用于步态分析和基于智能眼镜的步态训练的实用工具.

主要方法:

• 开发了一种结合同时定位和映射 (SLAM) 与步骤检测加速值的方法.
• 在智能眼镜中嵌入的摄像头和IMU的合并数据.
• 对健康受试者和PD患者进行实验,以评估准确性.

主要成果:

• 在健康受试者中,包括短步 (<30厘米) 在内的步骤长度估计的平均误差为8.44%.
• 与标准技术相比,PD患者的总步行距离的平均误差为4.27%.
• 显示强烈一致 (R2=0.8659) 与PD患者的步骤长度低于40厘米的标准技术.

结论:

• 提出的基于智能眼镜的方法准确地估计了PD患者的短步长.
• 这种融合方法为步态评估和康复提供了一个有希望的非实验室解决方案.
• 该技术在针对帕金森病的基于智能眼镜的步行训练中具有潜在的应用.