一种机器学习方法,隔离了手腕动力学的变化,以识别与年龄相关的手臂运动变化

科学领域:

• 老年学是一门学科.
• 生物医学工程 生物医学工程
• 运动科学 运动科学

背景情况:

• 正常的衰老与生理震和手部运动速度降低有关,影响日常生活.
• 量化与年龄相关的运动变化对于理解功能衰退至关重要.

研究的目的:

• 使用可穿戴传感器检测和识别手腕动力学和响应延迟的与年龄相关的变化.
• 在特定任务中区分年轻人和老年人之间的运动模式.

主要方法:

• 在年轻人和老年人的手腕上使用轻量级,非侵入性的可穿戴惯性测量单元 (IMU).
• 在姿势和位-位任务中收集动力学数据.
• 在传感器数据上进行频率分析和角度速度分析.

主要成果:

• 确定了5个动力学变量,在姿势任务 (9-13赫兹范围) 中区分老年人和年轻人,达到0.86AUROC和89%的准确性.
• 检测到71毫秒的延迟在手臂运动启动的老年人,在一个pronation-supination任务.
• 使用商业传感器进行动力学分析的可靠性,灵敏性和准确性.

结论:

• 基于可穿戴传感器的动力学分析可靠地检测出与年龄相关的生理震和运动减缓的增加.
• 这种非侵入性方法准确量化了与年龄相关的运动功能变化.
• 需要进一步的研究来评估其在分辨生理震和神经疾病中的病理震方面的有效性.