基于惯性测量单位和时间卷积神经网络的太极运动识别和老年人的精确干预

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 运动科学

背景情况:

• 太极拳对老年人来说是一种有益的炼,但精确的运动反是具有挑战性的.
• 惯性测量单位 (IMU) 为客观运动分析提供了一个潜在的解决方案.
• 时间卷积神经网络 (TCN) 可以有效处理来自IMU的时间序列数据.

研究的目的:

• 开发一种使用IMU和TCN识别太极拳运动的系统.
• 评估实时IMU反对改善老年男性健康结果的有效性.
• 将精确干预组与标准干预组进行比较.

主要方法:

• 通过使用从从事Bafa Wubu的熟练太极拳练习者那里获得的IMU数据来训练TCN模型.
• 老年男性被分为精确 (实时IMU反) 和标准干预组.
• 包括平衡,握力,生活质量和抑郁症在内的健康结果在8周的干预之前和之后被测量.

主要成果:

• 在分类太极拳运动方面,TCN模型实现了高精度 (82.6%94.4%).
• 两组人都改善了握力,生活质量和抑郁症.
• 精确干预组在平衡方面显著改善,干预后总体得分更高.

结论:

• IMU和TCN可以准确地识别太极拳运动,以进行有针对性的干预.
• 实时IMU反显著提高了老年男性的平衡.
• 这项技术通过个性化的运动指导,为改善老年人健康状况提供了一个有希望的方法.