相关实验视频
Updated: Jun 13, 2025
07:24
Home-Based Monitor for Gait and Activity Analysis
Published on: August 8, 2019
6.7K
复合活动类型和步伐特定的能量消耗估计模型用于大腿穿戴加速度计
Claas Lendt1,2, Niklas Hansen3, Ingo Froböse3
1Institute of Movement Therapy and Movement-oriented Prevention and Rehabilitation, German Sport University Cologne, Cologne, Germany. claas.lendt@ukr.de.
The international journal of behavioral nutrition and physical activity
|September 10, 2024
概括
这项研究开发了一种使用大腿穿戴加速度计和机器学习的新型复合模型,以准确估计体力活动期间的能量消耗. 该模型在分类活动和预测实验室外能源消耗方面取得了很高的准确性.
科学领域:
- 生物医学工程 生物医学工程
- 运动科学 运动科学 运动科学
- 可穿戴技术可穿戴技术
背景情况:
- 在实验室环境以外的身体活动中精确测量能量消耗是具有挑战性的.
- 腿部佩戴的加速度计为大规模的身体活动监测提供了潜力.
- 机器学习 (ML) 可以提高活动分类和能源支出预测准确度.
研究的目的:
- 开发一种新的复合能源支出估计模型.
- 将活动分类模型与步骤特定的能源支出模型结合起来.
- 在非实验室环境中提高能源消耗测量的准确性.
主要方法:
- 训练了一个深度学习活动分类模型,使用聚合成年加速度计数据.
- 开发并验证了69名健康成年人的综合能源支出模型.
- 使用间接热量计作为验证的参考指标.
主要成果:
- 活动分类模型在五种活动类型中实现了99.7%的准确性.
- 综合能源支出模型产生了10.9%的平均绝对百分比误差 (MAPE).
- 跑步,步行和骑自行车的MAPE分别为6.6%,7.9%和16.1%.
结论:
- 将腿部佩戴的加速度计与ML模型相结合,可以准确地分类体力活动,并估计能量消耗.
- 新的复合模型提高了能源消耗测量的准确性.
- 这种方法支持改善实验室外身体活动的监测和评估.
