基于机器学习的异常步态分类与IMU考虑关节损伤
Soree Hwang1,2, Jongman Kim1, Sumin Yang1
1Bionics Research Center, Biomedical Research Division, Korea Institute of Science and Technology (KIST), Seoul 02792, Republic of Korea.
Sensors (Basel, Switzerland)
|September 14, 2024
概括
一个惯性测量单位 (IMU) 系统准确地分类了由于关节损伤造成的异常步行 (准确率超过91%). 这为康复和老年人护理提供了一个有前途的工具,其性能优于传统的步行系统.
科学领域:
- 生物力学 生物力学
- 康复工程 康复工程 康复工程
- 医疗技术 医疗技术 医学技术
背景情况:
- 步态分析对于评估康复和老年护理中的运动功能至关重要.
- 现有系统在准确识别特定关节损伤方面面临挑战.
研究的目的:
- 开发和优化使用惯性测量单位 (IMU) 和步道系统的异常步态分类算法.
- 为了区分正常和受损的步态,并识别特定的关节疾病 (膝盖和脚).
主要方法:
- 十名健康的参与者在不同的支条件下模拟了正常,膝盖受损和脚受损的步态.
- 使用特征提取使用递归特征消除与交叉验证 (RFECV).
- 使用支持矢量机 (SVM),随机森林 (RF) 和极端梯度增强 (XGB) 构建了分类模型.
主要成果:
- 基于IMU的系统在分类三种步态类型时取得了超过91%的准确性.
- 步道系统的准确性不到77%,难以区分膝盖和脚损伤.
- IMU数据为步行异常提供了更好的歧视.
结论:
- 基于IMU的系统显示出在关节损伤患者中进行准确步行评估的巨大潜力.
- 这项技术可以增强康复策略和患者管理.
- 建议进行进一步的研究,以完善临床应用.
