相关实验视频
Updated: Jun 12, 2025
07:24
Home-Based Monitor for Gait and Activity Analysis
Published on: August 8, 2019
6.7K
iP3T:一种可解释的多模式时间序列模型,用于增强可穿戴外骨的步态阶段预测
Hui Chen1,2,3, Xiangyang Wang2,3, Yang Xiao2,3
1ShenZhen College of Advanced Technology, University of Chinese Academy of Sciences, Shenzhen, China.
Frontiers in neuroscience
|September 19, 2024
概括
新型iP3T模型通过融合来自多个传感器的数据来增强步行阶段预测,改善残疾人的移动性. 这种多式模式的方法在辅助行走过程中提供了更高的准确性和更低的代谢成本.
科学领域:
- 生物力学 生物力学
- 机器人技术 机器人技术 机器人技术
- 人与计算机的交互
背景情况:
- 可穿戴式外骨架对于有运动障碍的人来说至关重要,旨在改善步态和生活质量.
- 准确的步态阶段预测对于有效的外骨控制和辅助至关重要.
研究的目的:
- 引入和验证iP3T模型,以优化使用多模式时间序列数据进行步行阶段预测.
- 评估iP3T模型与传统单模式方法相比的性能.
主要方法:
- 该iP3T模型整合了来自拉伸传感器,惯性测量单元 (IMU) 和表面电肌图 (sEMG) 的数据.
- 基于变压器的注意力机制被用来优先考虑关键的生物机械和神经肌肉信号.
- 为了验证模型,在跑步机上进行了5名参与者的实验.
主要成果:
- 而iP3T模型的表现优于单一模式的方法.
- 在静止后阶段实现了1.073的RMSE和0.985的R2.
- 多模式数据集成提高了预测准确度,并在辅助跑步机行走期间降低了代谢成本.
结论:
- 每种传感器类型在全面了解步行周期方面都起着至关重要的作用.
- 在iP3T的注意力机制提高解释性,并允许传感器配置优化.
- 该模型有可能显著改善行走障碍患者的流动性和生活质量.
