基于深度学习辅助的应变传感阵列的多功能人机交互系统
1Key Laboratory of Advanced Structural Materials, Ministry of Education & Advanced Institute of Materials Science, Changchun University of Technology, Changchun 130012, China.
ACS applied materials & interfaces
|September 26, 2024
概括
这项研究介绍了一种使用灵活的压电传感器和深度学习的智能步行监控系统. 该系统在实时运动状态识别方面实现了高精度,使得健康状况的持续跟踪成为可能.
科学领域:
- 生物医学工程 生物医学工程
- 传感器技术 传感器技术
- 人工智能的人工智能
背景情况:
- 持续的步态监测对于健康管理至关重要,包括手术后恢复和疾病诊断.
- 目前的步态分析系统往往是繁的,需要专门的空间和限制现实世界的应用.
研究的目的:
- 开发一个智能步行监测和分析系统,使用灵活的压电传感器和深度学习.
- 为了实现实时,准确的步态数据采集和运动状态推断,用于健康监测.
主要方法:
- 开发了灵活的压电传感器,具有高灵敏度和稳定性,并集成到鞋底.
- 用深度学习神经网络来分析获得的步态数据.
- 构建了一个灵活的可穿戴识别系统,具有人机交互界面.
主要成果:
- 压电传感器表现出高灵敏度 (241.29 mV/N),快速响应,以及出色的稳定性 (R^2 = 0.9946).
- 集成系统在实时识别人类运动状态方面实现了94.7%的准确性.
- 该系统成功地跟踪了运动员的步态,以进行长期监测.
结论:
- 开发的系统为日常生活中持续且可靠的步态分析提供了实用解决方案.
- 这项技术有可能帮助个性化健康管理,早期疾病检测和远程医疗保健.
