使用单个惯性测量单元进行功能性 Reach-to-Grasp 分段的统计方法
Gregorio Dotti1, Marco Caruso1, Daniele Fortunato1
1PolitoBIOMed Lab, Department of Electronics and Telecommunications, Politecnico di Torino, 10129 Turin, Italy.
Sensors (Basel, Switzerland)
|September 28, 2024
概括
这项研究介绍了DynAMoS,这是一种从手腕穿戴的惯性传感器数据对自愿运动进行细分的新方法. DynAMoS准确地识别运动,优于现有的康复监测方法.
科学领域:
- 生物力学 生物力学
- 康复工程 康复工程
- 可穿戴式传感器 穿戴式传感器
背景情况:
- 准确识别自愿移动对于监测康复进展至关重要.
- 从惯性数据对运动进行细分的现有方法经常存在不准确性.
- 家庭监控应用程序需要可靠和自动化的移动分析.
研究的目的:
- 介绍DynAMoS,一种新的方法,用于分割自愿运动,使用单个手腕穿戴的惯性测量单元.
- 评估DynAMoS的性能与现有的最先进的方法相比.
- 评估DynAMoS在家庭康复监测中的潜力.
主要方法:
- 惯性数据 (角速度规范) 从25名健康受试者收集,这些受试者执行了从伸手到抓手的动作.
- DynAMoS使用自适应值和基于统计的后处理来进行运动细分.
- 分区的准确性与立体摄像度系统 (黄金标准) 进行了验证.
主要成果:
- 与现有的两种方法相比,DynAMoS表现出更高的性能.
- 提出的方法实现了错误移动的低百分比 (3%) 和高精度 (起点/抵消平均绝对误差<0.08秒).
- 进行了运动子阶段的分析,包括饮酒.
结论:
- 从惯性数据来看,DynAMoS在自愿运动细分方面提供了显著的改进.
- 该方法的准确性和可靠性使其适合在康复中进行有效的家庭监测.
- 在家庭康复方案中,DynAMoS可以帮助评估患者的运动改善.
