使用地面反应力数据对多位置运动任务进行连续步行阶段估计

科学领域:

• 生物力学 生物力学
• 可穿戴技术可穿戴技术
• 机器学习 机器学习

背景情况:

• 步行阶段估计对于理解人类运动至关重要.
• 现有的方法通常依赖于惯性测量单位 (IMU),并且仅限于特定的行走条件.
• 需要在各种环境中进行强大的步态分析.

研究的目的:

• 开发和验证一个实时步行阶段估计算法.
• 为了评估算法性能跨多样化和具有挑战性的行走条件.
• 为了证明算法的实际应用潜力.

主要方法:

• 使用强力传感电阻 (FSR) 集成到内.
• 采用双向长期短期记忆 (Bi-LSTM) 深度学习模型.
• 对十名健康成年人进行了各种行走条件 (平坦地面,楼梯,坡道) 的实验.

主要成果:

• 实现了超过90%的平均步态估计准确度.
• 报告了0.794.4的低根平均平方误差 (RMSE).
• 获得0.906的高R平方 (R2) 评分,表明强大的模型适合.
• 在所有测试的行走条件中表现出强大的性能.

结论:

• 拟议的基于FSR的Bi-LSTM算法提供了准确和实时的步态阶段估计.
• 该算法显示了在各种基于内的应用中广泛使用的巨大潜力.
• 应用包括步态分析,辅助设备控制和运动能力评估.