相关实验视频
Updated: Jun 10, 2025
07:24
Home-Based Monitor for Gait and Activity Analysis
Published on: August 8, 2019
6.7K
在惯性传感器信号上使用隐藏的马尔科夫模型相似度测量 (HMM-SM) 量化不对称的步态模式变化
Gabriel Ng1,2, Aliaa Gouda1,2, Jan Andrysek1,2
1Institute of Biomedical Engineering, University of Toronto, Toronto, ON M5S 1A1, Canada.
Sensors (Basel, Switzerland)
|October 16, 2024
概括
一个新的基于隐藏马尔科夫模型的相似度测量 (HMM-SM) 有效地使用最小的可穿戴传感器评估步态变化. 这项技术显示出在各种环境中客观,无监督的步态监测的前景.
科学领域:
- 生物力学 生物力学
- 可穿戴技术是可穿戴的技术.
- 信号处理 信号处理
背景情况:
- 可穿戴的惯性传感器可以在各种环境中进行可访问的步态分析.
- 客观的,长期的步态监测对于步态残疾人来说至关重要.
研究的目的:
- 探索一种新的基于隐藏马尔科夫模型的相似度测量 (HMM-SM) 用于步态模式评估.
- 用一个或两个惯性传感器的陀螺仪和加速度计数据来评估HMM-SM.
- 为了确定HMM-SM对步态变化及其可靠性的对应.
主要方法:
- 十一名身体健康的人参与了这项研究,他们的步行模式因改变姿态时间对称性而受到干扰.
- 惯性传感器数据从身体下部位置收集,以训练隐藏的马尔科夫模型.
- 应用HMM-SM到陀螺仪和加速度计信号,以评估步态相似性.
主要成果:
- HMM-SM显示了与立场时间对称度变化相关的一致变化.
- 有效的传感器配置包括骨盆,联合上腿和联合下腿信号.
- 观察到HMM-SM的高可靠性与上腿 (ICC = 0.803) 和下腿 (ICC = 0.795) 合并信号.
结论:
- HMM-SM显示了使用最小可穿戴传感器评估整体步态变化的潜力.
- 这种方法可以促进小型可穿戴系统的开发,用于无人监督的步态评估.
- 它消除了预先识别和测量特定步态参数的需要.
