基于皮革的鞋底用于实时步态识别和使用机器学习的自动远程辅助
Peng Zhang1,2, Xiaomeng Zhang1,2, Ming Teng1,2
1National Demonstration Center for Experimental Light Chemistry Engineering Education, College of Bioresources Chemistry and Materials Engineering, Shaanxi University of Science and Technology, Xi'an 710021, P. R. China.
ACS applied materials & interfaces
|November 1, 2024
概括
这项研究引入了一种新的灵活传感器,用于实时步态监测. 智能鞋系统准确地检测掉落并识别各种步态,增强健康监测和人机交互.
科学领域:
- 材料科学 材料科学 材料科学
- 生物医学工程 生物医学工程
- 可穿戴技术可穿戴技术
背景情况:
- 实时步态监测对医疗保健至关重要,但在数据采集和分析方面面临挑战.
- 现有的方法往往缺乏有效应用所需的稳定性和灵敏性.
研究的目的:
- 开发一种灵活的传感器,用于准确和稳定的实时步行特征监测.
- 创建一个智能系统,用于人机交互和跌倒检测,使用步态分析.
主要方法:
- 在原纤维基板上制造碳纳米管/石墨烯复合材料导电皮革 (CGL) 传感器.
- 将CGL传感器集成到智能运动鞋中,以收集脚部运动信号.
- 机器学习的应用,包括一个优化的K-Nearest Time Series Classifier (KNTC),用于步态分析和跌落检测.
主要成果:
- 该CGL传感器具有较高的动态范围 (0.614.5 kPa) 和灵敏度 (S = 0.2465 kPa-1).
- 优化的KNTC算法在跌倒检测中实现了99%的准确性,预测时间为13ms.
- 该系统在不同人群中显示出90%的步态识别准确度,错误率低.
结论:
- 开发的基于CGL的传感器和智能鞋系统提供稳定而准确的实时步态识别.
- 这项技术为足部行为监测提供了宝贵的见解,并为先进的医疗保健应用做出了贡献.
- 该系统增强了人机交互,并显示出患者康复和远程医疗的巨大潜力.
