在辅助行走过程中,通过可穿戴的赛博格混合辅助肢体测量的步态数据进行分析:步态模式集群
Yasuko Namikawa1, Hiroaki Kawamoto2,3,4, Akira Uehara2,3
1Degree Programs in Systems and Information Engineering, University of Tsukuba, Tsukuba, Japan.
Frontiers in medical technology
|December 31, 2024
概括
这项研究分析了使用混合辅助四肢 (HAL) 外骨架的人的步态模式. 集群步行数据揭示了不同的子组,突出显示了该设备对个性化治疗干预和数据驱动分析的潜力.
科学领域:
- 网络学和生物医学工程
- 康复技术 康复技术 康复技术
- 步态分析 步态分析
背景情况:
- 混合辅助肢体 (HAL) 是一种可穿戴的机器人外骨架,提供步行辅助.
- 目前的步态分析通常依赖于干预前后的比较,缺乏实时洞察力.
- 在HAL辅助疗法期间需要分析步态模式,以了解用户特定的反应.
研究的目的:
- 根据治疗期间收集的HAL传感器数据,以集群行走模式.
- 调查不同步态模式子组的特征.
- 探索佩戴者的属性对这些步态模式的影响.
主要方法:
- 步行数据 (地面反应力,关节角度等) 分析了来自HAL用户的数据.
- 主要组件分析 (PCA) 降低了步态时间序列数据的复杂性.
- 层次集群分析分组了步态模式,贝叶斯回归确定了影响因素.
主要成果:
- 从13,710个周期的步行模式被分类为每测量项的5-10个群.
- 确定了不同的步态模式子组,揭示了各种各样的用户反应.
- 贝叶斯模型表明,佩戴者的疾病类型和步行能力影响了子组分布.
结论:
- HAL辅助步行表现出多种模式,需要监测以进行量身定制的干预.
- 在治疗期间,HAL的自动数据收集提供了超越传统评估的宝贵见解.
- 哈尔可以发展成为一种双重用途的设备,既用于治疗,又用于全面的步态数据分析.
