自动步态 EVENT检测在老年人中在乱行走时进行

科学领域:

• 生物力学 生物力学
• 老年学是一门学科.
• 机器学习 机器学习

背景情况:

• 准确的步行事件检测对于评估老年人的平衡和跌倒风险至关重要.
• 传统的方法与乱行走作斗争,限制了步态分析.
• 自动检测乱行走仍然是一个未满足的需求.

研究的目的:

• 开发和验证用于步行事件检测的自动化方法.
• 解决障碍行走情景中现有方法的局限性.
• 改进对老年人平衡控制和跌倒风险的评估.

主要方法:

• 采用了双向封闭循环单元 (Bi-GRU) 模型.
• 集成的地面反应力,关节角度和标记数据.
• 在307名健康的老年人身上进行了测试,他们进行了正常和乱步行.

主要成果:

• 在检测着陆和起飞事件方面取得了超过97%的准确性.
• 对于步行事件检测,显示的平均误差小于14ms.
• 验证了模型适用于正常和乱的行走条件.

结论:

• 动力学方法对于自动步行事件检测是有效的.
• 开发的方法显示了在临床环境中实时步态监测的潜力.
• 通过精确的步态分析,实现个性化的防摔计划.