相关实验视频
Updated: May 24, 2025
07:24
Home-Based Monitor for Gait and Activity Analysis
Published on: August 8, 2019
6.7K
关节骨关节炎患者的即时步行分类:使用皮尔森相关性,SMAPE和GMM的非可穿戴传感器方法
Wiha Choi1, Hieyong Jeong2, Sehoon Oh1
1Department of Robotics and Mechatronics Engineering, DGIST, Daegu, 711-785 Republic of Korea.
Biomedical engineering letters
|March 3, 2025
概括
这项研究开发了一种无传感器的方法,使用力板数据对关节骨关节炎的步态模式进行分类. 它有效地对患者进行分类,帮助个性化康复策略.
科学领域:
- 生物力学 生物力学
- 整形外科 整形外科 整形外科
- 数据科学数据科学数据科学
背景情况:
- 关节骨关节炎患者表现出不同的步行模式,需要有效的分类.
- 目前的步态分析方法通常依赖于繁的可穿戴传感器或复杂的系统.
- 简化,准确的步态分类对于个性化的患者护理至关重要.
研究的目的:
- 建立一种无传感器的方法来对关节骨关节炎患者的步行模式进行分类.
- 开发一个高效的系统,减少患者和临床医生的步态分析工作量.
- 为了使步态分类只使用力板数据.
主要方法:
- 使用力板测量地面反应力 (前后,中侧,垂直).
- 评估了与皮尔森相关性相似的趋势相似性和与SMAPE相似的尺度相似性.
- 应用高斯混合模型 (GMM) 基于六个量化指标对患者进行分组.
主要成果:
- 成功将16名关节骨关节炎患者分为两个不同的步态组.
- 仅使用强力板数据,证明可靠的步态模式分类.
- 实现了与复杂方法相匹配的准确性,并减少了实施负担.
结论:
- 仅靠强力板数据就能可靠地分类关节骨关节炎的步行模式.
- 提出的方法提供了个性化康复的实用,可访问的工具.
- 有效的分类与最小的患者负担提高了临床效用.
