长期步行平衡监测人工智能系统适用于各种地形类型

科学领域:

• 生物医学工程 生物医学工程
• 可穿戴技术可穿戴技术
• 老年学是一门学科.

背景情况:

• 与跌倒相关的伤害是一个重大问题,特别是对于下肢退行症患者来说.
• 现有的步态平衡监测系统往往缺乏在各种地形上评估稳定性的能力.
• 持续的,长期的监测对于早期发现步态恶化至关重要.

研究的目的:

• 为各种地形类型 (平面,楼梯,斜坡) 开发一个紧的,长期的步态平衡监测系统.
• 利用惯性测量单元 (IMU) 和深度学习来分析步态稳定性和预测伯格平衡量 (BBS) 评分.
• 为医生提供可操作的长期步态数据,以改善患者管理和预防跌倒.

主要方法:

• 采用轻量级的九轴IMU来收集步态数据.
• 一个深度学习模型,结合卷积神经网络 (CNN) 和封闭循环单元 (GRU),在树Pi上实现.
• 该系统将步态数据和预测的BBS分数无线传输到云平台进行存储和分析.

主要成果:

• 开发的系统成功地监测了跨越不同地形的步态和平衡.
• 深度学习模型准确地预测了伯格平衡量 (BBS) 评分,表明了步行稳定性.
• 该系统的小型,轻量级设计可方便用户进行长时间的,不引人注目的监控.

结论:

• 这种新的系统为长期的,多地形的步态平衡评估提供了一个实际的解决方案.
• 早期识别异常平衡得分可以帮助预防跌倒并降低医疗保健成本.
• 这项技术使医生能够获得全面的步态数据,以进行知情的临床决策.