将TimeGAN应用于基于IMU的上肢运动范围的数据
概括
时间序列生成对抗网络 (TimeGAN) 成功生成了合成上肢范围的运动数据. 这些合成数据有助于训练人工智能模型进行康复和了解运动障碍.
科学领域:
- 生物力学 生物力学
- 康复工程 康复工程 康复工程
- 人工智能的人工智能
背景情况:
- 时间序列生成对抗网络 (TimeGAN) 是合成数据生成的新兴工具.
- 有限的研究已经将TimeGAN应用于来自惯性测量单元 (IMU) 传感器的上肢运动范围 (ROM) 数据,特别是在残疾模拟中.
- 生成现实的合成生物力学数据对于克服临床研究数据短缺至关重要.
研究的目的:
- 使用TimeGAN生成肘部曲延伸运动的合成三维 (3D) ROM数据.
- 评估TimeGAN在各种模拟残疾条件下产生准确合成数据的性能.
- 探索合成数据在促进生物力学和康复研究方面的潜力.
主要方法:
- 使用可穿戴惯性传感器用于exergame (WISE) 系统从四个实验条件下的人类受试者收集3D ROM数据.
- 使用TimeGAN生成基于收集的真实世界数据的合成3DROM数据.
- 通过主要组件分析 (PCA),t分布式随机邻居嵌入 (t-SNE) 和歧视性得分来评估合成数据的质量和准确性.
主要成果:
- 时间GAN有效地生成了用于上肢运动的合成3DROM数据.
- 在所有实验条件下,差别分数显示出良好的表现 (不受限制:0.12,受限制的肩膀:0.08,受限制的肘部:0.18,受限制的前臂:0.11).
- 合成数据捕获了真实ROM数据的关键特征,证明了模型的实用性.
结论:
- 在生物力学和康复方面,TimeGAN是一种生产合成3DROM数据的可行方法.
- 生成的合成数据集可以支持深度学习模型的开发,用于诊断上肢损伤.
- 合成数据有望改善运动障碍患者的治疗指导和康复进展评估.
更多相关视频
08:45Kinematic Analysis Using 3D Motion Capture of Drinking Task in People With and Without Upper-extremity Impairments
Published on: March 28, 2018
10.6K
06:52An Inertial Measurement Unit Based Method to Estimate Hip and Knee Joint Kinematics in Team Sport Athletes on the Field
Published on: May 26, 2020
7.8K
