相关实验视频
Updated: May 21, 2025
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
10.6K
使用加权KNN机器学习算法预测老年人辅助设备的性能
S Vaisali1, C Maheswari1, S Shankar2,3
1Department of Mechatronics Engineering, Kongu Engineering College, Erode, Tamil Nadu, India.
Journal of back and musculoskeletal rehabilitation
|March 19, 2025
概括
这项研究表明,上肢外骨可以在举重运动期间减少老年人肌肉疲劳. 一个机器学习算法预测设备适合个人,帮助辅助技术开发.
科学领域:
- 生物医学工程 生物医学工程
- 康复技术 康复技术 康复技术
- 医疗保健中的人工智能
背景情况:
- 老龄化往往导致老年人肌肉力量和耐力下降,影响日常活动和独立性.
- 动力和力量有限会阻碍日常工作的能力,影响整体生活质量.
研究的目的:
- 评估发达的上肢外骨架在老年人举重运动中的有效性.
- 使用人体工程学分析和加权的K-最近邻居 (KNN) 机器学习算法来预测外骨的适用性.
主要方法:
- 在使用设备之前和之后,对最大自愿同度收缩 (MVIC) 和平均功率频率 (MPF) 进行了实验测量.
- 使用人体工程学分析和加权的KNN算法来评估肌肉力量和预测设备的有效性.
- 老年人参与了举重任务,使用外骨或不使用外骨来测量肌肉反应.
主要成果:
- 外骨的使用在5公斤和15公斤的举重中显著降低了%MVIC值.
- 肌肉疲劳在双脚和 flexor carpi radialis 在没有外骨架的情况下增加,但随着外骨架的使用而减少.
- %MVIC值在2-6% (没有负载),25-40% (5kg) 和30-71% (15kg) 之间.
结论:
- 发达的上肢外骨架有效地减少肌肉疲劳,并补偿在举重过程中老年人的力量损失.
- 一个加权的KNN算法可以根据身体质量指数和肌肉疲劳水平来预测外骨的适用性.
- 研究结果支持开发用户友好的辅助设备,突出了人体工程学和人工智能在增强康复技术中的作用.
