O-GEST:使用基于b-spline的几何模型进行基于标记器和无标记器的分析的地面步行事件探测器
Mehran Hatamzadeh1, Laurent Busé2, Katia Turcot3
1Université Côte d'Azur, LAMHESS, Nice, France; Université Côte d'Azur, Inria, Sophia Antipolis, France.
Journal of biomechanics
|June 14, 2025
概括
这项研究介绍了O-GEST,这是一种仅使用动力学数据准确检测步行事件的算法,消除了对力板的需求. 在各种患者群体中,O-GEST可实现高精度的足部冲击和足部脱落检测.
科学领域:
- 生物力学 生物力学
- 生物医学工程 生物医学工程
- 运动学 运动学
背景情况:
- 准确的步行事件检测对于评估正常和病态步行至关重要.
- 在没有强力板的情况下检测步态事件带来了重大挑战.
- 现有的方法往往缺乏准确性或需要专门的设备.
研究的目的:
- 介绍O-GEST,一个自动算法用于使用动态数据检测地面行走事件.
- 验证O-GEST的准确性,并与现有方法进行比较.
- 为了使可靠的步态分析在强力板-less环境.
主要方法:
- 开发了O-GEST算法,将两个几何模型 (基于B-Spline) 集成为脚地标轨迹表示.
- 使用了取决于步态的值和最佳系数用于事件检测和时空参数计算.
- 使用390名受试者的步态数据 (健康,关节骨关节炎,中风,帕金森病,脑) 验证了O-GEST.
主要成果:
- 在步行事件检测中,O-GEST实现了高准确度:足击时13.5毫秒,脱脚时12.6毫秒.
- 与常见的基于深度学习和基于动态的方法相比,显示出明显更高的准确性.
- 展示了跨多种病理的适用性和对噪音轨迹的稳定性.
结论:
- O-GEST提供了一种可靠和准确的方法,用于检测没有强力板的步态事件.
- 该算法是多功能,适用于各种病理和无标记器设置.
- 在缺乏力板的临床和研究环境中,O-GEST提高了精确步态分析的可行性.
