在物理治疗中对运动分类的不同传感器方式的分析

科学领域:

• 生物力学和康复工程 生物力学和康复工程
• 传感器融合用于人类运动分析
• 物理治疗 运动 监测 监测

背景情况:

• 物理治疗练习错误可能导致伤害,需要准确的监测工具.
• 对运动质量的客观评估对于有效的康复至关重要.
• 目前用于检测运动偏差的方法可能缺乏精度或可访问性.

研究的目的:

• 调查来自多个传感器模式的特征分析和融合,以识别坐运动中的运动错误.
• 为了比较不同传感器数据 (EMG,MoCap,视频) 在检测特定式变化的有效性.
• 评估传感器融合在提高运动错误检测的准确性方面的潜力.

主要方法:

• 十名参与者进行了正确执行,向前倾斜和侧倾斜变化的.
• 使用电肌图 (EMG) 来测量肌肉激活.
• 动态数据是通过Motion Capture (MoCap) 捕获的,并使用视频中的MediaPipe Pose分析了联合角度.

主要成果:

• 确定了明确的运动模式和肌肉激活偏差,用于向前倾斜和横向倾斜.
• 向前倾斜影响了部/膝盖角度和关节/四肢活动;侧倾斜显示出姿势不对称性和左/右肌肉激活差异.
• 传感器融合,特别是将MoCap和其他模式结合起来,在分类式变化方面产生了最高的精度.

结论:

• 来自多个传感器的特征融合显著提高了识别物理治疗炼错误的准确性.
• 虽然视频分析不那么精确,但它的成本效益为家庭康复提供了潜力.
• 未来的工作应该专注于无标记技术和实时反,以便广泛应用.