压力复合的足部压力传感器和基于CNN的体重和负载估计

科学领域:

• 生物力学 生物力学
• 生物医学工程 生物医学工程
• 传感器技术 传感器技术

背景情况:

• 准确的用户体重监测对于骨折后康复至关重要,以防止延迟恢复和再次骨折.
• 鞋底传感器系统有效监测步态参数,如脚部压力,这对于体重评估至关重要.
• 之前的足部压力研究在现实场景和预测准确性方面遇到了局限性.

研究的目的:

• 开发和验证一个与CNN模型集成的压力感应器系统 (PPS),用于精确的用户体重估计.
• 提高重量监测在骨折后康复和步态分析中的准确性和适用性.
• 在各种条件下调查脚部压力数据与用户体重之间的相关性.

主要方法:

• 使用一个带有96个压电阻力传感器的PPS,从107名受试者中收集脚部压力数据.
• 在站立和行走条件下获得的数据,包括不同的负载 (0-15公斤).
• 采用卷积神经网络 (CNN) 模型处理脚部压力数据并预测用户体重.

主要成果:

• 在没有负载的情况下达到高准确度 (R2=0.9997,相对误差=0.0027).
• 在负载行走时表现出强大的性能,显示最低的R2为0.8857,相对误差为0.0416.
• 综合PPS和CNN模型在不同场景中对用户体重预测有效.

结论:

• 拟议的PPS与CNN模型集成,可实现准确的用户体重估计,这对于康复至关重要.
• 这项技术支持基于步态的先进医疗保健研究,特别是侧重于脚部压力分析.
• 该系统提供了一种可靠的解决方案,用于在恢复阶段监测重量和承载能力.