通过上下文分类来增强轮椅使用者的姿势监测

科学领域:

• 康复工程 康复工程 康复工程
• 人与计算机的交互
• 机器学习 机器学习

背景情况:

• 全球越来越多的轮椅使用需要了解姿势的影响.
• 轮椅使用者的姿势受到环境环境的影响,而不仅仅是功能状态.
• 准确的姿势监测需要区分环境因素.

研究的目的:

• 开发一个模型来分类轮椅运动背景.
• 为了区分环境对轮椅使用者的姿势的影响.
• 提高对用户与环境交互的理解.

主要方法:

• 使用轮椅运动和用户姿势监测系统组合收集的数据.
• 训练了机器学习模型 (KNN,ANN,SVM) 来分类七种环境类型.
• 经过验证的模型使用leave-2-out交叉验证以获得稳定性.

主要成果:

• 在自由运行测试中达到90%的准确性,在控制运行中达到99%以上的准确性.
• 模型在不同培训科目中表现一致.
• 成功地区分了平面,坡道,转,障碍物和制动事件.

结论:

• 开发的模型准确地对轮椅环境进行了分类.
• 这项技术可以帮助区分对姿势的环境影响与功能状态变化.
• 通过更好的姿势管理来提高轮椅使用者的生活质量.