相关实验视频
Updated: May 5, 2026
07:24
Home-Based Monitor for Gait and Activity Analysis
Published on: August 8, 2019
6.8K
使用基于IMU的步态数据确定最佳的降落风险分类器和传感器位置
Junwoo Park1, Kitaek Lim1, Seyoung Lee1
1Injury Prevention and Biomechanics Laboratory, Department of Physical Therapy, Yonsei University, Wonju, Gangwon-do, South Korea.
Gait & posture
|August 23, 2025
概括
惯性测量单元 (IMU) 传感器在腿部的最佳位置显著提高了老年人跌倒风险分类的准确性. 通过确定最佳的IMU传感器策略,
科学领域:
- 生物医学工程
- 老年学
- 康复科学
背景情况:
- 对老年人来说,跌倒风险评估对于预防至关重要.
- 使用惯性测量单位 (IMU) 进行步行分析,有望对跌倒风险进行分类.
- 对降落风险的最佳IMU传感器放置和分类算法仍未得到充分研究.
研究的目的:
- 确定IMU传感器的最佳放置策略,以最大限度地提高步行过程中跌倒风险分类的准确性.
- 使用IMU数据对各种机器学习算法的性能进行比较.
主要方法:
- 评估了93名老年人的跌倒风险 (低或高).
- 在10米的步行过程中,使用10个IMU放置在身体各个部分,收集动力学数据.
- 提取的特征包括线性加速和角速度的平均值和方差.
- 评估了支持向量机 (SVM),决策树 (DT),随机森林 (RF),K-最近邻居 (KNN),XGBoost和LightGBM分类器.
主要成果:
- 传感器的放置显著影响了分类性能 (p < 0.001).
- 下腿是最佳的传感器位置, 达到最高的精度.
- 使用左下腿传感器的SVM分类器获得了90.1%的准确度,95.7%的灵敏度和84.1%的特异性.
- 对分类算法或其与传感器位置的相互作用没有发现显著的影响 (p > 0.05).
结论:
- IMU传感器的位置是降落风险分类准确性的关键因素.
- 将IMU传感器放置在腿部,可提供最准确的跌倒风险评估.
- 这些发现为老年人开发先进的防摔技术提供了宝贵的见解.
