动力假肢中基于GRU的足部位置预测的ANOVA和线性回归特征选择
Hamza Al Kouzbary1, Mouaz Al Kouzbary1, Jingjing Liu1
1Department of Biomedical Engineering, Faculty of Engineering, Center for Applied Biomechanics, University of Malaya, Kuala Lumpur, Malaysia.
Computer methods in biomechanics and biomedical engineering
|September 19, 2025
概括
研究人员使用ANOVA和线性回归来优化动力假肢控制,用于GRU模型中的特征选择. 这种方法有效地预测了高精度地跨越各种地形的脚位.
科学领域:
- 生物医学工程 生物医学工程
- 机器人技术 机器人技术 机器人技术
- 机器学习 机器学习
背景情况:
- 动力假肢的目的是恢复截肢者的自然步态.
- 准确的足位预测对于直观的假肢控制至关重要.
- 优化功能选择可以提高模型的效率和性能.
研究的目的:
- 为了评估动力假肢控制的GRU模型中的特征选择的ANOVA和线性回归.
- 为了提高效率和准确性,将这些方法与递归特征消除进行比较.
- 评估优化模型在不同地形上的概括能力.
主要方法:
- 从健康的参与者身上收集了运动数据,包括步行,爬楼梯和站立.
- 用ANOVA和线性回归来进行特征选择.
- 门式经常性单元 (GRU) 网络使用选定的特征进行训练.
- 模型在独立的受试者身上进行了测试,以评估概括.
主要成果:
- 通过ANOVA和线性回归,有效地选择了相关的特征,降低了计算负载.
- 优化的GRU模型实现了与递归特征消除相似的性能.
- 根平均平方误差 (RMSE) 低至0.066半径,证明了稳健的足位预测.
- 这些模型在不同活动和地形上显示出强烈的泛化.
结论:
- 使用ANOVA和线性回归的特征选择是优化基于GRU的动力假肢控制的有效策略.
- 这种方法提供了计算效率,而不会影响预测准确度.
- 需要对截肢受试者进行进一步的临床验证,以确认现实世界的适用性.
更多相关视频
08:08Oscillation and Reaction Board Techniques for Estimating Inertial Properties of a Below-knee Prosthesis
Published on: May 8, 2014
17.3K
08:55Use of a Foot-Induced Digitally Controlled Resistance Device for Functional Magnetic Resonance Imaging Evaluation in Patients with Foot Paresis
Published on: July 7, 2023
621
