相关实验视频
Updated: Jan 13, 2026
07:24
Home-Based Monitor for Gait and Activity Analysis
Published on: August 8, 2019
7.2K
现实世界手腕衍生数字移动性结果在有多种长期疾病的人:算法比较
Dimitrios Megaritis1,2, Lisa Alcock2,3, Kirsty Scott2
1Faculty of Health and Life Sciences, Northumbria University Newcastle, Newcastle upon Tyne NE1 8ST, UK.
Bioengineering (Basel, Switzerland)
|October 29, 2025
概括
来自手腕穿戴设备的新算法准确地测量了多重长期疾病 (MLTC) 患者的移动性. 这使得使用可访问的可穿戴技术实现可扩展的实时健康监测.
科学领域:
- 生物医学工程 生物医学工程
- 数字健康数字健康
- 可穿戴技术可穿戴技术
背景情况:
- 数字移动的结果显示出作为客观健康生物标志物的前景.
- 在患有多种长期疾病 (MLTCs) 的群体中,手腕戴设备算法的验证缺乏.
研究的目的:
- 改进,改进和引入新的算法,用于步态序列检测,初始接触识别和步伐长度估计,使用单个手腕穿戴设备.
- 为了验证这些算法与同时发生的MLTCs的参与者.
主要方法:
- 从手腕佩戴传感器开发和适应用于步态分析的新算法.
- 验证使用28名参与者在2.5小时的现实世界监测会议期间使用MLTCs的数据.
- 与多传感器系统进行对不同步态模式的性能评估的比较.
主要成果:
- 改进的Kheirkhahan算法显示了步态序列检测的最佳性能 (精度=0.92).
- 辛的算法 (性能指数 = 0.85) 和麦卡姆利 (0.84) 在初始接触检测方面表现出色.
- 基于温伯格方法的新方法在脚步长度估计方面取得了高精度 (>0.70).
结论:
- 微调,自适应和足长增强算法在MLTCs中的移动性监控方面表现出强大的性能.
- 这些先进的算法在解决不同临床群体的步态复杂性方面超越了现有的方法.
- 这些发现支持可扩展的实时移动性评估,使用可访问的可穿戴技术为患有MLTC的人提供支持.
