相关实验视频
Updated: Jan 11, 2026
07:24
Home-Based Monitor for Gait and Activity Analysis
Published on: August 8, 2019
7.2K
用日常可穿戴技术自动检测步行障碍
L Feld1,2,3, S Hellmers1, L Schell-Majoor2
1Department for Health Services Research, Assistance Systems and Medical Device TechnologyCarl von Ossietzky University 26129 Oldenburg Germany.
IEEE open journal of engineering in medicine and biology
|November 12, 2025
概括
这项研究表明,听力助听器和智能手机等日常可穿戴设备可以检测步态变化,预测老年人中跌倒风险. 这项技术为持续的健康监测提供了新的途径.
科学领域:
- 生物医学工程 生物医学工程
- 老年学是一门学科.
- 可穿戴技术可穿戴技术
背景情况:
- 老年人患跌倒的风险很高,严重影响他们的健康和独立性.
- 对步行障碍的个体反应是跌倒风险的关键指标.
- 现有的监测方法可能不适合连续的,现实世界的应用.
研究的目的:
- 通过使用日常可穿戴设备的数据,研究自动检测步态扰动.
- 评估深度学习算法的性能,以识别步行不稳定.
- 评估使用助听器和智能手机用于降落风险监测的可行性.
主要方法:
- 使用深度卷积长短记忆 (DeepConvLSTM) 算法来检测步态扰动.
- 从助听器,智能手机和专业传感器收集加速和角速度数据.
- 在跑步机产生的步态扰动上测试了算法.
主要成果:
- 在所有测试设备 (助听器,智能手机,专业传感器) 中,获得了至少0.68的F1得分和0.86的召回.
- 检测性能保持一致,无论传感器的位置或数据类型 (仅限加速).
- 在日常可穿戴设备和专业设备之间没有发现显著的性能差异.
结论:
- 像助听器和智能手机这样的日常可穿戴设备可以有效地监测步态干扰.
- 这些设备在检测不稳定性方面显示了与专业传感器相似的性能.
- 使用可访问的可穿戴设备对步行障碍的持续监测具有重要的潜力,用于在老年人中主动评估跌倒风险.
