机器学习模型用于预测轮椅使用者身体座椅接口的切削力:一种新的方法
Paquin Clémence1,2, Chenu Olivier3, Gelis Anthony4,5
1Centre for Interdisciplinary Research in Rehabilitation and Social Integration, Centre Intégré universitaire de santéde services sociaux de la Capitale-Nationale, Québec, QC, Canada.
Assistive technology : the official journal of RESNA
|December 3, 2025
概括
这项研究开发了一种机器学习模型,用于预测机身座椅界面的剪切力,这对于防止压力损伤至关重要. 该模型看起来很有前途,但需要对各种轮椅使用者群体进行进一步的改进.
科学领域:
- 生物力学 生物力学
- 机器学习 机器学习
- 康复工程 康复工程
背景情况:
- 机身座椅接口上的切削力是导致压力损伤的重要机械因素.
- 准确预测这些力量对于制定有效的预防策略至关重要.
研究的目的:
- 引入和评估一种新的机器学习方法,用于预测车身与座椅接口的剪切力.
- 评估模型在没有残疾的个人和轮椅使用者的表现.
主要方法:
- 采用了监督学习模型,特别是随机森林回归.
- 利用了压力测绘系统和实验座椅的数据.
- 该模型是通过非残疾人的数据进行训练,并对这一群体和轮椅使用者进行了验证.
主要成果:
- 随机森林回归模型实现了有希望的准确性,在没有残疾的个人和一些轮椅使用者中,平均误差低于20%.
- 轮椅用户的模型性能下降,轮椅用户的剪切力显著降低.
- 关键的输入特征包括计算变量,靠背力,脚正常力,座椅板力,靠背面积和压力位置的靠背中心.
结论:
- 开发的机器学习模型显示了预测与压力伤害预防相关的切削力的潜力.
- 需要进一步扩展数据集,以多样化的人类特征和坐姿来增强模型的概括性.
- 持续的研究对于提高所有轮椅使用者群体的预测准确度至关重要.


