使用基于生物力学信息的机器学习的单个骨安装IMU,估计行走的能量消耗
Jinsung Jung1, Hyerim Lim2, Hyunho Jeong1
1Department of Mechanical Engineering, Korea Advanced Institute of Science and Technology, Daejeon, 34141, Republic of Korea.
Scientific reports
|December 30, 2025
概括
通过一种新的生物机械机器学习方法来简化行走时的能量消耗的估计. 单个可穿戴传感器准确地预测了从立场腿功率的能量使用,帮助健康和健身跟踪.
科学领域:
- 生物力学 生物力学
- 机器学习 机器学习
- 可穿戴技术可穿戴技术
背景情况:
- 在行走过程中精确估计能量消耗 (EE) 对医疗保健和体育科学至关重要.
- 目前用于EE监测的可穿戴方法通常是复杂的或需要大量的数据.
- 实际的EE评估需要一种实际的,基于传感器的方法.
研究的目的:
- 开发和验证一个生物机械信息化的机器学习模型,用于估计行走的EE.
- 调查细分联合权力和全身EE之间的相关性.
- 为了使EE估计使用单个,部安装的惯性测量单元 (IMU) 的数据.
主要方法:
- 利用了来自单个骨安装IMU的斜臂关节力量.
- 通过回归,建立了效率加权的细分联合功率和全身EE之间的缩放关系.
- 采用轻量级的人工神经网络来预测EE的姿势-腿的斜臂动力.
主要成果:
- 细分分析证实了脚关节机械功率和全身EE之间的强相关性 (R > 0.9).
- 经过验证的模型表明,在个人和步行速度 (CV < 2%) 中具有很高的一致性.
- 在一个独立的队列中实现了准确的EE估计 (RMSE 0.69 W/kg).
结论:
- 立场腿的右手平面关节机械力量是行走时全身EE的可靠生物机械替代品.
- 拟议的方法为可穿戴EE监控提供了一个简单,实用和强大的解决方案.
- 潜在的应用包括临床康复,运动处方和日常健康跟踪.
