基于光学和惯性运动捕捉的步行事件检测方法的准确性和主体间变量.

科学领域:

• 生物力学 生物力学
• 人类运动分析 人类运动分析
• 可穿戴式传感器技术

背景情况:

• 步行事件,包括脚跟撞击和脚脱落,对于分析时空步行参数和细分生物信号,如电肌图 (EMG) 和电脑图 (EEG) 至关重要.
• 虽然力平台和光学运动捕捉 (OMC) 是准确的,惯性测量单元 (IMU) 提供了更大的适用性步行事件检测.

研究的目的:

• 为了比较基于IMU的步态事件检测算法与黄金标准的地面反应力 (GRF) 检测的准确性和可变性.
• 评估两种基于OMC和两种基于IMU的算法用于识别步行事件的性能.

主要方法:

• 十七名健康的成年人穿过一条装有强力板的10米步行道.
• 用反射标记器和装在骨上的IMU捕获了足部动力学.
• 使用两种OMC算法 (OMC1,OMC2) 和两种IMU算法 (IMU1,IMU2) 确定了步行事件;通过根平均平方误差 (RMSE) 评估准确性,通过变化系数 (CoV) 评估相对于GRF.

主要成果:

• 与IMU算法 (IMU1: 50 ms, 54 ms; IMU2: 61 ms, 74 ms) 相比,OMC1的RMSE对于脚跟撞击 (14 ms) 和脚脱落 (17 ms) 显著较低.
• 对于步行事件,IMU2的变化率最高 (CoV = 24 ms),而OMC1的变化率最低 (7 ms).

结论:

• 与OMC方法相比,安装在sacrum上的IMU提供了不那么准确和更可变的步态事件检测.
• 研究人员应该仔细考虑IMU用于步行事件检测的局限性,特别是用于细分EMG/EEG数据.
• 未来的验证研究应该与准确度指标一起纳入可变性指标.