相关实验视频
Updated: Feb 15, 2026

3D Kinematic Gait Analysis for Preclinical Studies in Rodents
Published on: August 3, 2019
使用深度学习和合成数据集从单个惯性测量单元预测人类步态动力学和动力学:一个盲目的评估研究
Metin Bicer1, Andrew Tm Phillips2, Oğuz Faik Seven3
1Department of Civil and Environmental Engineering, Imperial College London, London, UK; Institute of Informatics, Hacettepe University, Ankara, Türkiye; Translational and Clinical Research Institute, Faculty of Medical Sciences, Newcastle University, Newcastle upon Tyne, UK.
在模拟惯性测量单元 (IMU) 数据上训练的神经网络 (NN) 能够很好地预测关节运动,但实际性能需要微调. 用实际的IMU数据进行盲目测试和再培训对于准确的生物力学应用至关重要.
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:
- 与神经网络 (NN) 结合的惯性测量单元 (IMU) 显示出预测关节动力学和动力学的前景.
- 以前的研究经常使用模拟的IMU数据,缺乏与真实世界传感器数据的验证.
- 在使用实际的IMU数据来评估下肢运动预测的NN性能时存在差距.
研究的目的:
- 开发和盲目评估NNs来预测下肢关节的角度和时刻,从单个圣骨穿戴的IMU.
- 调查模拟与真实IMU数据对NN预测准确性的影响.
- 评估微调NN与真实IMU数据的有效性,以改进生物力学分析.
主要方法:
- 训练有素的NN架构基于基于公共标记器的数据集中的模拟IMU数据,加上有条件的生成对抗网络.
- 在实体IMU和基于标记器的数据的单独数据集上进行盲目测试的NNs,这些数据是专为此收集的.
- 将NN与真实IMU数据集微调,并在新的真实IMU数据上重新评估性能.
主要成果:
- 在模拟数据上,NN实现了高精度 (RMSE:2.6°角度,0.10 Nm/kg时刻).
- 在初始的真实IMU数据 (RMSE:4.5°角,0.21Nm/kg时刻) 上,性能显著降低.
- 微调与真实IMU数据改进了准确性 (RMSE:2.6°角,0.19 Nm/kg时刻),与多IMU系统相比.
结论:
- 盲目评估对于在实际生物力学应用中评估NN至关重要.
- 微调与现实世界IMU数据的NNs对于克服模拟与现实世界的差距至关重要.
- 一个穿戴在阴道上的IMU,当适当训练和微调时,可以产生临床相关的生物力学预测.
更多相关视频
06:52An Inertial Measurement Unit Based Method to Estimate Hip and Knee Joint Kinematics in Team Sport Athletes on the Field
Published on: May 26, 2020
09:37Substantiating Appropriate Motion Capture Techniques for the Assessment of Nordic Walking Gait and Posture in Older Adults
Published on: May 12, 2016
相关概念视频
Blind Procedures
Measurement: Standard Units
Measurement: Derived Units
Units of Measurement
There are various well-known historical measurement systems, such as the Babylonian system, the Roman system, the Egyptian system, the Olympian system, the British system, and the Indus...
Units and Standards of Measurement
Measurements of physical quantities are...
Blinding