一种基于步态的时间卷积网络方法来预测跌倒风险,以支持老年人参加安全运动

科学领域:

• 生物力学 生物力学
• 老年学是指老年学的学科.
• 可穿戴技术可穿戴技术

背景情况:

• 跌倒是老年人的一个主要问题,限制了他们在体育和体育活动中的参与.
• 使用可穿戴传感器进行客观的跌倒风险评估对于早期检测步行不稳定性和确保安全的体力活动至关重要.
• 目前的方法可能不足以准确地捕捉微妙的步态动态,这表明有跌倒风险.

研究的目的:

• 开发和评估基于混合时卷积网络 (TCN) 的框架,用于识别老年人中跌倒风险.
• 将原始惯性信号的数据驱动时间建模与可临床解释的手工制作的步态特征集成.
• 为了确保安全的体育参与,使步行不稳定的早期检测成为可能.

主要方法:

• 利用从实验室和自由生活记录中获得的低背部安装惯性测量单元 (IMU) 传感器数据.
• 开发了一个混合框架,将时间卷积网络 (TCN) 结合起来,用于原始信号处理和特征的统计聚合.
• 结合了临床解释的步态特征,描述了时空特征,轴间协调和时间/频率域属性.

主要成果:

• 基于TCN的框架有效地处理了来自加速度计信号的波形水平步态动态.
• 窗口级嵌入在主体级上使用统计描述符进行聚合.
• 该方法通过主体间的交叉验证,通过主体间的交叉验证,证明了容易跌倒 (跌倒者) 和不容易跌倒 (不跌倒者) 个体之间的持续歧视.

结论:

• 拟议的混合TCN框架使用可穿戴IMU数据准确地识别了老年人的跌倒风险.
• 这种方法增强了对步行不稳定的客观评估,支持安全参与群众体育和体育活动.
• 原始信号处理和可解释特征的集成为降落风险识别提供了强大的解决方案.