論文の概要: Automated Detection of Gait Events and Travel Distance Using Waist-worn Accelerometers Across a Typical Range of Walking and Running Speeds

• arxiv url: http://arxiv.org/abs/2307.04866v1
• Date: Mon, 10 Jul 2023 19:25:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-12 17:10:48.283044
• Title: Automated Detection of Gait Events and Travel Distance Using Waist-worn Accelerometers Across a Typical Range of Walking and Running Speeds
• Title（参考訳）: 歩行速度と走行速度の典型的な範囲にわたるウェイトウーン加速度計による歩行事象と走行距離の自動検出
• Authors: Albara Ah Ramli, Xin Liu, Kelly Berndt, Chen-Nee Chuah, Erica Goude, Lynea B. Kaethler, Amanda Lopez, Alina Nicorici, Corey Owens, David Rodriguez, Jane Wang, Daniel Aranki, Craig M. McDonald, Erik K. Henricson
• Abstract要約: 多段階の機械学習プロセスを用いて加速度計データから歩行を抽出した。 体の中心付近に配置された単一の加速度計は、TDとDMDのピアで異なる歩行速度の歩行を正確に測定することができる。
• 参考スコア（独自算出の注目度）: 3.9204668837672005
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Background: Estimation of temporospatial clinical features of gait (CFs), such as step count and length, step duration, step frequency, gait speed and distance traveled is an important component of community-based mobility evaluation using wearable accelerometers. However, challenges arising from device complexity and availability, cost and analytical methodology have limited widespread application of such tools. Research Question: Can accelerometer data from commercially-available smartphones be used to extract gait CFs across a broad range of attainable gait velocities in children with Duchenne muscular dystrophy (DMD) and typically developing controls (TDs) using machine learning (ML)-based methods Methods: Fifteen children with DMD and 15 TDs underwent supervised clinical testing across a range of gait speeds using 10 or 25m run/walk (10MRW, 25MRW), 100m run/walk (100MRW), 6-minute walk (6MWT) and free-walk (FW) evaluations while wearing a mobile phone-based accelerometer at the waist near the body's center of mass. Gait CFs were extracted from the accelerometer data using a multi-step machine learning-based process and results were compared to ground-truth observation data. Results: Model predictions vs. observed values for step counts, distance traveled, and step length showed a strong correlation (Pearson's r = -0.9929 to 0.9986, p<0.0001). The estimates demonstrated a mean (SD) percentage error of 1.49% (7.04%) for step counts, 1.18% (9.91%) for distance traveled, and 0.37% (7.52%) for step length compared to ground truth observations for the combined 6MWT, 100MRW, and FW tasks. Significance: The study findings indicate that a single accelerometer placed near the body's center of mass can accurately measure CFs across different gait speeds in both TD and DMD peers, suggesting that there is potential for accurately measuring CFs in the community with consumer-level smartphones.
• Abstract（参考訳）: 背景: 歩数, 歩数, 歩数, 歩数, 歩数, 歩数, 移動距離などの歩行の時間空間的臨床的特徴の推定は, ウェアラブル加速度計を用いた地域住民の移動評価の重要な要素である。 しかし、デバイスの複雑さと可用性、コスト、分析方法論から生じる課題は、そのようなツールの幅広い応用に限られている。 Research Question: Can accelerometer data from commercially-available smartphones be used to extract gait CFs across a broad range of attainable gait velocities in children with Duchenne muscular dystrophy (DMD) and typically developing controls (TDs) using machine learning (ML)-based methods Methods: Fifteen children with DMD and 15 TDs underwent supervised clinical testing across a range of gait speeds using 10 or 25m run/walk (10MRW, 25MRW), 100m run/walk (100MRW), 6-minute walk (6MWT) and free-walk (FW) evaluations while wearing a mobile phone-based accelerometer at the waist near the body's center of mass. 多段階の機械学習プロセスを用いて加速度計データから歩行CFを抽出し,地中観測データと比較した。 結果: 歩数, 走行距離, 歩数に対するモデル予測は強い相関関係を示した(ピアソンのr=-0.9929から0.9986, p<0.0001)。 推定では、平均(sd)パーセンテージエラーは、ステップ数で1.49%(7.04%)、距離移動で1.18%(9.91%)、ステップ長で0.37%(7.52%)、合計6mwt、100mw、fwのタスクで比較した。 意義:この研究は、身体の質量中心付近に配置された単一の加速度計が、tdおよびdmdピアの異なる歩行速度でcfsを正確に測定できることを示しており、消費者レベルのスマートフォンでコミュニティ内でcfsを正確に測定できる可能性が示唆されている。

関連論文リスト

• Step length measurement in the wild using FMCW radar [81.9433966586583]
  住宅用レーダを用いたステップ長測定システムを提案する。 健常成人35名を対象に, 臨床環境の評価を行い, その妥当性を確認した。
  論文  参考訳（メタデータ） (2024-01-03T18:23:30Z)
• Assessing Upper Limb Motor Function in the Immediate Post-Stroke Perioud Using Accelerometry [0.6390468088226495]
  本研究の目的は、脳卒中患者の上肢運動機能の急激な変化を監視し、迅速に検出するために、加速度計による測定も利用できるかどうかを判断することである。 6つの二分分類モデルが, 頭蓋上肢加速度計の特徴値の変動時間に基づいて作成した。 分類モデルでは、AUC(Area Under the Curve)スコアは15分間のデータウィンドウで0.72から0.82から120分間のデータウィンドウで0.77から0.94まで変化した。
  論文  参考訳（メタデータ） (2023-11-01T18:43:20Z)
• Multimodal Indoor Localisation for Measuring Mobility in Parkinson's Disease using Transformers [2.683727984711853]
  パーキンソン病の10人から収集したデータと、さまざまなセンサーを備えたスマートホームで5日間生活した10人のコントロールを使っています。 屋内でより効果的にローカライズするために、2つのデータモダリティを利用したトランスフォーマーベースのアプローチを提案する。 提案手法は,a) 時間的相関を異なる尺度とレベルで学習し,b) 様々なゲーティング機構を用いて,モダリティ内で関連する特徴を選定し,不必要なモダリティを抑制する。
  論文  参考訳（メタデータ） (2022-05-12T15:05:57Z)
• An Activity Recognition Framework for Continuous Monitoring of Non-Steady-State Locomotion of Individuals with Parkinson's Disease [0.9137554315375922]
  ユーザに依存しない, ユーザに依存しないトレーニングパラダイムを用いて, 様々な下/上/上/下/上からの加速度情報およびジャイロスコープ情報の性能を検証した。 LSTMを用いて、主観非依存トレーニングにおける情報のサブセット(例えば足のデータ)でさえ、F1スコア > 0.8 を提供するように見えた。
  論文  参考訳（メタデータ） (2021-10-08T20:35:45Z)
• Gait Characterization in Duchenne Muscular Dystrophy (DMD) Using a Single-Sensor Accelerometer: Classical Machine Learning and Deep Learning Approaches [4.299564636561119]
  腰輪式iPhone加速度計を用いて, 縦, 縦, 後部加速度を測定した。 当科では,DMDとTD児の鑑別に複数の機械学習アプローチを応用し,顎口腔領域の歩行臨床的特徴(CFs)を抽出した。
  論文  参考訳（メタデータ） (2021-05-12T07:06:57Z)
• Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
  本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。 私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。 提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
  論文  参考訳（メタデータ） (2021-04-29T00:11:32Z)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)
• Motion Pyramid Networks for Accurate and Efficient Cardiac Motion Estimation [51.72616167073565]
  本研究では,心臓の運動推定を高精度かつ効率的に行うための,ディープラーニングに基づく新しいアプローチであるMotion Pyramid Networksを提案する。 我々は、複数の特徴表現から運動場のピラミッドを予測し、融合し、より洗練された運動場を生成する。 そこで我々は,新しい循環型教員教育戦略を用いて,推論をエンドツーエンドにし,トラッキング性能をさらに向上させる。
  論文  参考訳（メタデータ） (2020-06-28T21:03:19Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。