論文の概要: Gait Event Detection and Travel Distance Using Waist-Worn Accelerometers across a Range of Speeds: Automated Approach

• arxiv url: http://arxiv.org/abs/2307.04866v2
• Date: Mon, 19 Feb 2024 02:29:45 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-21 06:21:13.620533
• Title: Gait Event Detection and Travel Distance Using Waist-Worn Accelerometers across a Range of Speeds: Automated Approach
• Title（参考訳）: ウェイトウォーン加速度計を用いた歩行事象の検出と走行距離:自動アプローチ
• 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: 本稿ではウェアラブル加速度計の新しい校正法を提案する。 ステップを検出し、ストライドの長さを推定し、走行距離を決定することを目的としている。 このアプローチには、臨床観察、機械学習に基づくステップ検出、回帰に基づくストライド長予測の組み合わせが含まれる。
• 参考スコア（独自算出の注目度）: 4.826264675070211
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 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, accurate unsupervised computerized measurement of CFs of individuals with Duchenne muscular dystrophy (DMD) who have progressive loss of ambulatory mobility is difficult due to differences in patterns and magnitudes of acceleration across their range of attainable gait velocities. This paper proposes a novel calibration method. It aims to detect steps, estimate stride lengths, and determine travel distance. The approach involves a combination of clinical observation, machine-learning-based step detection, and regression-based stride length prediction. The method demonstrates high accuracy in children with DMD and typically developing controls (TDs) regardless of the participant's level of ability. Fifteen children with DMD and fifteen TDs underwent supervised clinical testing across a range of gait speeds using 10 m or 25 m run/walk (10 MRW, 25 MRW), 100 m run/walk (100 MRW), 6-min walk (6 MWT), and free-walk (FW) evaluations while wearing a mobile-phone-based accelerometer at the waist near the body's center of mass. Following calibration by a trained clinical evaluator, CFs were extracted from the accelerometer data using a multi-step machine-learning-based process and the results were compared to ground-truth observation data. Model predictions vs. observed values for step counts, distance traveled, and step length showed a strong correlation. Our study findings indicate that a single waist-worn accelerometer calibrated to an individual's stride characteristics using our methods accurately measures CFs and estimates travel distances across a common range of gait speeds in both DMD and TD peers.
• Abstract（参考訳）: 歩数,歩数,歩数,歩数,歩数,歩数,移動距離などの歩行(CF)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移動評価の重要な要素である。 しかし,ドッシェンヌ型筋ジストロフィー (DMD) の進行性運動量の減少は, 歩行速度の範囲のパターンや加速度の程度の違いにより, コンピュータで正確に測定することは困難である。 本稿では,新しいキャリブレーション手法を提案する。 ステップを検出し、歩幅を推定し、走行距離を決定することを目的としている。 このアプローチには、臨床観察、機械学習に基づくステップ検出、回帰に基づくストライド長予測の組み合わせが含まれる。 本手法は,DMDの小児において,被験者の能力によらず,高い精度でコントロール(TD)を発達させる。 dmdと15種類のtdを持つ15人の小児は、10mまたは25m走/歩行(10mw、25mw)、100m走/歩行(100mw)、6分歩行(6mwt)、自由歩行(fw)の評価を、体の中心付近の腰に携帯式加速度計を装着しながら、様々な歩行速度で検査を行った。 訓練された臨床評価器による校正後,多段階機械学習による加速度計データからcfsを抽出し,その結果を地中観測データと比較した。 ステップ数,移動距離,移動距離の観測値に対するモデル予測は強い相関関係を示した。 本研究は,DMDおよびTDピアの歩行速度の共通範囲を正確に測定し,移動距離を推定する手法を用いて,個人のストライド特性に調整した1つの腰輪加速度計について検討した。

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。