論文の概要: Sit-to-Stand Transitions Detection and Duration Measurement Using Smart Lacelock Sensor

• arxiv url: http://arxiv.org/abs/2604.00175v1
• Date: Tue, 31 Mar 2026 19:28:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:31.694387
• Title: Sit-to-Stand Transitions Detection and Duration Measurement Using Smart Lacelock Sensor
• Title（参考訳）: スマートLacelockセンサを用いたSit-to-Standトランジション検出と時間測定
• Authors: Md Rafi Islam, Md Rejwanul Haque, Elizabeth Choma, Shannon Hayes, Siobhan McMahon, Xiangrong Shen, Edward Sazonov,
• Abstract要約: Sit-to-Stand(SiSt)遷移は、下肢の強度、筋骨格の健康、転倒リスクの重要指標である。 本研究では,Smart Lacelockセンサを用いたSiSt遷移検出と持続時間測定手法を提案する。
• 参考スコア（独自算出の注目度）: 0.9550762588304383
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Postural stability during movement is fundamental to independent living, fall prevention, and overall health, particularly among older adults who experience age-related declines in balance, muscle strength, and mobility. Among daily functional activities, the Sit-to-Stand (SiSt) transition is a critical indicator of lower-limb strength, musculoskeletal health, and fall risk, making it an essential parameter for assessing functional capacity and monitoring physical decline in aging populations. This study presents a methodology SiSt transition detection and duration measurement using the Smart Lacelock sensor, a lightweight, shoe-mounted device that integrates a load cell, accelerometer, and gyroscope for motion analysis. The methodology was evaluated in 16 older adults (age: mean: 76.84, SD: 3.45 years) performing SiSt tasks within the Short Physical Performance Battery (SPPB) protocol. Features extracted from multimodal signals were used to train and evaluate four machine learning classifiers using a 4-fold participant-independent cross-validation to classify SiSt transitions and measure their duration. The bagged tree classifier achieved an accuracy of 0.98 and an F1 score of 0.8 in classifying SiSt transition. The mean absolute error in duration measurement of the correctly classified transitions was 0.047, and the SD was 0.07 seconds. These findings highlight the potential of the Smart Lacelock sensor for real-world fall-risk assessment and mobility monitoring in older adults.
• Abstract（参考訳）: 運動中の姿勢の安定性は、特に加齢に伴うバランス低下、筋力、運動能力の低下を経験する高齢者において、自立生活、転倒予防、健康全般に不可欠である。 日常的な機能的活動の中で、Sit-to-Stand(SiSt)移行は、下肢の強度、筋骨格の健康、転倒リスクの重要指標であり、機能的能力の評価と高齢人口の身体的減少のモニタリングに必須のパラメータである。 本研究では, 負荷セル, 加速度計, ジャイロスコープを内蔵した軽量な靴装着装置であるSmart Lacelockセンサを用いたSiSt遷移検出と持続時間測定手法を提案する。 この手法は16人の高齢者(年齢:76.84、SD:3.45歳)でショート・フィジカル・パフォーマンス・バッテリ(SPPB)プロトコルでSiStタスクを実行すると評価された。 マルチモーダル信号から抽出した特徴を、4倍の参加者非依存のクロスバリデーションを用いて4つの機械学習分類器を訓練し、評価し、SiSt遷移を分類し、その持続時間を測定する。 分岐木分類器は精度0.98、F1スコア0.8でSiSt遷移を分類した。 正しく分類された遷移の平均絶対誤差は0.047であり、SDは0.07秒であった。 これらの知見は、高齢者における現実の転倒リスク評価とモビリティモニタリングのためのSmart Lacelockセンサーの可能性を明らかにするものである。

関連論文リスト

• Privacy-Preserving Sensor-Based Human Activity Recognition for Low-Resource Healthcare Using Classical Machine Learning [1.0312968200748118]
  医療インフラへのアクセスは限られており、高齢者や脆弱な患者は在宅医療に頼らざるを得ない。 ウェアラブル慣性センサと機械学習に基づく低コストで自動化されたヒューマンアクティビティ認識フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-29T19:35:02Z)
• Synthetic Data Guided Feature Selection for Robust Activity Recognition in Older Adults [1.26355097851638]
  老年者における股関節骨折リハビリテーション時の身体活動は長期機能低下の軽減に不可欠である。 既存の監視システムと市販のウェアラブルアクティビティトラッカーは、一般的に中年層で開発されている。 本研究の目的は,股関節骨折リハビリテーションにおける身体活動認識の持続的向上を目的とした,堅牢なヒト活動認識(HAR)システムの開発である。
  論文  参考訳（メタデータ） (2026-01-21T12:44:49Z)
• Advancing Assistive Robotics: Multi-Modal Navigation and Biophysical Monitoring for Next-Generation Wheelchairs [0.0]
  本研究は, 患者のニーズを優先し, 制御モードの切り替えを可能とした, マルチモーダルEPW制御システムを提案する。 ジョイスティック, 音声, 手のジェスチャー, 筋電図 (EOG) の4つの相補的インタフェースを, 連続的なバイタルサインモニタリングフレームワークに統合する。 この組み合わせにより、患者の自立性が向上し、介護者がリアルタイムの監視と早期介入能力を維持することができる。
  論文  参考訳（メタデータ） (2026-01-06T06:58:26Z)
• Transparent Early ICU Mortality Prediction with Clinical Transformer and Per-Case Modality Attribution [42.85462513661566]
  ICU滞在後48時間から, 生理的時系列測定と非構造的臨床記録とを融合した, 軽量で透明なマルチモーダルアンサンブルを提案する。 ロジスティック回帰モデルは、バイタル用双方向LSTMとノート用微調整された臨床ModernBERT変換器の2つのモード固有モデルからの予測を組み合わせる。 MIMIC-IIIベンチマークでは、遅延融合アンサンブルは、よく校正された予測を維持しながら、最高の単一モデルに対する差別を改善する。
  論文  参考訳（メタデータ） (2025-11-19T20:11:49Z)
• Organ-Agents: Virtual Human Physiology Simulator via LLMs [66.40796430669158]
  オルガン-エージェント(Organ-Agents)は、LDM駆動のエージェントを介して人間の生理学をシミュレートする多エージェントフレームワークである。 症例は7,134例,コントロール7,895例で,9系統および125変数にわたる高分解能トラジェクトリを作成した。 臓器抗原は4,509人の保留患者に対して高いシミュレーション精度を達成し, システムごとのMSE0.16とSOFA系重症度層間の堅牢性を示した。
  論文  参考訳（メタデータ） (2025-08-20T01:58:45Z)
• A Shape-Based Functional Index for Objective Assessment of Pediatric Motor Function [8.996163397581496]
  DMD19例, SMA9例, 年齢対応コントロール13例において, 日常活動時の運動機能の客観的評価にウェアラブルセンサを用いた新しい手法を提案する。 本手法では,運動軌跡の整列と運動速度や非対称性の変動を含む運動パターンの識別に形状に基づく主成分分析を用いる。 SMA患者では運動非対称性パターンの活性化が認められた。 このデータ駆動方式は、家庭環境に展開することができ、神経筋疾患の小児に対する治療効果の経時的追跡を改善できる。
  論文  参考訳（メタデータ） (2025-01-02T21:42:04Z)
• Objective Features Extracted from Motor Activity Time Series for Food Addiction Analysis Using Machine Learning - A Pilot Study [0.0]
  食品依存度(FA)と症状数(SC)の客観的基準として,アクティメトリと機械学習が有効かを検討した。 これらの知見は、FAのデジタルバイオマーカーとして手首のアクティメトリをサポートし、アンケートを補完し、プライバシ保護臨床翻訳を促進する可能性がある。
  論文  参考訳（メタデータ） (2024-08-31T00:33:17Z)
• 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)
• Characterizing TMS-EEG perturbation indexes using signal energy: initial study on Alzheimer's Disease classification [48.42347515853289]
  経頭蓋磁気刺激(TMS)と脳波記録(TMS-EEG)を組み合わせることで、脳、特にアルツハイマー病(AD)の研究に大きな可能性を示す。 本研究では,脳機能の変化を反映した電位指標として,脳波信号のTMS誘発摂動の持続時間を自動的に決定する手法を提案する。
  論文  参考訳（メタデータ） (2022-04-29T19:27:06Z)
• Designing A Clinically Applicable Deep Recurrent Model to Identify Neuropsychiatric Symptoms in People Living with Dementia Using In-Home Monitoring Data [52.40058724040671]
  鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。 扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。 本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-10-19T11:45:01Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)

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。