NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Hareketlilik bozukluklarını teşhis etmek ve uygun fizyoterapiyi seçmek için yürüyüş değerlendirme çalışmaları genellikle önerilir. Bu çalışmalar genellikle bir konuya yabancı hissedebilen ve motivasyonlarını, koordinasyonlarını ve genel hareketliliklerini etkileyebilecek sınırlı klinik ortamlarda yapılır. Konunun Günlük Yaşam Faaliyetleri (ADL) gibi kısıtlanmamış doğal ortamlarda yürüyüş çalışmaları yapmak daha doğru bir değerlendirme sağlayabilir. Yürüyüş eksikliklerini uygun bir şekilde teşhis etmek için, kas aktivitesi tipik kinematik çalışmalara paralel olarak kaydedilmelidir. Bunu başarmak için Elektromiyografi (EMG) ve kinematik eşzamanlı olarak toplanır. Protokolümüz sMaSDP, halka açık bir veri kümesine dayanan, Inertial Measurement Unit (IMU) verileri aracılığıyla EMG sinyallerinin segmentasyonu için basitleştirilmiş bir işaretsiz yürüyüş olay tespit boru hattını tanıtıyor. Bu metodoloji, IMU ve EMG aracılığıyla yürüyüş olay tespiti için basit, ayrıntılı bir işlem adımları dizisi sağlamayı amaçlamaktadır ve kısıtlanmamış yürüyüş değerlendirme çalışmalarında yeni başlayanlar için öğretici olarak hizmet vermektedir. Kısıtlanmamış bir yürüyüş deneyinde, 10 sağlıklı denek, günlük yürüyüşleri taklit etmek için tasarlanmış bir kurstan geçerek, kinematik ve EMG verileri kaydedildi, toplam 20 deneme için. Seviye yürüme, rampa yukarı/aşağı ve merdiven yukarı/aşağı gibi beş farklı yürüme modaliteleri dahildir. Verileri bölümlere ayırarak ve filtreleyerek, topuk vuruşu olaylarını algılayan, tek bir IMU kullanarak ve yürüyüş döngülerinin EMG aktivitesini izole eden bir algoritma oluşturuyoruz. Farklı veri kümelerine uygulanabilir olan sMaSDP, Parkinson Hastalığı (PD) hastalarının sağlıklı yürüyüş ve yürüyüş verilerinde test edildi. SMaSDP'yi kullanarak sağlıklı yürüyüşte kas aktivitesini çıkardık ve PD hasta verilerinde topuk vuruşu olaylarını belirledik. Beklenen hız ve kaldens gibi algoritma parametreleri ayarlanabilir ve algılama doğruluğunu daha da artırabilir ve giyilebilir teknolojilere vurgumuz bu çözümü ADL yürüyüş çalışmaları için ideal kılar.
Özgün kaynak özetini okuyun
To diagnose mobility impairments and select appropriate physiotherapy, gait assessment studies are often recommended. These studies are usually conducted in confined clinical settings, which may feel foreign to a subject and affect their motivation, coordination, and overall mobility. Conducting gait studies in unconstrained natural settings instead, such as the subject's Activities of Daily Life (ADL), could provide a more accurate assessment. To appropriately diagnose gait deficiencies, muscle activity should be recorded in parallel with typical kinematic studies. To achieve this, Electromyography (EMG) and kinematic are collected synchronously. Our protocol sMaSDP introduces a simplified markerless gait event detection pipeline for the segmentation of EMG signals via Inertial Measurement Unit (IMU) data, based on a publicly available dataset. This methodology intends to provide a simple, detailed sequence of processing steps for gait event detection via IMU and EMG, and serves as tutorial for beginners in unconstrained gait assessment studies. In an unconstrained gait experiment, 10 healthy subjects walk through a course designed to mimic everyday walking, with their kinematic and EMG data recorded, for a total of 20 trials. Five different walking modalities, such as level walking, ramp up/down, and staircase up/down are included. By segmenting and filtering the data, we generate an algorithm that detects heel-strike events, using a single IMU, and isolates EMG activity of gait cycles. Applicable to different datasets, sMaSDP was tested in healthy gait and gait data of Parkinson's Disease (PD) patients. Using sMaSDP, we extracted muscle activity in healthy walking and identified heel-strike events in PD patient data. The algorithm parameters, such as expected velocity and cadence, are adjustable and can further improve the detection accuracy, and our emphasis on the wearable technologies makes this solution ideal for ADL gait studies.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.