NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
İnsan yürüyüşünün kantitatif analizi, Parkinson hastalığı, inme ve serebral palsi gibi nörolojik ve kas-iskelet sistemi bozukluklarının erken keşfi, ilerici takibi ve rehabilitasyonu için kritik öneme sahiptir. Gait analizi tipik olarak, spatiotemporal yürüyüş parametreleri ve yürüyüş sağlığı göstergeleri (örneğin, adım zamanı, uzunluk, simetri ve denge) gibi yürüyüş özelliklerini tahmin etmeyi içerir. Geleneksel yürüyüş analizi yöntemleri kameraların, giyilebilirlerin ve kuvvet plakalarının kullanımını içerir, ancak doğrudan görüş hattı, taşıma cihazları ve yoğun konuşlandırma gibi günlük yaşamda uygulandığında operasyonel gereksinimlerde sınırlıdır. Bu makale, zemin yüzeyine monte edilmiş titreşim sensörleri kullanarak insan ayak izlerinin oluşturduğu zemin titreşimlerini pasif olarak algılayarak yürüyüş analizi için yeni bir yaklaşım getiriyor. Yaklaşımımız düşük maliyetli, müdahaleci olmayan ve gizlilik dostu olarak algılanan, günlük yaşamda sürekli yürüyüş sağlığı izleme için uygun hale getirir. Algoritmamız, zamansal parametreler (adım süresi, adım süresi, adım süresi, duruş süresi, salıncak süresi, çift destek süresi ve tek destek süresi), mekansal parametreler (adım uzunluğu, genişlik, açı ve adım uzunluğu) dahil olmak üzere tıbbi uygulamalarda standart metrik olarak kullanılan çeşitli yürüyüş parametrelerini tahmin eder ve yürüyüş sağlık göstergelerini (akadeniz / yürüyüş hızı, sol-sağ simetri, yürüyüş dengesi ve ilk temas türleri) çıkarır. Bu makalede ele aldığımız temel zorluk, farklı zemin tiplerinin sonuç titreşimleri üzerindeki etkisidir. Evler, hastaneler ve yaşlı bakım tesisleri de dahil olmak üzere çeşitli pratik ayarlara genelleştirilebilen özellikler elde etmek için zemin uyarlamalı algoritmalar geliştiriyoruz. Yaklaşımımızı, beton ve ahşap zeminler arasında 12.231 etiketli yürüyüş döngüsü ile 20 yetişkinle gerçek dünya yürüyüş deneyleriyle değerlendiriyoruz. Sonuçlarımız sırasıyla zamansal, mekansal parametreleri ve yürüyüş sağlığı göstergelerini tahmin etmede % 90,5 (RMSE 0.08s), % 71.3 (RMSE 0.38m) ve % 92.3 (RMSPE % 7.7) doğruluk göstermektedir.
Özgün kaynak özetini okuyun
Quantitative analysis of human gait is critical for the early discovery, progressive tracking, and rehabilitation of neurological and musculoskeletal disorders, such as Parkinson's disease, stroke, and cerebral palsy. Gait analysis typically involves estimating gait characteristics, such as spatiotemporal gait parameters and gait health indicators (e.g., step time, length, symmetry, and balance). Traditional methods of gait analysis involve the use of cameras, wearables, and force plates but are limited in operational requirements when applied in daily life, such as direct line-of-sight, carrying devices, and dense deployment. This paper introduces a novel approach for gait analysis by passively sensing floor vibrations generated by human footsteps using vibration sensors mounted on the floor surface. Our approach is low-cost, non-intrusive, and perceived as privacy-friendly, making it suitable for continuous gait health monitoring in daily life. Our algorithm estimates various gait parameters that are used as standard metrics in medical practices, including temporal parameters (step time, stride time, stance time, swing time, double-support time, and single-support time), spatial parameters (step length, width, angle, and stride length), and extracts gait health indicators (cadence/walking speed, left-right symmetry, gait balance, and initial contact types). The main challenge we addressed in this paper is the effect of different floor types on the resultant vibrations. We develop floor-adaptive algorithms to extract features that are generalizable to various practical settings, including homes, hospitals, and eldercare facilities. We evaluate our approach through real-world walking experiments with 20 adults with 12,231 labeled gait cycles across concrete and wooden floors. Our results show 90.5% (RMSE 0.08s), 71.3% (RMSE 0.38m), and 92.3% (RMSPE 7.7%) accuracy in estimating temporal, spatial parameters, and gait health indicators, respectively.
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.