-
题名基于惯性传感网络的穿戴式步行膝关节力矩估计
被引量：4
- 1
-
-
作者
王钿鑫
谈天
Peter B.SHULL
-
机构
上海交通大学机械与动力工程学院
-
出处
《医用生物力学》
CAS
CSCD
北大核心
2022年第1期73-78,共6页
-
基金
国家自然科学基金项目(51875347)。
-
文摘
目的通过惯性传感网络(inertial sensor network,ISN)估计多种步态下膝关节内翻力矩(knee adduction moment,KAM)和膝关节屈曲力矩(knee flexion moment,KFM)。方法12名健康成年男性穿戴8个惯性传感器(位于躯干、骨盆、左右大腿、左右小腿、左右脚)在不同步态下(改变足偏角、躯干摇晃角、步宽和步速)行走。使用ISN,并从中提取生物力学特征作为循环神经网络(recurrent neural network,RNN)模型的输入,用于估计KAM和KFM。结果整体KAM估计精度:相对均方根误差(relative root mean square error,rRMSE)为8.54%,r=0.84;整体KFM估计精度:rRMSE=6.40%,r=0.94。结论该RNN模型可作为实验室外膝关节载荷估计的基础,潜在应用领域包括步态训练以及膝关节术后康复效果评估。
-
关键词
膝关节内翻力矩
膝关节屈曲力矩
惯性传感网络
循环神经网络
步态分析
-
Keywords
knee adduction moment(KAM)
knee flexion moment(KFM)
inertial sensor network(ISN)
recurrent neural network(RNN)
gait analysis
-
分类号
R318.01
[医药卫生—生物医学工程]
-
