.png){kind=icon}
返回
A real-time predictive postural control system with temperature feedback
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-025-11334-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
平衡姿势在体育训练、康复治疗和机器人控制中至关重要。生物反馈技术的应用显著提高了姿势稳定性，尤其是在感觉障碍个体中。在实际应用中，热生物反馈被认为是增强姿势控制的最佳方法。然而，传统系统常因温度调节缓慢而面临挑战，导致响应延迟。因此，提升这些温度控制机制的响应性对于实现更优实时性能至关重要。本研究设计了一套集成智能传感器的系统，以支持平衡校正和姿势稳定性。该系统采用惯性传感器测量身体倾斜角度，并配备可穿戴温度控制模块进行生物反馈。此外，我们提出了一种数学方法，通过热触觉反馈改进实时生物反馈，专门针对实时温度调节不佳的问题。采用滑动窗口方法结合长短期记忆（LSTM）神经网络，预测下一状态的姿势模式。为优化双向LSTM训练过程，利用交叉验证评估模型性能。该预测策略加速了热感知，并促进即时平衡恢复。实验用于评估系统在平衡校正中的可靠性和有效性。与典型的热反馈和角度变化相比，结果表明，LSTM网络基于角度和加速度数据准确预测姿势变化，实现更及时的温度调整，并通过Romberg站立倾斜测试验证，显著提升了平衡能力。
期刊
IF:
3.9
论文数:
28.3W
被引数:
83.5W
机构
引用论文
Effect Analysis of Wearing an Lumbar Exoskeleton on Coordinated Activities of the Low Back Muscles Using sEMG Topographic Maps穿戴腰椎外骨骼对低背肌肉协调活动的影响分析：基于sEMG地形图
PREAI
分享收藏
A Deep-Learning Based Real-Time Prediction of Seated Postural Limits and Its Application in Trunk Rehabilitation基于深度学习的坐姿极限实时预测及其在躯干康复中的应用OAAI
OAAI分享收藏A Short-Term Residential Load Forecasting Model Based on LSTM Recurrent Neural Network Considering Weather Features.png)
EnergiesOAAI
EnergiesIF0
OAAI分享收藏
查看更多内容