.png){kind=icon}
返回
Assessing Low Back Movement with Motion Tape Sensor Data Through Deep Learning
.png){kind=icon}
OA
AI
DOI：10.3390/s26041127.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
腰痛是一个影响人口显著比例的普遍问题，常因特定下背部运动而加重。评估这些运动对于帮助临床医生开具适当的物理治疗处方至关重要。然而，远程监测患者运动在诊所外可能存在困难。来自动作捕捉传感器的精密数据可用于分类不同运动，但这些传感器成本高昂且不适用于自由生活环境。基于织物的可穿戴传感器Motion Tape（MT）通过低成本和便携性解决了这些问题。尽管具有这些优势，传感器的新颖性和稳定性变化使得MT数据集规模较小且固有噪声。本研究中，我们提出Motion-Tape增强推断模型（MT-AIM），一种基于MT数据训练的深度学习分类流程。为应对MT数据集中样本量有限和噪声存在的挑战，MT-AIM利用条件生成模型生成期望运动的合成MT数据，同时预测关节运动学作为附加特征。这种合成数据生成与特征增强的结合使MT-AIM在分类下背部运动方面达到当前最佳精度，弥合了生理传感与运动分析之间的差距。
Keyword:
deep learning
motion sensing
wearable sensors
back pain
movement classification
generative models
time-series analysis
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.5
论文数:
7.2W
被引数:
20.9W
机构
引用论文
分享收藏
A Systematic Review and Meta-Analysis on Comparative Kinematics in the Lumbopelvic Region in the Patients Suffering from Spinal Pain郑, Z.; 王, Y.; 王, T.; 吴, Y.; 李, Y. 关于脊柱疼痛患者腰骨盆区域比较运动学的一项系统评价和Meta分析. J. Healthc. Eng. 2022, 2022, 7369242. [Google Scholar] [CrossRef]
PREAI
分享收藏Pagnoni, A.; Liu, K.; Li, S. Conditional Variational Autoencoder for Neural Machine Translation. arXiv 2018, arXiv:1812.04405. [Google Scholar] [CrossRef]Pagnoni, A.; Liu, K.; Li, S. 条件变分自编码器在神经机器翻译中的应用。arXiv 2018, arXiv:1812.04405. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏Widespread Proprioceptive Acuity Impairment in Chronic Back Pain: A Cross-sectional Study慢性背痛患者广泛的本体感觉视敏度受损: 一项横断面研究
PREAI
分享收藏
查看更多内容