.png){kind=icon}
返回
Gait data generation using lightweight generative deep learning framework
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jbiomech.2025.112951.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
人类步态分析是一个引人入胜的研究领域，支持运动科学、机器人外骨骼设计和临床应用。然而，在生理和伦理条件下收集步态数据是一项具有挑战性的任务，这导致了数据稀缺。许多临床研究利用生成对抗网络（GAN）等深度学习框架进行步态数据生成，以解决这些局限性。然而，大多数这些模型计算量较大，使其难以应用于实际场景。为应对这些挑战，我们提出了一种新颖的轻量级混合模型，该模型将前馈神经网络（FNN）与自编码器（AE）集成，称为FNN-AE模型。所提出的架构旨在平衡模型复杂度与数据保真度。FNN生成步态数据，而AE对其进行优化，使其更接近真实的步态模式。该模型在利用更少参数降低复杂度的同时，实现了与最先进模型相当的性能。所提出的模型通过牛顿运动方程进行了验证。在OpenSim仿真平台上测试了模型生成数据，以检验生成步态模式的生物力学可行性。
Keyword:
Gait data
Data generation
Lightweight model
Generative model
Feed-forward Neural Network (FNN)
Autoencoder (AE)
期刊
J
IF:
2.4
论文数:
306
被引数:
3.1W
机构
暂无机构信息
引用论文
DCNN-SVM-Based Gait Phase Recognition With Inertia, EMG, and Insole Plantar Pressure Sensing.png)
IEEE SENSORS JOURNAL
IEEE SENSORS JOURNALIF4.5
PREAI
分享收藏OpenSim: Open-Source Software to Create and Analyze Dynamic Simulations of MovementOpenSim: 开源软件，用于创建和分析运动的动态模拟
OAAI
OAAI分享收藏Generalized n-dimensional biomechanical field analysis using statistical parametric mapping使用统计参数映射的广义n维生物力学场分析
PREAI
分享收藏Gait Phase Detection for Normal and Abnormal Gaits Using IMU使用IMU进行正常和异常步态的步态相位检测IEEE SENSORS JOURNAL
IEEE SENSORS JOURNALIF4.5
PREAI
分享收藏
查看更多内容