基于自适应卡尔曼滤波的腰椎间盘突出可穿戴步态评估方法
机器人学
2023-12-18 v1
摘要
腰椎间盘突出（LDH）是临床实践中常见的骨科疾病。惯性测量单元传感器（IMUs）是监测和评估腰椎间盘突出（LDH）患者步态障碍的有效工具。然而，目前对 LDH 的步态评估仅关注单源加速度信号数据，未考虑传感器数据的多样性。它还忽略了 LDH 患者健侧下肢与患侧下肢之间运动功能退化的个体差异。为了解决这个问题，我们开发了一种 LDH 步态特征模型，该模型依赖于加速度和角速度的多源自适应卡尔曼数据融合。我们采用自适应卡尔曼数据融合算法处理加速度和角速度，以估计姿态角并分割步态相位。使用两个惯性测量单元（IMUs）分析了腰椎间盘疾病患者和健康个体的步态特征。该分析包括 12 项步态特征，如步态时空参数、运动学参数和可扩展性指数。采用统计方法分析了特征模型，并确认了 LDH 患者的健康侧与健康受试者之间的生物学差异。最后，利用基于特征工程的分类器对腰椎间盘疾病患者患侧和健康受试者的步态模式进行了分类。该方法实现了 95.50% 的分类准确率，增强了对 LDH 和健康步态模式的识别。它还为临床评估 LDH 提供了有效的步态特征集和方法。
引用
@article{arxiv.2312.09517,
title = {A wearable Gait Assessment Method for Lumbar Disc Herniation Based on Adaptive Kalman Filtering},
author = {Yongsong Wang and Zhixin Li and Zhaohui Guo and Yin Ding and Zhan Huan and Lin Chen},
journal= {arXiv preprint arXiv:2312.09517},
year = {2023}
}