通过基于肌骨骼模拟的 IMU 数据增强提升自动运动评估
机器学习
2025-06-02 v1 人工智能
摘要
通过提供客观、实时的反馈，运动质量的自动评估在增强物理治疗和运动训练方面具有巨大潜力。然而，深度学习模型在评估由惯性测量单元（IMU）捕捉的运动时，其有效性常因数据有限、类别不平衡和标签模糊而受阻。在本研究中，我们提出了一种新颖的数据增强方法，该方法利用肌骨骼模拟结合运动轨迹的系统性修改来生成逼真的 IMU 数据。至关重要的是，我们的方法确保了生物力学的合理性，并通过将逆运动学参数与基于知识的评估策略相结合，实现了自动、可靠的标注。广泛评估表明，增强变体与真实世界数据高度相似，显著提高了神经网络模型的分类准确率和泛化能力。此外，我们强调了增强数据在患者特定微调场景中的益处，特别是在只有有限的受试者特定训练样本可用时。我们的研究结果突显了这种增强方法在克服物理治疗运动评估中深度学习应用所面临的常见挑战时的实用性和有效性。
引用
@article{arxiv.2505.24415,
title = {Boosting Automatic Exercise Evaluation Through Musculoskeletal Simulation-Based IMU Data Augmentation},
author = {Andreas Spilz and Heiko Oppel and Michael Munz},
journal= {arXiv preprint arXiv:2505.24415},
year = {2025}
}