基于头部运动学的头部撞击位置、速度与力的识别
信号处理
2025-07-24 v1 机器学习
应用统计
摘要
目的：包括撞击方向、速度和力在内的头部撞击信息对于研究创伤性脑损伤、设计和评估防护装备具有重要意义。本研究提出了一种深度学习模型，旨在基于佩戴头盔撞击过程中的头部运动学准确预测头部撞击信息，包括位置、速度、方向和力。方法：利用包含16,000次模拟佩戴头盔头部撞击的数据集（该数据集使用Riddell头盔有限元模型生成），我们实现了一个长短期记忆（LSTM）网络来处理头部运动学：三轴线加速度和角速度。结果：该模型准确预测了描述撞击位置、方向、速度和撞击力分布的撞击参数，所有任务的R2均超过70%。使用由仪器式护齿套和视频记录的现场数据集进行了进一步验证，该数据集包含79次头部撞击，其中撞击位置可以被清晰识别。该深度学习模型显著优于现有方法，在识别撞击位置方面达到了79.7%的准确率，而传统方法的准确率较低（现有方法的最高准确率为49.4%）。结论：这种精确性凸显了该模型通过提供更准确的撞击数据来增强运动中头盔设计和安全性的潜力。未来的研究应在大型体内数据集上跨各种头盔和运动项目测试这些模型以验证其准确性，并采用迁移学习等技术来拓宽其有效性。
引用
@article{arxiv.2409.08177,
title = {Identification of head impact locations, speeds, and force based on head kinematics},
author = {Xianghao Zhan and Yuzhe Liu and Nicholas J. Cecchi and Jessica Towns and Ashlyn A. Callan and Olivier Gevaert and Michael M. Zeineh and David B. Camarillo},
journal= {arXiv preprint arXiv:2409.08177},
year = {2025}
}