筋電図ベース前落下検出システムのための教師つき機械学習方式【Powered by NICT】

Rescio Gabriele; Leone Alessandro; Siciliano Pietro

文献

J-GLOBAL ID：201802286713603512 整理番号：18A0512346

筋電図ベース前落下検出システムのための教師つき機械学習方式【Powered by NICT】

Supervised machine learning scheme for electromyography-based pre-fall detection system

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=18A0512346&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=18A0512346&from=J-GLOBAL&jstjournalNo=W0178A") }}

著者 (3件)： , ,
資料名：
巻： 100 ページ： 95-105 発行年： 2018年
JST資料番号： W0178A ISSN： 0957-4174 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：オランダ (NLD) 言語：英語 (EN)

転倒高齢者の間での障害と死亡の主因である。長年にわたり,自動転倒および落下前の検出のためのいくつかの慣性ベースウェアラブル装置が考案されている。制御された条件下で,影響は約200 400前にこれらのシステムは不平衡検出(特異性と感度の100%まで)が,平均リードタイムのための高い性能を示すms時間のこの期間は,損傷を最小化するための影響低減システム(すなわちウェアラブルエアバッグ)を活性化する十分なが,システム効率と信頼性を改善するために,それを大きくする必要がある。ユーザの筋挙動解析は,運動学的評価のそれよりもより戦略的であり,不均衡イベントの迅速な認識を可能にすることができた。も不均衡の状態中の筋肉応答に及ぼすいくつかの研究に当てはまるが,これはそれらの限界数はヒト不均衡検出のためのウェアラブル筋電図(EMG)ベースシステムの開発,実時間におけるバランスの欠如を予測するのに適した。これら限界の点で,本研究の主な目的は,リアルタイム及び自動転倒リスク検出のための低計算コストエキスパートシステムの開発であった。この解析は下肢筋挙動モニタリングを通して実現した。落下前のシステムで広く使用されているしきい値アプローチの良く知られた欠点を克服するために選択した機械学習法,アルゴリズムパラメータは,ユーザの特定の物理的特性に従って設定しなければならない。,下肢筋活動の解析に通常使用される十種類の時間領域の特徴を調べた。処理複雑性を低減するため,Markov確率場(MRF)に基づくFisher Markov特徴選択を試験した。バランス検出の欠如のためのEMGベース特徴選択における高精度を示した。Co収縮指数,統合EMGとWillison振幅特徴も考察した。教師つき分類相は低計算コストと高い分類精度レベル線形判別分析によって得た。開発したシステムは制御された条件下における感度と特異性(約90%)の点で高い性能を示し,約775msの影響前の平均リードタイム,機械学習法を用いて,迅速でウェアラブル表面EMGに基づく不平衡検出システムの実現可能性を実証した。システムは,実生活シナリオにおいて,意思決定時間の増加と保護システムの不正確なおよび不適切な活性化を最小化し,初期段階で転倒イベントを認識する可能性がある。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

著者キーワード (6件)： , , , , ,

信頼性

, , ,

前のページに戻る