慣性測定ユニットを用いた上肢使用を評価するためのアルゴリズムの比較【JST・京大機械翻訳】

Subash, T.; David, A.; ReetaJanetSurekha, S.; Gayathri, S.; Samuelkamaleshkumar, S.; Magimairaj, H. P.; Malesevic, N.; Antfolk, C.; SKM, V.; Melendez-Calderon, A.; Balasubramanian, S.

プレプリント

J-GLOBAL ID：202202211505308552 整理番号：22P0316293

慣性測定ユニットを用いた上肢使用を評価するためのアルゴリズムの比較【JST・京大機械翻訳】

Comparing algorithms for assessing upper limb use with inertial measurement units

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (11件)： , , , , , , , , , ,
資料名：
発行年： 2022年02月25日プレプリントサーバーでの情報更新日： 2022年02月25日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

手首-胴慣性測定ユニット(IMU)からの上肢使用を定量化するための様々な既存の測度を,(a)閾値化活動計数,(b)全運動スコアおよび(c)機械学習の3つのカテゴリーにグループ分けできる。機械学習アルゴリズムは上肢使用を検出する有望な方法であるが,現在,これらの手法によって使われる情報の知識や,それらの性能に影響するデータ関連要因がある。既存の方法の比較を,機能的および非機能的上肢使用の期間を同定するために,注釈のある10の単対および5つの半身麻痺被験者から採取した以前の研究からのデータを用いて行った。被験者内ランダム森林機械学習測定は,他の尺度よりも上肢使用をより正確に分類することが分かった。ランダムフォレスト尺度は,上肢使用を検出するために前腕の方向と移動量に関する情報を使用する。運動のタイプと訓練/試験セットに含まれる機能的データの比率は,機械学習手段の性能に影響を及ぼす。本研究では,ウェアラブルセンサを用いた上肢使用評価のための機械学習法の理解と最適化に向けた最初のステップを示した。【JST・京大機械翻訳】

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

人工知能 , 生体遠隔測定 , 生体計測

, , , ,

前のページに戻る