Última atualização: O primeiro protótipo está pronto: Contate-nos para uma demonstração através do e-mail hello@vitaal.fit ou diretamente pelo telefone: +41 44 586 88 34

Publication: A Deep Learning Approach for Foot Trajectory Estimation in Gait Analysis using Inertial Sensors

Envio de papel pelo nosso parceiro Fraunhofer AICOS

Vânia Guimarães e a sua equipa na Fraunhofer AICOS publicaram com sucesso um artigo na revista Sensors: Sensors é a principal revista internacional, revisada por pares, de acesso aberto sobre a ciência e tecnologia dos sensores.

A Deep Learning Approach for Foot Trajectory Estimation in Gait Analysis using Inertial Sensors

O desempenho da marcha é um importante marcador do declínio motor e cognitivo dos adultos mais velhos. A análise instrumentada da marcha com recurso a sensores inercial permite a avaliação completa dos parâmetros espaciotemporais da marcha, oferecendo uma alternativa às avaliações baseadas em laboratório. Para estimar os parâmetros da marcha, as trajectórias dos pés são tipicamente obtidas integrando aceleração duas vezes. No entanto, para lidar com erros de integração acumulados, são necessárias estratégias adicionais de tratamento de erros. Neste estudo, propomos uma abordagem alternativa com base numa rede neural profunda e recorrente para estimar as trajectórias do calcanhar e dos pés. Propomos uma transformação da moldura coordenada para as trajectórias de passos que elimina dependência de passos anteriores e entradas externas. As trajectórias previstas são utilizadas para estimar um extenso conjunto de parâmetros de marcha espaço-temporal. Avaliamos os resultados em um conjunto de dados composto por dados de sensores de inércia usados a pé adquiridos a um grupo de jovens adultos, utilizando como referência um sistema óptico de captura de movimento. As trajectórias do calcanhar e do dedo do pé são previsto com erros baixos, de acordo com trajectórias de referência. Também se consegue um bom acordo entre os parâmetros de referência e os parâmetros de marcha estimados, em particular quando se excluem da análise os passos de viragem. O desempenho do método revela-se robusto a condições imperfeitas de alinhamento sensor-pé.

Link para o papel: https://doi.org/10.3390/s21227517.