A wearable Gait Assessment Method for Lumbar Disc Herniation Based on Adaptive Kalman Filtering

要約

腰椎椎間板ヘルニア (LDH) は、臨床現場でよく見られる整形外科疾患です。
慣性測定ユニット センサー (IMU) は、腰椎椎間板ヘルニア (LDH) 患者の歩行障害を監視および評価するための効果的なツールです。
しかし、LDH の現在の歩行評価は、センサー データの多様性を考慮せず、単一ソースの加速度信号データのみに焦点を当てています。
また、LDH患者の健康な下肢と罹患した下肢の間の運動機能低下の個人差も見逃されています。
この問題に対処するために、加速度と角速度のマルチソース適応カルマン データ融合に依存する LDH 歩行特徴モデルを開発しました。
加速度と角速度の適応カルマン データ フュージョン アルゴリズムを利用して、姿勢角を推定し、歩行位相をセグメント化しました。
2 つの慣性測定ユニット (IMU) を使用して、腰椎椎間板に問題がある患者と健康な個人の歩行特性を分析しました。
この分析には、歩行の時空間パラメータ、運動学的パラメータ、拡張性指数などの 12 の歩行特性が含まれています。
特徴的なモデルを分析し、LDH の健康な患側と健康な被験者の間の生物学的差異を確認するために統計的方法が使用されました。
最後に、特徴エンジニアリングに基づく分類器を利用して、腰椎椎間板疾患患者と健常者の患側の歩行パターンを分類しました。
このアプローチは 95.50% の分類精度を達成し、LDH と健康な歩行パターンの認識を強化しました。
また、LDH を臨床的に評価するための効果的な歩行特徴セットと方法も提供しました。

要約(オリジナル)

Lumbar disc herniation (LDH) is a prevalent orthopedic condition in clinical practice. Inertial measurement unit sensors (IMUs) are an effective tool for monitoring and assessing gait impairment in patients with lumbar disc herniation (LDH). However, the current gait assessment of LDH focuses solely on single-source acceleration signal data, without considering the diversity of sensor data. It also overlooks the individual differences in motor function deterioration between the healthy and affected lower limbs in patients with LDH. To address this issue, we developed an LDH gait feature model that relies on multi-source adaptive Kalman data fusion of acceleration and angular velocity. We utilized an adaptive Kalman data fusion algorithm for acceleration and angular velocity to estimate the attitude angle and segment the gait phase. Two Inertial Measurement Units (IMUs) were used to analyze the gait characteristics of patients with lumbar disc issues and healthy individuals. This analysis included 12 gait characteristics, such as gait spatiotemporal parameters, kinematic parameters, and expansibility index numbers. Statistical methods were employed to analyze the characteristic model and confirm the biological differences between the healthy affected side of LDH and healthy subjects. Finally, a classifier based on feature engineering was utilized to classify the gait patterns of the affected side of patients with lumbar disc disease and healthy subjects. This approach achieved a classification accuracy of 95.50%, enhancing the recognition of LDH and healthy gait patterns. It also provided effective gait feature sets and methods for assessing LDH clinically.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google