步態分析—機械學習應用

已知用深度感測器搭配專一的演算法能夠進行基礎的步態量測,雖然在精準度方面足夠且可被接受,但仍然受限於高要求實驗室等級的標準環境下作業,並不容易適用於一般生活或臨床處境下操作。另一方面,若受測者使用行動輔具,如助行器或四角拐時,則先前類似裝置的步態量測系統便無法成功辨識肢體與輔具的不同,往往將輔具視為身體部分的延伸,以致於造成誤判而量測失敗。為了解決以上問題,文獻上指出可透過架設多台感測器或於跑步機上偵測的方式增加採樣頻率,從多角度重新架構深度空間座標,以達到降低估計誤差的影響、增加辨識能力的效果,然而其缺點為臨床上通常場域複雜、有限,故難以落實此作法,還有,對於使用輔具行走的狀態下,亦仍無法真正排除干擾,最終使得臨床上實用的機會減少,應用價值極低,因此,根據以上提到的眾多限制和困境,我們致力於發展和改良現行的步態分析系統,並突破性地採用關鍵的機器學習的技術處理,透過智慧化的演算去同步比對修正步態特徵資料,提供更加準確的量測結果,如以下圖示,經過機械學習的演算處理後,受試者能夠順利地被偵測辨別出來軀體肢段各個關節點而不會因為手拿枴杖或解析能力不足造成肢體動作定位誤差和骨架姿勢變形的問題。

AI for gait

相信,在此機械學習科技促進理想的步態分析的發展推動下,一定能廣泛的實用並回歸於臨床領域中,甚至成為未來醫療標準的評估工具專業配備之一。

廣告

發表迴響

在下方填入你的資料或按右方圖示以社群網站登入:

WordPress.com 標誌

您的留言將使用 WordPress.com 帳號。 登出 /  變更 )

Google+ photo

您的留言將使用 Google+ 帳號。 登出 /  變更 )

Twitter picture

您的留言將使用 Twitter 帳號。 登出 /  變更 )

Facebook照片

您的留言將使用 Facebook 帳號。 登出 /  變更 )

連結到 %s