Sharif-Human movement instrumentation system (SHARIF-HMIS): Development and validation
Notice bibliographique
Résumé
The interest in wearable systems among the biomedical engineering and clinical community continues to escalate as technical refinements enhance their potential use for both indoor and outdoor applications. For example, an important wearable technology known as a microelectromechanical system (MEMS) is demonstrating promising applications in the area of biomedical engineering. Accordingly, this study was designed to investigate the Sharif-Human Movement Instrumentation System (SHARIF-HMIS), consisting of inertial measurement units (IMUs), stretchable clothing, and a data logger-all of which can be used outside the controlled environment of a laboratory, thus enhancing its overall utility. This system is lightweight, portable, able to be deliver data for almost 10 h, and features a new data-fusion algorithm using the Kalman filter with an adaptive approach. In specific terms, the data from the system's gyroscope, accelerometer, and magnetometer sensors can be combined to estimate total-body orientation; additionally, the noise level of these sensors can be changed to accommodate faster motions as well as magnetic disturbances. These variations can be incorporated within the extended Kalman filter by changing the parameters of the filter adaptively. In specific terms, the system's interface was developed to acquire data from eighteen IMUs located on the body to collect kinematic data associated with human motion. Meanwhile, a validation test involving one subject performing different shoulder motions was designed to compare data captured by SHARIF-HMIS and the VICON motion-capture system. This validation test demonstrated correlation values of >0.9. Results also confirmed that the output accuracy of the new system's sensor was <0.55, 1.5 and 3.5° for roll, pitch, and yaw directions, respectively. In summary, SHARIF-HMIS successfully collected kinematic data for specific human movements, which has promising implications for a range of sporting, biomedical, and healthcare-related applications.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».