Evaluating the feasibility of two post-hoc correction techniques for mitigating posture-induced measurement errors associated with wearable motion capture
Notice bibliographique
Résumé
Wearable motion capture systems are commonly used to measure body kinematics outside of laboratory settings. However, commercially available systems are designed to be used with typically developed adult populations, and assume users begin with a typical standing posture. Individuals with cerebral palsy and other neuromuscular pathologies often present atypical postures that can introduce significant errors in kinematics measurements from wearable motion capture. This study examines two post-hoc correction techniques for rectifying posture-induced errors in kinematic data: (1) Direct three-dimensional realignment of the measured body segment orientations, or (2) adding the initial static joint angle to the dynamic joint angle measurements. Gait kinematics were measured for eight able-bodied participants using a commercial wearable motion capture system. Participants walked with a typical gait, simulated crouch gait, and simulated equinus. The resulting kinematics from the uncorrected and post-hoc corrected trials were compared against simultaneously recorded measurements from an optoelectric motion capture system. Both correction techniques significantly decreased the posture-induced errors in lower-limb joint angle measurements. This work establishes a basis for the application of post-hoc correction techniques, aimed at improving the performance of wearable kinematic measurement systems when used with individuals having non-typical postures.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».