Accurate foot clearance estimation during level and uneven ground walking using inertial sensors
Notice bibliographique
Résumé
Abstract Foot clearance during walking is considered as a key indicator for assessing fall risk, obstacle negotiation strategies and energy expenditure. Foot clearance estimation using inertial measurement units (IMUs) has the advantages of small size, low cost and user-friendliness. However, its application is still limited due to issues with accuracy and reliability. In this paper, we aimed at understanding the limiting factors in foot clearance estimation using low-cost IMUs and proposed a foot clearance estimation method with millimeter-level accuracy. We first analyzed each component in conventional double-integration-based foot clearance estimation, and then proposed a set of new procedures for foot trajectory estimation, including a gait-adaptive complementary filter for orientation estimation, a two-IMU configuration and a shock absorber. Finally, we extracted the foot clearance from the estimated foot trajectory. In the experiments, we recruited eight healthy subjects and instructed them to walk under level and uneven ground conditions; moreover, to validate the applicability of the proposed method, we also instructed the subjects to mimic pathological gaits, including ataxic gait (zigzag walking), waddling gait and Parkinsonian gait. A total of 2640 gait cycles were collected and the extracted foot clearances were benchmarked with the optical motion capture system. With the proposed method, the average mean and standard deviation of the extracted maximal heel clearance and minimal toe clearance in all the gait cycles were −0.34 ± 0.24 cm and 0.02 ± 0.26 cm. The results are more accurate than in previous studies. Most importantly, the proposed method does not require any post correction and flat-floor assumption. The presented foot clearance estimation method provides an applicable and practical clinical solution not only for heel and toe clearance estimation but also for foot trajectory estimation.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 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 ».