Practical Approach on Using of Artificial Neural Network for Posture Prediction and Computation of Spinal Loads across Biomechanical Models
Notice bibliographique
Résumé
Background: Workers usually perform lifting and reaching tasks as part of their daily job. Having proper posture plays a key role for reducing the loads implemented to spine during lifting and prevention of further injuries. We aimed to extend a previously published work on spinal load estimation that used different biomechanical tools, by using artificial neural network (ANN) for posture prediction instead of camera-marker during lifting and reaching. Method: In this study, to underline the efficacy of biomechanical models, we examined and compared the results of multiple mathematical tools (loads at L4/L5 and L5/S1 levels) for reach-and-lift in the sagittal plane (i.e., symmetric tasks) and for lifting tasks with and of back rotation (i.e., asymmetric tasks). In this regard, we employed AnyBody, OpenSim, and 3DSSPP (which are modeling software), a regression equation called Arjmand equation, and finally, McGill, Potvin, and Merryweather that are estimators. Inputs to these models are provided using an artificial neural network (ANN), a posture prediction model introduced by literature for predicting the three-dimensional posture of the spine in various activities, which is trained and tested by experimental data. Results: Results showed that while Anybody has the most accurate approximations, Arjmand equation also offers a quite realistic output that is, considering its simplicity, compatible with the biomechanical nature of the problem. Using ANN posture prediction, the results (for 4 symmetric taks) show less than 15% error from a marker-based study in the literature which was considered as a accurate model. Conclusion: Arjmand regression along with using ANN for posture prediction may lead to a reliable solution for spinal loads estimation during lifting and reaching, especially when an equipped laboroatory or/and expensive software licenses are not available.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».