A Simple, Low-Cost Multi-Sensor-Based Smart Wearable Knee Monitoring System
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Maintaining good mobility with ease and freedom of movement is important for an individual's health and active aging. The knee joint, being the primary bearer of the body weight, plays a vital role in mobility. Continuous monitoring of the knee joint can potentially provide important information related to knee health and mobility which can be used for health assessment, early diagnoses of mobility-related problems, and monitoring recovery from injury or surgery. Therefore, we developed a simple, low-cost multi-sensor-based smart wearable device to monitor and assess the knee joint and mobility. The system is composed of miniaturized sensors (motion, temperature, pressure and galvanic skin response) to measure acceleration, angular velocity, skin temperature, muscle pressure and sweat rate of the knee joint during different activities. A database is constructed from 70 healthy adults aged 18-86 years that contains sensor data measured using the proposed knee joint monitoring system. To extract key knee and gait features from the datasets, we employed computationally efficient methods such as complementary filter and wavelet packet decomposition. The variations in the characteristics of the obtained parameters were analyzed in terms of gender and age groups. This simple, easy-to-use, cost-effective, non-invasive and unobtrusive knee monitoring system can be used for real-time monitoring, evaluation and early diagnoses of joint disorders, fall detection, mobility monitoring and rehabilitation.
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.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 découle