MétaCan
Menu
Retour à la cohorte
Enregistrement W3163611742 · doi:10.3389/fcomp.2021.661676

Wearable Devices for Gait Analysis in Intelligent Healthcare

2021· article· en· W3163611742 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueFrontiers in Computer Science · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueGait Recognition and Analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesChina Scholarship CouncilFundamental Research Funds for the Central UniversitiesMinistry of Science and Technology of the People's Republic of ChinaBeijing Association for Science and TechnologyNational Natural Science Foundation of China
Mots-clésWearable computerGaitGait analysisPhysical medicine and rehabilitationWearable technologyComputer scienceKinematicsMedical diagnosisRehabilitationAnkleHuman–computer interactionMedicinePhysical therapyEmbedded system

Résumé

récupéré en direct d'OpenAlex

In this study, we review the role of wearable devices in tracking our daily locomotion. We discuss types of wearable devices that can be used, methods for gait analyses, and multiple healthcare-related applications aided by artificial intelligence. Impaired walking and locomotion are common resulting from injuries, degenerative pathologies, musculoskeletal disorders, and various neurological damages. Daily tracking and gait analysis are convenient and efficient approaches for monitoring human walking, where concreate and rich data can be obtained for examining our posture control mechanism during body movement and providing enhanced clinical pieces of evidence for diagnoses and treatments. Many sensors in wearable devices can help to record data of walking and running; spatiotemporal and kinematic variables can be further calculated in gait analysis. We report our previous works in gait analysis, discussing applications of wearable devices for detecting foot and ankle lesions, supporting surgeons in early diagnosis, and helping physicians with 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,766
Score d'incertitude au seuil0,348

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,250
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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