Design of a Novel Wearable System for Foot Clearance Estimation
Notice bibliographique
Résumé
Trip-related falls are one of the major causes of injury among seniors in Canada and can be attributable to an inadequate Minimum Toe Clearance (MTC). Currently, motion capture systems are the gold standard for measuring MTC; however, they are expensive and have a restricted operating area. In this paper, a novel wearable system is proposed that can estimate different foot clearance parameters accurately using only two Time-of-Flight (ToF) sensors located at the toe and heel of the shoe. A small-scale preliminary study was conducted to investigate the feasibility of foot clearance estimation using the proposed wearable system. We recruited ten young, healthy females to walk at three self-selected speeds (normal, slow, and fast) while wearing the system. Our data analysis showed an average correlation coefficient of 0.94, 0.94, 0.92 for the normal, slow, and fast speed, respectively, when comparing the ToF signals with motion capture. The ANOVA analysis confirmed these results further by revealing no statistically significant differences between the ToF signals and motion capture data for most of the gait parameters after applying the newly proposed foot angle and offset compensation. In addition, the proposed system can measure the MTC with an average Mean Error (ME) of -0.08 ± 3.69 mm, -0.12 ± 4.25 mm, and -0.10 ± 6.57 mm for normal, slow, and fast walking speeds, respectively. The proposed affordable wearable system has the potential to perform real-time MTC estimation and contribute to future work focused on minimizing tripping risks.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».