A Method for Quantifying Back Flexion/Extension from Three Inertial Measurement Units Mounted on a Horse’s Withers, Thoracolumbar Region, and Pelvis
Notice bibliographique
Résumé
Back mobility is a criterion of well-being in a horse. Veterinarians visually assess the mobility of a horse's back during a locomotor examination. Quantifying it with on-board technology could be a major breakthrough to help them. The aim of this study was to evaluate the accuracy of a method of quantifying the back mobility of horses from inertial measurement units (IMUs) compared to motion capture (MOCAP) as a gold standard. Reflective markers and IMUs were positioned on the withers, eighteenth thoracic vertebra, and pelvis of four sound horses. The horses performed a walk and trot in straight lines and performed a gallop in circles on a soft surface. The developed method, based on the three IMUs, consists of calculating the flexion/extension angle of the thoracolumbar region. The IMU method showed a mean bias of 0.8° (±1.5°) (mean (±SD)) and 0.8° (±1.4°), respectively, for the flexion and extension movements, all gaits combined, compared to the MOCAP method. The results of this study suggest that the developed method has a similar accuracy to that of MOCAP, opening up possibilities for easy measurements under field conditions. Future studies will need to examine the correlations between these biomechanical measures and clinicians' visual assessment of back mobility defects.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».