Dynamic Soft Tissue Artifacts during Impulsive Loads: Measurement Errors Vary With Wearable Inertial Measurement Unit Sensor Design
Notice bibliographique
Résumé
OBJECTIVE: Characterize and model Inertial Measurement Unit (IMU) errors due to transient dynamic soft tissue artifacts excited by impulsive loads, such as foot strikes during running and jumping. METHODS: We instrumented 10 participants (5 female, 5 male) with IMUs on the dominant leg. An ankle IMU measured reference vertical accelerations during impulsive loads and was cross-validated against vertical force measures. Two IMUs on the posterior shank and anterior shank were used to characterize errors caused by dynamic soft tissue artifacts with respect to the reference. Shank sensors' masses were varied to explore their effect on dynamic soft tissue artifacts. RESULTS: Both the posterior IMU and anterior IMU overestimated peak vertical accelerations during the impulsive load (gain of 2.18 ± 0.63 and 1.55 ± 0.35 respectively). The post- impulsive load oscillation duration and natural frequency varied with sensor mass according to an underdamped second-order system, with posterior IMU and anterior IMU durations of 326 ± 75 ms and 151 ± 50 ms respectively and natural frequencies of 9.79 ± 2.68 Hz and 18.22 ± 12.10 Hz respectively. Low-pass filtering reduced overestimation of peak vertical accelerations, but also attenuated the reference measure. CONCLUSION: Our study suggests dynamic soft tissue artifacts result in transient, but substantial measurement errors that may not be appropriately mitigated through low-pass filtering. However, these dynamic soft tissue artifacts can be modeled using an underdamped second-order system and used to estimate material properties of underlying soft tissue. SIGNIFICANCE: We demonstrate that dynamic soft tissue artifacts can be modeled and potentially mitigated to improve accuracy in applications necessitating measurement of impulsive loads such as foot strikes.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».