Research on posture filtering algorithms for lower limb rehabilitation of patients with functional impairment in sports
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
This paper carries out a research on patients' lower limb posture capture strategy based on the lower limb rehabilitation of patients with sports function injury.The study is based on the posture filtering algorithm and designed a lower limb joint localization model based on the quaternion Kalman filter.The model utilizes five IMUs to capture the patient's lower limb movements to determine the posture of the patient's critical limbs in three-dimensional space and establish the joint coordinate system.Based on the filtered pose quaternions, the joint coordinate system of the lower limb is solved to obtain the optimal estimation of the lower limb pose.The results of simulation experiments show that the algorithm of this paper can make the motion data smoother and satisfy the motion requirements.The valuation of this paper's algorithm on the Z-axis in the single-axis rotation experiment is stable from -90 to 90, while the valuation on the X-axis and Y-axis is near 0.And the error in the ankle motion trajectory is small, with a mean value of 1.36.The example results illustrate that the rehabilitation system equipped with the algorithm of this paper is basically consistent with the thigh elevation curve of the optical method in the patient's lower limb motion monitoring during walking, and the error is within 6.The research in this paper provides a new technical means for lower limb rehabilitation training, which helps to improve the personalization and precision of rehabilitation training.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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