Prediciendo la variabilidad de coordinación de acoplamientos seleccionados de extremidades inferiores durante un movimiento de corte: una investigación de redes neuronales profundas con la estructura LSTM
Autores: Shao, Enze; Mei, Qichang; Ye, Jingyi; Ugbolue, Ukadike C.; Chen, Chaoyi; Gu, Yaodong
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Prediciendo la variabilidad de coordinación de acoplamientos seleccionados de extremidades inferiores durante un movimiento de corte: una investigación de redes neuronales profundas con la estructura LSTM
Categoría
Ingeniería y Tecnología
Subcategoría
Bioingeniería
Palabras clave
Métodos portátiles
Monitoreo
Coordinación de las articulaciones de las extremidades inferiores
Movimientos de corte
Datos de IMU
Memoria a Corto y Largo Plazo
LSTM
Variabilidad de la coordinación
Acoplamientos
Parámetros biomecánicos
Sensores inerciales
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 30
Citaciones: Sin citaciones
Todavía hay pocos métodos portátiles para monitorear la coordinación de las articulaciones de las extremidades inferiores durante los movimientos de corte (CM). Este estudio tiene como objetivo obtener los parámetros biomecánicos relevantes del movimiento de las articulaciones de las extremidades inferiores a 90 grados, 135 grados y 180 grados CM mediante la recopilación de datos IMU de las extremidades inferiores humanas, y utilizando el marco de red neuronal profunda Long Short-Term Memory (LSTM) para predecir la variabilidad de coordinación de acoplamientos de extremidades inferiores seleccionados en las tres direcciones de CM. Hubo una diferencia significativa ( < 0.001) entre los tres acoplamientos durante el movimiento, especialmente a 90 grados en comparación con las otras direcciones. A 135 grados y 180 grados, la variabilidad de coordinación de los acoplamientos fue significativamente mayor que a 90 grados ( < 0.001). Es importante destacar que la variabilidad de coordinación de Rotación de Cadera/Flexión-Extensión de Rodilla fue significativamente mayor a 90 grados que a 180 grados ( < 0.001). Mediante el LSTM, la variabilidad de coordinación de CM para 90 grados (CMC = 0.99063, RMSE = 0.02358), 135 grados (CMC = 0.99018, RMSE = 0.02465) y 180 grados (CMC = 0.99485, RMSE = 0.01771) se predijeron con precisión. El modelo predictivo podría utilizarse como una herramienta confiable para predecir la variabilidad de coordinación de diferentes direcciones de CM en pacientes o atletas y escenarios abiertos del mundo real utilizando sensores inerciales.
Descripción
Todavía hay pocos métodos portátiles para monitorear la coordinación de las articulaciones de las extremidades inferiores durante los movimientos de corte (CM). Este estudio tiene como objetivo obtener los parámetros biomecánicos relevantes del movimiento de las articulaciones de las extremidades inferiores a 90 grados, 135 grados y 180 grados CM mediante la recopilación de datos IMU de las extremidades inferiores humanas, y utilizando el marco de red neuronal profunda Long Short-Term Memory (LSTM) para predecir la variabilidad de coordinación de acoplamientos de extremidades inferiores seleccionados en las tres direcciones de CM. Hubo una diferencia significativa ( < 0.001) entre los tres acoplamientos durante el movimiento, especialmente a 90 grados en comparación con las otras direcciones. A 135 grados y 180 grados, la variabilidad de coordinación de los acoplamientos fue significativamente mayor que a 90 grados ( < 0.001). Es importante destacar que la variabilidad de coordinación de Rotación de Cadera/Flexión-Extensión de Rodilla fue significativamente mayor a 90 grados que a 180 grados ( < 0.001). Mediante el LSTM, la variabilidad de coordinación de CM para 90 grados (CMC = 0.99063, RMSE = 0.02358), 135 grados (CMC = 0.99018, RMSE = 0.02465) y 180 grados (CMC = 0.99485, RMSE = 0.01771) se predijeron con precisión. El modelo predictivo podría utilizarse como una herramienta confiable para predecir la variabilidad de coordinación de diferentes direcciones de CM en pacientes o atletas y escenarios abiertos del mundo real utilizando sensores inerciales.