Simple Science

Ciência de ponta explicada de forma simples

# Engenharia Eletrotécnica e Ciência dos Sistemas # Sistemas e Controlo # Visão computacional e reconhecimento de padrões # Sistemas e Controlo # Processamento de Sinal

Sistema Inovador de Monitoramento de Passos para Insights de Saúde

Um sistema vestível rastreia com precisão os padrões de caminhada pra ajudar nas avaliações de saúde.

Jiangang Chen, Yung-Hong Sun, Kristen Pickett, Barbara King, Yu Hen Hu, Hongrui Jiang

― 7 min ler


Revolucionando a Revolucionando a tecnologia de rastreamento de marcha monitoramento da saúde ao caminhar. Tecnologia vestível que melhora o
Índice

A marcha é como a gente anda, e é mais importante do que a maioria das pessoas pensa. Pode dizer muito sobre nossa saúde física. Problemas ao andar são comuns em várias doenças, como Parkinson e Esclerose Múltipla. Essas condições podem fazer os movimentos ficarem mais lentos, os passos mais curtos e trazer mais dificuldades ao caminhar. Monitorar como alguém anda pode ajudar a diagnosticar esses problemas e melhorar a qualidade de vida de idosos que estão em risco de quedas e lesões.

O Sistema de Monitoramento de Marcha

Desenvolvemos um sistema de sapato inteligente que rastreia 17 aspectos diferentes da marcha, como comprimento dos passos, velocidade da passada e mais. Esse sistema tem uma câmera acoplada em um sapato que observa um marcador no outro sapato, ajudando a entender como a pessoa está se movendo. Além disso, ele usa um sensor especial no calcanhar para acompanhar o tempo dos passos.

Testamos nosso sistema com vários voluntários e descobrimos que ele consegue medir os detalhes da marcha com mais de 93% de precisão. Mesmo quando os participantes andaram longas distâncias, as leituras não se desviaram muito, registrando menos de 5% de erro.

Nosso sistema é fácil de usar e funciona bem em situações do dia a dia.

Por Que Monitorar a Marcha?

A marcha é um sinal chave de saúde. Por exemplo, se alguém está andando mais devagar do que o normal ou tem dificuldade em se equilibrar, isso pode indicar um problema. Monitorar regularmente pode ajudar a diagnosticar problemas mais cedo.

Algumas doenças, como Parkinson, levam a padrões de marcha específicos. Ao rastrear isso, os médicos conseguem ter uma ideia melhor da saúde da pessoa.

Os Componentes do Nosso Sistema

Nosso sistema é composto por algumas partes principais:

  1. Câmera Estéreo: Essa é montada em um sapato. Ela tira fotos e observa o marcador no outro sapato para medir como uma pessoa se move.
  2. Resistor Sensível à Força (FSR): Esse dispositivo pequenininho fica no calcanhar e sente quando o pé toca o chão.
  3. Raspberry Pi: Esse é o cérebro da operação. Ele processa todas as informações e calcula os parâmetros da marcha.

Como Funciona

O sistema captura imagens do marcador no outro sapato sempre que o calcanhar toca o chão. Essas imagens são usadas para calcular várias medições, como comprimento do passo e tempo gasto em diferentes fases da caminhada.

Nós projetamos nosso setup para ser compacto e leve, facilitando o uso por qualquer pessoa. Cada dispositivo pesa cerca de 146 gramas e pode funcionar por cerca de cinco horas com uma única carga de bateria.

Testes e Resultados

Colocamos nosso sistema de monitoramento de marcha em vários testes para ver como ele performava. Nos nossos testes, os participantes andaram para frente e para trás em um tapete de marcha enquanto usavam o sistema. Comparamos as medições do nosso dispositivo com as leituras do tapete de marcha.

Teste de Caminhada de Curta Distância

Nesse teste, os participantes andaram para frente e para trás em um tapete de marcha enquanto se concentravam em completar algumas tarefas simples, como checar o celular. Isso ajudou a manter o estilo de caminhada natural.

Coletamos um total de mais de 700 passos durante esse teste.

Teste de Caminhada de Longa Distância

Em seguida, avaliamos o sistema durante Caminhadas de longa distância. Os participantes andaram em algumas curvas e voltaram ao tapete de marcha depois de cerca de 120 passos.

O objetivo aqui era checar o desempenho e ver se as leituras continuavam precisas em distâncias maiores.

Coleta Contínua de Dados

Em outro teste, quisemos coletar muitos dados de marcha. Os participantes andaram várias vezes em uma área designada, permitindo que reuníssemos mais de 14.000 passos de informações sobre sua marcha.

Precisão das Medições

Descobrimos que nosso sistema era muito preciso. Os erros nas medições ficaram abaixo de 1 cm na maioria dos parâmetros. O tempo dos passos também foi muito preciso, permitindo que confiássemos nos dados que estávamos coletando.

Facilidade de Uso

Uma das melhores partes do nosso sistema é como é fácil de usar. O design minimiza a complexidade e torna a instalação rápida. O dispositivo se mantém estável em uma variedade de sapatos, garantindo que os dados coletados sejam confiáveis e significativos.

No entanto, precisamos ter cuidado para que os participantes usem roupas apropriadas, pois calças largas podem cobrir a câmera e afetar o desempenho.

Medindo os Parâmetros da Marcha

Nosso sistema mede diferentes tipos de parâmetros da marcha, agrupando-os em quatro categorias principais:

  1. Parâmetros Espaciais: Relacionam-se ao espaço físico percorrido durante a caminhada.
  2. Parâmetros Temporais: Consideram o tempo das várias fases da caminhada.
  3. Parâmetros Espaciotemporais: São combinações de métricas espaciais e temporais.
  4. Outros Parâmetros Relacionados: Inclui quaisquer outras medições relevantes.

Analisando esses parâmetros, podemos identificar potenciais problemas relacionados ao equilíbrio e à mobilidade.

Detalhes Técnicos

Implementação de Hardware

O hardware inclui dois dispositivos principais usados em cada pé. Cada dispositivo tem um par de câmeras e um Raspberry Pi que trabalha junto para monitorar os passos e capturar todos os dados necessários. O FSR ativa a câmera quando detecta pressão do calcanhar tocando o chão.

Calibração da Câmera

Para garantir medições precisas, precisamos calibrar as câmeras. Esse processo inclui tirar imagens de um padrão específico para ajustar corretamente as câmeras. Uma vez calibradas, as câmeras podem continuar a fornecer leituras precisas enquanto permanecerem estáveis.

Software e Algoritmos

O software usa um algoritmo de detecção de marcadores para identificar os marcadores nos sapatos. Também inclui vários algoritmos para calcular diferentes parâmetros da marcha com base nos dados coletados das imagens e do sensor de força.

Integração com Modelos de Linguagem Grande

Nosso sistema tem o potencial de trabalhar com modelos avançados de computador que ajudam no diagnóstico de condições de saúde. Ao coletar uma grande quantidade de dados de marcha, podemos alimentar essas informações nesses modelos para obter melhores insights sobre a saúde de uma pessoa.

Direções Futuras

Olhando para o futuro, planejamos tornar nosso sistema ainda melhor. Queremos:

  • Melhorar o design para evitar problemas de alinhamento da câmera.
  • Explorar a adição de mais sensores para coletar parâmetros adicionais da marcha.
  • Testar nosso sistema em ambientes do mundo real para garantir que ele funcione bem fora do laboratório.

Conclusão

Resumindo, criamos um novo sistema vestível que pode monitorar com precisão os padrões de caminhada e fornecer insights valiosos sobre a saúde de uma pessoa. A capacidade de medir múltiplos parâmetros da marcha com alta precisão faz dele uma ferramenta promissora para a prática clínica.

Nosso dispositivo é leve, econômico e fácil de usar, tornando-o ideal para aplicações do mundo real. Com melhorias contínuas e desenvolvimentos futuros, acreditamos que essa tecnologia pode melhorar significativamente a forma como avaliamos e monitoramos problemas de saúde relacionados à marcha.

Agora, quem diria que nossos sapatos podiam fazer tanto? O monitoramento da marcha pode se tornar a nova tendência legal na saúde!

Fonte original

Título: A Wearable Gait Monitoring System for 17 Gait Parameters Based on Computer Vision

Resumo: We developed a shoe-mounted gait monitoring system capable of tracking up to 17 gait parameters, including gait length, step time, stride velocity, and others. The system employs a stereo camera mounted on one shoe to track a marker placed on the opposite shoe, enabling the estimation of spatial gait parameters. Additionally, a Force Sensitive Resistor (FSR) affixed to the heel of the shoe, combined with a custom-designed algorithm, is utilized to measure temporal gait parameters. Through testing on multiple participants and comparison with the gait mat, the proposed gait monitoring system exhibited notable performance, with the accuracy of all measured gait parameters exceeding 93.61%. The system also demonstrated a low drift of 4.89% during long-distance walking. A gait identification task conducted on participants using a trained Transformer model achieved 95.7% accuracy on the dataset collected by the proposed system, demonstrating that our hardware has the potential to collect long-sequence gait data suitable for integration with current Large Language Models (LLMs). The system is cost-effective, user-friendly, and well-suited for real-life measurements.

Autores: Jiangang Chen, Yung-Hong Sun, Kristen Pickett, Barbara King, Yu Hen Hu, Hongrui Jiang

Última atualização: 2024-11-16 00:00:00

Idioma: English

Fonte URL: https://arxiv.org/abs/2411.10739

Fonte PDF: https://arxiv.org/pdf/2411.10739

Licença: https://creativecommons.org/licenses/by/4.0/

Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.

Obrigado ao arxiv pela utilização da sua interoperabilidade de acesso aberto.

Mais de autores

Artigos semelhantes