지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2021.10
- 수록면
- 721 - 727 (7page)
- DOI
- 10.5302/J.ICROS.2021.21.0088
이용수
초록· 키워드
오류제보하기
Training data of the deep learning model for the control of the above-knee prosthesis should have a sufficient amount of data to fit with the model. Also, this data can be used for gait classification to control the prosthesis. However, in real-time control, the number of the gait dynamics data counted by the sensor is only measured to the level that the deep learning model is difficult to learn., In this study, the most efficient deep learning model case was developed to resolve this problem in the case of a real-time control situation where data measurement time is insufficient. The data is collected through a hall sensor, load cell and Inertial Measurement Unit (IMU) mounted on the above-knee prosthesis. Subsequently, the collected data is divided into 5 phases (Loading Response (LR), Mid Stance (MS), Push Off (PO), Early Swing (ES), and Late Swing (LS)) of the gait cycle according to the point of inflection of hall sensors and load cells. Afterward, training data of the deep learning were generated by sliding window algorithm and the treated data was exercised on four deep learning models by changing the value of width and depth configurations. The results are assessed on accuracy, loss and F1-Score. In conclusion, the loss function statistically decreased in the case of the values of width and depth of the deep learning model were low. Accuracy and F1-Score were not shown significant difference statistically. Therefore, the results provided an efficient deep learning model for above-knee prosthesis to gait analysis and expected to lead to a more reasonable gait model for the control of the above-knee prosthesis via a more detailed gait classification study in the future.
목차
Abstract
Ⅰ. 서론
Ⅱ. 연구 방법
Ⅲ. 연구 결과
Ⅳ. 결론
REFERENCES
참고문헌 (26)
참고문헌 신청
A. Esquenazi, “Gait analysis in lower-limb amputation and prosthetic rehabilitation,” Physical Medicine Rehabilitation Clinics of North America, vol. 25, no. 1, pp. 153-167, 2014.
E. Ayyappa, “Normal human locomotion Part 1: Basic concepts and terminology,” Journal of Prosthetics and Orthotics, vol. 9, no. 1, pp. 10-17, Sep. 1997.
M. R. Tucker, J. Olivier, A. Pagel, H. Bleuler, M. Bouri, O. Lambercy, J. del R. Millán, R. Riener, H. Vallery, and R. Gassert, “Control strategies for active lower extremity prosthetics and orthotics: a review,” J. Neuroengineering and Rehabilitation, Vol. 15, no. 1, pp. 1, Jan. 2016.
M. Goršič, R. Kamnik, L. Ambrožič, N. Vitiello, D. Lefeber, G. Pasquini, and M. Munih, “Online phase detection using wearable sensors for walking with a robotic prosthesis,” Sensor, vol. 14, no. 2, pp. 2776-2794, 2014.
J. Taborri, E. Palermo, S. Rossi, and P. Cappa, “Gait partitioning methods: a systematic review,” Sensors, vol. 16, no. 1, pp. 66, Jan. 2016.
E. Ayyappa, “Normal human locomotion Part 1: Basic concepts and terminology,” Journal of Prosthetics and Orthotics, vol. 9, no. 1, pp. 10-17, Sep. 1997.
M. R. Tucker, J. Olivier, A. Pagel, H. Bleuler, M. Bouri, O. Lambercy, J. del R. Millán, R. Riener, H. Vallery, and R. Gassert, “Control strategies for active lower extremity prosthetics and orthotics: a review,” J. Neuroengineering and Rehabilitation, Vol. 15, no. 1, pp. 1, Jan. 2016.
M. Goršič, R. Kamnik, L. Ambrožič, N. Vitiello, D. Lefeber, G. Pasquini, and M. Munih, “Online phase detection using wearable sensors for walking with a robotic prosthesis,” Sensor, vol. 14, no. 2, pp. 2776-2794, 2014.
J. Taborri, E. Palermo, S. Rossi, and P. Cappa, “Gait partitioning methods: a systematic review,” Sensors, vol. 16, no. 1, pp. 66, Jan. 2016.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
개발된 하이브리드 동력의지의 보행특성분석
한국정밀공학회 학술발표대회 논문집
2018 .05
-
다양한 MPK (MicroProcessor Knee)의 기능 및 성능 평가를 위한 테스트베드 구축
제어로봇시스템학회 논문지
2025 .03
-
일반인의 보행파라미터 분석을 통한 대퇴절단환자용 의지의 속도제어기 개발 및 비교실험
한국정밀공학회 학술발표대회 논문집
2017 .05
-
대퇴절단환자의 보행분석을 통한 인공지능의지의 안정성 검증연구
한국기계가공학회 춘추계학술대회 논문집
2018 .04
-
멀티 센서 기반의 보행 분석 시스템 개발
한국정밀공학회 학술발표대회 논문집
2023 .05
-
Gait Analysis and Prediction System for Real-time Control of Artificial Legs Using Deep Learning Algorithm
한국정밀공학회 학술발표대회 논문집
2020 .09
-
Gait Clustering Analysis in Patients after Stroke using Gait Kinematics Data
제어로봇시스템학회 국제학술대회 논문집
2021 .10
-
영상과 기울기 센서의 융합을 이용한 보행 분석 시스템
대한전자공학회 학술대회
2016 .11
-
저가형 지능형 대퇴의족에 적용 가능한 족관절 각도정보 기반의 보행노면 검출 기법
한국정밀공학회 학술발표대회 논문집
2016 .05
-
비전 및 IMU 센서 융합을 이용한 보행 측정 시스템 개발
제어로봇시스템학회 논문지
2017 .05
-
BLDC 모터 기반 동력 의족의 구성과 토크 추정을 활용한 유각기의 임피던스 제어
제어로봇시스템학회 논문지
2015 .05
-
기계학습을 이용한 보행 유형 판단 알고리즘 개발
한국정밀공학회 학술발표대회 논문집
2018 .10
-
BLDC 모터 및 유압식 브레이커 기반의 하이브리드 동력의지 개발
제어로봇시스템학회 논문지
2021 .10
-
Suggestion for deep learning approach to solve the interference effect of ammonium ion on potassium ion-selective electrode
한국표면공학회지
2022 .06
-
A New Automatic Gait Cycle Partitioning Method and Its Application to Human Identification
INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS
2017 .06
-
Vision-based Gait Events Detection Using Deep Learning Networks
한국정밀공학회 학술발표대회 논문집
2022 .05
-
인코더를 이용한 2축 각도 기반 보행 불균형 평가 시스템 연구
제어로봇시스템학회 논문지
2015 .05
-
Development of a Six Bar Mechanism Based Active Knee Orthosis for Post-Stroke Gait Rehabilitation
제어로봇시스템학회 국제학술대회 논문집
2021 .10
-
하지절단자를 위한 능동형 인공무릎관절 장치의 설계
한국정밀공학회 학술발표대회 논문집
2017 .05
-
깊이 카메라를 이용한 트레드밀에서의 보행 분석 및 훈련 콘텐츠 연구
한국컴퓨터게임학회논문지
2015 .01
이 논문의 저자 정보
이 논문과 함께 이용한 논문
딥 러닝 기반의 MLCC 적층 얼라인먼트 자동 검사 시스템
정준욱
,
김현재
,
손성빈
외 1명
제어로봇시스템학회 논문지
2022
.07
심층강화학습 기반 후방차량 감속을 고려한 차선변경 판단 기법
조기환
,
박태형
제어로봇시스템학회 논문지
2022
.06
딥러닝 기반 객체 탐지 결과의 불확실성을 고려한 자동 선박 탐지 및 추적
김종휘
,
조용훈
,
한솔
외 1명
제어로봇시스템학회 논문지
2022
.06
인공지능 기반 유사한 형상을 가진 표적 식별 가능성 확인을 위한 레이더 데이터 분석
김아란
,
김하선
,
강창호
외 1명
제어로봇시스템학회 논문지
2022
.04
내장 그래픽 칩 기반 머신 러닝과 딥러닝의 알고리즘 융합을 활용한 실시간 교통 신호인지
이재욱
,
백승범
,
최은지
외 1명
제어로봇시스템학회 논문지
2022
.02
최근 본 자료
댓글(0)
0