歩行フェーズ認識のためのマルチチャネル時系列データにおける深層畳み込みおよびLSTMネットワーク

高齢化社会に伴い、歩行障害の有病率が増加しています。移動の制限は生活の質を著しく低下させ、関連する転倒が罹患率と死亡率を増加させるためです。歩行分析データの考慮は、しばしば外科的推奨を変更します。そのため、歩行障害の早期かつ体系的な診断治療は多くの苦痛を軽減する可能性があります。現代の歩行分析システムはほとんどの場合、依然として非常に高価であるため、多くの患者は同等の治療にアクセスできる特権を持っていません。慣性測定装置（IMU）などの低コストシステムは依然として大きな課題を抱えていますが、リアルタイムの動作分析の可能性を提供します。本論文では、IMUと機械学習手法を使用して人間の歩行フェーズを信頼性高く検出する新しいアプローチを提示します。このアプローチは、歩行分析に使用する新しい医療機器の基盤を形成すべきです。深層2D畳み込みとLSTMネットワークを組み合わせたモデルを提示し、現在の歩行フェーズを92%以上の精度で未見の被験者に対して予測し、5つの異なるフェーズを区別します。本論文の進行に伴い、モデルの性能を最適化するためのさまざまなアプローチが提示され、評価されます。