Mijailovie et al. combined the use

Mijailovie et al. combined the use of an accelerometer and two gyroscopes for determining the mobility of the spinal column. Toa et al. [4] proposed a method for home-based rehabilitation using vision and inertial sensors to track the arm movement. In [5], Bin Ambar et al. proposed the use of sensors combination (flex sensor, force sensitive sensor and accelerometer) for developing a wearable arm rehabilitation monitoring device. Cifuentes et al. [6] presented a tool for assessment and therapy in post-stroke upper-limb rehabilitation. The wireless wearable sensor system consists of a ZigBee network, IMU and surface Electromyography sensors. Pnadilha et al. [7] proposed a method for sensor calibration. In the study, a 3-axis accelerometer, a 2-axis gyroscope and Kinect are used for joint angle estimation. Online calibration was developed based on Kalman filtering to combine the data from both inertial sensor and Kinect to improve the overall estimated motion. Many research studies reported that senaor-based tools for rehabilitation is still not 100% accurate, however, an error of ±5° in goniometry measures is suggested as an acceptable range for several clinical circumstances [8].

ผลลัพธ์ (ไทย) 1:

Mijailovie et al. รวมใช้ accelerometer และ gyroscopes สองสำหรับกำหนดเคลื่อนสันหลัง Al. ร้อยเอ็ดโตอะ [4] นำเสนอวิธีการฟื้นฟูอยู่บ้านใช้วิสัยทัศน์และเซนเซอร์ inertial เพื่อติดตามการเคลื่อนไหวแขน ใน [5], ช่อง Ambar et al. เสนอการใช้งานของชุดเซ็นเซอร์ (ยืดหยุ่นเซ็นเซอร์ เซ็นเซอร์แรงสำคัญ และตรวจ) สำหรับพัฒนาฟื้นฟูแขน wearable ตรวจสอบอุปกรณ์ Cifuentes et al. [6] แสดงเครื่องมือสำหรับการประเมินและบำบัดฟื้นฟูบนขาหลังจังหวะ ระบบเซ็นเซอร์ไร้สาย wearable ประกอบด้วยเครือข่าย ZigBee, IMU และเซนเซอร์ Electromyography ผิว Pnadilha et al. [7] นำเสนอวิธีการปรับเทียบเซ็นเซอร์ ในการศึกษา accelerometer 3 แกน แกน 2 ไจโรสโคป และ Kinect จะใช้สำหรับมุมร่วมประเมิน ออนไลน์เทียบถูกพัฒนาตามกรอง Kalman เพื่อรวมข้อมูลจากเซ็นเซอร์ inertial และ Kinect เพื่อปรับปรุงการเคลื่อนไหวการประเมินโดยรวม การศึกษาวิจัยหลายรายงานว่า senaor ใช้เครื่องมือสำหรับการฟื้นฟูยังไม่ถูกต้อง 100% อย่างไรก็ตาม การแนะนำมีข้อผิดพลาด± 5 องศาในมาตรการ goniometry เป็นช่วงยอมรับได้สำหรับสถานการณ์ทางคลินิกหลาย [8]

ผลลัพธ์ (ไทย) 2:

Mij​​ailovie และคณะ รวมการใช้ accelerometer และสองลูกข่างในการพิจารณาการเคลื่อนไหวของกระดูกสันหลัง ทีโอและคณะ [4] เสนอวิธีการในการฟื้นฟูสภาพที่บ้านโดยใช้วิสัยทัศน์และเซ็นเซอร์เฉื่อยในการติดตามการเคลื่อนไหวของแขน ใน [5], ถัง Ambar และคณะ เสนอใช้เซ็นเซอร์รวมกัน (เซ็นเซอร์ดิ้นบังคับเซ็นเซอร์ความละเอียดอ่อนและ accelerometer) สำหรับการพัฒนาแขนสวมใส่อุปกรณ์การตรวจสอบการฟื้นฟูสมรรถภาพ Cifuentes และคณะ [6] นำเสนอเครื่องมือสำหรับการประเมินและการรักษาด้วยการโพสต์ในจังหวะการฟื้นฟูสมรรถภาพบนกิ่งไม้ ระบบเซ็นเซอร์เครื่องแต่งตัวไร้สายประกอบด้วยเครือข่าย ZigBee, IMU และพื้นผิวเซ็นเซอร์ Electromyography Pnadilha และคณะ [7] เสนอวิธีการสำหรับการสอบเทียบเซ็นเซอร์ ในการศึกษา, accelerometer 3 แกนหมุน 2 แกนและ Kinect จะใช้สำหรับการประมาณค่ามุมร่วมกัน การสอบเทียบออนไลน์ได้รับการพัฒนาอยู่บนพื้นฐานของการกรองคาลมานในการรวมข้อมูลจากทั้งเซ็นเซอร์เฉื่อยและ Kinect เพื่อปรับปรุงการเคลื่อนไหวโดยรวมประมาณ การศึกษาวิจัยหลายรายงานว่าเครื่องมือ senaor ใช้สำหรับการฟื้นฟูยังไม่ถูกต้อง 100% แต่ข้อผิดพลาดของ± 5 องศาในมาตรการ goniometry เป็นข้อเสนอแนะที่เป็นช่วงที่ยอมรับได้สำหรับสถานการณ์ทางคลินิกหลาย [8]

ผลลัพธ์ (ไทย) 3:

mijailovie et al . รวมการใช้ accelerometer และ gyroscopes สําหรับการกําหนดการเคลื่อนไหวของกระดูกสันหลัง ทีโอเอ et al . [ 4 ] ได้เสนอวิธีการสำหรับบ้านที่ใช้ฟื้นฟูโดยใช้วิสัยทัศน์และเซ็นเซอร์เฉื่อยเพื่อติดตามการเคลื่อนไหวของแขน . ใน [ 5 ] บิน Ambar et al . เสนอให้ใช้เซ็นเซอร์รวมกัน ( สายไฟเซ็นเซอร์บังคับเซ็นเซอร์ความละเอียดอ่อนและ accelerometer ) เพื่อพัฒนาเป็นเครื่องแต่งตัวแขนฟื้นฟูการตรวจสอบอุปกรณ์ cifuentes et al . [ 6 ] นำเสนอเครื่องมือสำหรับการประเมินและการรักษาใน post-stroke แขนฟื้นฟู ไร้สายระบบเซ็นเซอร์เครื่องแต่งตัวประกอบด้วยกิจกรรมเครือข่าย imu และเซ็นเซอร์ของกล้ามเนื้อผิวหน้า pnadilha et al . [ 7 ] เสนอวิธีการสอบเทียบเซ็นเซอร์ ในการศึกษาเป็นแกน accelerometer gyroscope , 2 - แกนเลื่อนและ Kinect จะใช้ค่ามุมที่ข้อ การสอบเทียบออนไลน์ที่ถูกพัฒนาบนพื้นฐานของการกรองคาลมานจะรวมข้อมูลจากเซ็นเซอร์เฉื่อยและ Kinect ปรับปรุงโดยรวมคาดการณ์การเคลื่อนไหว การศึกษาหลายรายงานว่า senaor เครื่องมือที่ใช้สำหรับการฟื้นฟูสมรรถภาพยังไม่ได้ถูกต้อง 100% อย่างไรก็ตามข้อผิดพลาดของ± 5 องศาในมาตรการ goniometry ) เป็นขอบเขตที่ยอมรับได้สำหรับหลาย ๆสถานการณ์ทางคลินิก [ 8 ]