III. METHODA. ExperimentsIn this st

III. METHOD
A. Experiments
In this study, we use wireless inertial sensors attached to
the foot to continuously monitor the motion of the foot
during walking. The sensors used are assembled from the
Micro-AHRS model of sensors manufactured by
MicroStrain, Inc [4]. They are small and lightweight,
measuring 41 mm x 63 mm x 32 mm and weighing 39 grams.
The sensors include a 50-g triaxial accelerometer and 1200
deg/s triaxial rate gyroscope, outputting raw 3D acceleration
and angular rate data. This raw data is transformed into 3D
displacements as previously described using the principal of
“zero velocity updating” [5]. This technique assesses the
sensor drift at the end of every step, i.e. when foot velocity is
zero, and allows the removal of cumulative effects of drift
over one step to obtain accurate integration results [6].
Data were collected from 23 subjects with a clinical
diagnosis of PD attending the UCSF Parkinson’s Disease
Clinic and Research Center in San Francisco, and from 16
age-matched control subjects without history of neurological
disease. Of the subjects diagnosed with PD, 11 had a
clinically significant disturbance of gait, and 12 had no such
disturbance. The wireless inertial sensors were attached to
subjects’ feet using a foot mount as shown in Figure 1(a).
Subjects then walked along a predetermined path along a
hallway in the UCSF clinic. Data were transmitted over
Bluetooth to a nearby handheld PDA and stored on the
device for later processing. In total, collecting data from
sensors on both feet in some cases, 21 PD with significant
gait disturbance, 24 PD with no significant gait disturbance,
and 24 control data points were obtained.Figure 1(b) shows an example of the 3D displacement
signal for a 10-second time segment during the course of an
experiment for one subject. The pitch, roll, and yaw
directions are as given in Figure 1(a).B. Data Analysis
The data analysis is performed for two separate
classification tasks. The first is to detect the presence of PD,
i.e. a binary classification task of distinguishing between PD
and control. The second is to characterize parkinsonian gait,
i.e. a multi-class problem of distinguishing among PD with
significant gait disturbance, PD with no significant gait
disturbance, and control. A similar data analysis algorithm is
employed for both tasks. This algorithm involves multiple
modules (Figure 2). Each analysis module is discussed in
detail in their following subsections.

ผลลัพธ์ (ไทย) 2:

III วิธี
A. การทดลองในการศึกษาครั้งนี้เราจะใช้เซ็นเซอร์เฉื่อยไร้สายที่ติดอยู่กับเท้าอย่างต่อเนื่องในการตรวจสอบการเคลื่อนไหวของเท้าในระหว่างการเดิน เซ็นเซอร์ที่ใช้ประกอบจากรูปแบบ Micro-AHRS ของเซ็นเซอร์ผลิตโดย MicroStrain, Inc [4] มันมีขนาดเล็กและน้ำหนักเบาวัด 41 mm x 63 mm x 32 มิลลิเมตรและมีน้ำหนัก 39 กรัม. เซ็นเซอร์รวมถึง accelerometer สามแกน 50 กรัมและ 1,200 องศา / วินาทีอัตราการหมุนสามแกน, การแสดงผล 3D เร่งดิบและข้อมูลอัตราเชิงมุม นี้เป็นข้อมูลดิบจะกลายเป็น 3 มิติกระจัดตามที่อธิบายไว้ก่อนหน้านี้โดยใช้หลักของ"การปรับปรุงความเร็วศูนย์" [5] เทคนิคนี้จะประเมินดริฟท์เซ็นเซอร์ในตอนท้ายของทุกขั้นตอนคือเมื่อความเร็วเท้าเป็นศูนย์และช่วยให้การกำจัดของผลกระทบสะสมของการดริฟท์ในช่วงขั้นตอนหนึ่งที่จะได้รับผลการบูรณาการที่ถูกต้อง[6]. เก็บรวบรวมข้อมูลตั้งแต่วันที่ 23 อาสาสมัครกับทางคลินิกการวินิจฉัยของ PD เข้าร่วม UCSF โรคพาร์กินสันคลินิกและศูนย์วิจัยในซานฟรานซิสและตั้งแต่วันที่16 อายุที่จับคู่กลุ่มควบคุมที่ไม่มีประวัติของระบบประสาทโรค ของอาสาสมัครกับการวินิจฉัย PD 11 มีการรบกวนนัยสำคัญทางคลินิกของการเดินและ12 ดังกล่าวไม่มีการรบกวน เซ็นเซอร์เฉื่อยไร้สายติดอยู่กับเท้าของอาสาสมัครที่ใช้ติดเท้าดังแสดงในรูปที่ 1 (ก). วิชาแล้วเดินไปตามที่กำหนดไว้เป็นเส้นทางที่ไปตามทางเดินในคลินิก UCSF ข้อมูลที่ส่งผ่านบลูทู ธ ไปยังมือถือพีดีเอที่ใกล้เคียงและเก็บไว้ในอุปกรณ์สำหรับการประมวลผลในภายหลัง โดยรวมแล้วการเก็บรวบรวมข้อมูลจากเซ็นเซอร์ที่เท้าทั้งในบางกรณี PD 21 อย่างมีนัยสำคัญรบกวนการเดิน24 PD ไม่มีการรบกวนการเดินอย่างมีนัยสำคัญและ24 จุดควบคุมข้อมูลคือ obtained.Figure 1 (ข) แสดงให้เห็นตัวอย่างของการเคลื่อนที่ 3 มิติสัญญาณสำหรับช่วงเวลา 10 วินาทีในช่วงที่ทดลองสำหรับเรื่องใดเรื่องหนึ่ง สนามม้วนและหันเหทิศทางเป็นไปตามที่กำหนดไว้ในรูปที่ 1 (ก) .b การวิเคราะห์ข้อมูลการวิเคราะห์ข้อมูลจะดำเนินการสำหรับสองแยกงานการจัดหมวดหมู่ ครั้งแรกคือการตรวจสอบสถานะของ PD ที่กล่าวคือเป็นงานที่จัดหมวดหมู่ไบนารีของความแตกต่างระหว่างPD และการควบคุม ประการที่สองคือลักษณะการเดิน Parkinsonian, เช่นปัญหาหลายระดับของความแตกต่างในหมู่ PD ที่มีการรบกวนการเดินอย่างมีนัยสำคัญPD ไม่มีการเดินอย่างมีนัยสำคัญความวุ่นวายและการควบคุม ขั้นตอนวิธีการวิเคราะห์ข้อมูลที่คล้ายกันคือการจ้างงานสำหรับงานทั้ง ขั้นตอนวิธีการนี้เกี่ยวข้องกับหลายโมดูล (รูปที่ 2) โมดูลวิเคราะห์แต่ละครั้งจะถูกกล่าวถึงในรายละเอียดในการย่อยต่อไปนี้ของพวกเขา

ผลลัพธ์ (ไทย) 3:

ประตูประตูประตูประตูประตูประตูประตู