In [5], Bin Ambar et al. proposed t

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 sensor-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:

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 การศึกษาวิจัยหลายรายงานที่ เซ็นเซอร์โดยใช้เครื่องมือสำหรับการฟื้นฟูยังไม่ถูกต้อง 100% อย่างไรก็ตาม การแนะนำมีข้อผิดพลาด± 5 องศาในมาตรการ goniometry เป็นช่วงยอมรับได้สำหรับสถานการณ์ทางคลินิกหลาย [8]

ผลลัพธ์ (ไทย) 2:

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 การศึกษาวิจัยหลายรายงานว่าเครื่องมือที่ใช้เซ็นเซอร์เพื่อการฟื้นฟูยังไม่ถูกต้อง 100% แต่ข้อผิดพลาดของ± 5 องศาในมาตรการ goniometry เป็นข้อเสนอแนะที่เป็นช่วงที่ยอมรับได้สำหรับสถานการณ์ทางคลินิกหลาย [8]

ผลลัพธ์ (ไทย) 3:

ใน [ 5 ] บิน Ambar et al . เสนอให้ใช้เซ็นเซอร์รวมกัน ( Flex Sensor , เซ็นเซอร์ความไวและแรง accelerometer ) สำหรับการพัฒนาเครื่องแต่งตัวแขนฟื้นฟูการตรวจสอบอุปกรณ์

cifuentes et al . [ 6 ] นำเสนอเครื่องมือสำหรับการประเมินและการรักษาใน post-stroke แขนฟื้นฟู ไร้สายระบบเซ็นเซอร์เครื่องแต่งตัวประกอบด้วยกิจกรรมเครือข่ายimu และเซ็นเซอร์ของกล้ามเนื้อผิวหน้า pnadilha et al . [ 7 ] เสนอวิธีการสอบเทียบเซ็นเซอร์ ในการศึกษา , accelerometer 3 แกน , gyroscope 2 - แกนเลื่อนและ Kinect จะใช้ค่ามุมที่ข้อ การสอบเทียบออนไลน์ที่ถูกพัฒนาบนพื้นฐานของการกรองคาลมานจะรวมข้อมูลจากเซ็นเซอร์เฉื่อยและ Kinect ปรับปรุงโดยรวมคาดการณ์การเคลื่อนไหวการศึกษาหลายรายงานว่าเซ็นเซอร์ที่ใช้เครื่องมือสำหรับการฟื้นฟูสมรรถภาพยังไม่ 100% ถูกต้อง อย่างไรก็ตาม ข้อผิดพลาดของ± 5 องศาในมาตรการ goniometry ) เป็นขอบเขตที่ยอมรับได้สำหรับหลาย ๆสถานการณ์ทางคลินิก [ 8 ]