|
摘要:目的 建立易跌倒老人的识别模型,为预防和控制老年人跌倒提供分析方法。方法 本文通过对起立行走计时(timed up and go,TUG)试验收集的老年人运动学数据进行分析,以老年人行进期间的各体段(头颈部、手臂、下躯干、腿部)质心位移为特征维度,建立神经网络模型;通过问卷收集试验人员在过去一年的跌倒发生情况,按照有无跌倒史将人群分为易跌倒和不易跌倒。结果 基于广义回归神经网络(general regression neural network,GRNN)为基础的识别模型效果好,准确度为95.83%。概率神经网络(probabilistic neural network,PNN)和误差逆传播神经网络 (backpropagation neural network,BPNN)分别得到了87.50%和75.00%的识别准确率。结论 基于神经网络的易跌倒老人识别方法得到了较高的准确率,易跌倒老人的早期识别有利于减少跌倒事件的发生。
|
关键词 :
跌倒,
质心位移,
神经网络,
识别
|
出版日期: 2020-06-30
|
|
Viewed |
|
|
|
Full text
|
|
|
|
|
Abstract
|
|
|
|
|
Cited |
|
|
|
|
|
Shared |
|
|
|
|
|
Discussed |
|
|
|