Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Motion Symmetry Evaluation Using Accelerometers and Energy Distribution

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F60461373%3A22340%2F19%3A43917902" target="_blank" >RIV/60461373:22340/19:43917902 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/68407700:21730/19:00339284 RIV/00179906:_____/19:10399923 RIV/00216208:11150/19:10399923 RIV/70883521:28140/19:63523864

  • Výsledek na webu

    <a href="https://www.mdpi.com/2073-8994/11/7/871" target="_blank" >https://www.mdpi.com/2073-8994/11/7/871</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.3390/sym11070871" target="_blank" >10.3390/sym11070871</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Motion Symmetry Evaluation Using Accelerometers and Energy Distribution

  • Popis výsledku v původním jazyce

    Analysis of motion symmetry constitutes an important area with many applications in engineering, robotics, neurology and biomedicine. This paper presents the use of microelectromechanical sensors (MEMS), including accelerometers and gyrometers, to acquire data via mobile devices so as to monitor physical activities and their irregularities. Special attention is devoted to the analysis of the symmetry of the motion of the body when the same exercises are performed by the right and the left limb. The analyzed data include the motion of the legs on a home exercise bike under different levels of load. The method is based on signal analysis using the discrete wavelet transform and the evaluation of signal segment features such as the relative energy at selected decomposition levels. The subsequent classification of the evaluated features is performed by k-nearest neighbours, a Bayesian approach, a support vector machine, and neural networks. The highest average classification accuracy attained is 91.0% and the lowest mean cross-validation error is 0.091, resulting from the use of a neural network. This paper presents the advantages of the use of simple sensors, their combination and intelligent data processing for the numerical evaluation of motion features in the rehabilitation and monitoring of physical activities.

  • Název v anglickém jazyce

    Motion Symmetry Evaluation Using Accelerometers and Energy Distribution

  • Popis výsledku anglicky

    Analysis of motion symmetry constitutes an important area with many applications in engineering, robotics, neurology and biomedicine. This paper presents the use of microelectromechanical sensors (MEMS), including accelerometers and gyrometers, to acquire data via mobile devices so as to monitor physical activities and their irregularities. Special attention is devoted to the analysis of the symmetry of the motion of the body when the same exercises are performed by the right and the left limb. The analyzed data include the motion of the legs on a home exercise bike under different levels of load. The method is based on signal analysis using the discrete wavelet transform and the evaluation of signal segment features such as the relative energy at selected decomposition levels. The subsequent classification of the evaluated features is performed by k-nearest neighbours, a Bayesian approach, a support vector machine, and neural networks. The highest average classification accuracy attained is 91.0% and the lowest mean cross-validation error is 0.091, resulting from the use of a neural network. This paper presents the advantages of the use of simple sensors, their combination and intelligent data processing for the numerical evaluation of motion features in the rehabilitation and monitoring of physical activities.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/EF17_048%2F0007441" target="_blank" >EF17_048/0007441: PERSONMED - Centrum rozvoje personalizované medicíny u věkem podmíněných onemocnění</a><br>

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2019

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Symmetry

  • ISSN

    2073-8994

  • e-ISSN

  • Svazek periodika

    11

  • Číslo periodika v rámci svazku

    7

  • Stát vydavatele periodika

    CH - Švýcarská konfederace

  • Počet stran výsledku

    13

  • Strana od-do

    "871-1"-"871-13"

  • Kód UT WoS článku

    000481979000036

  • EID výsledku v databázi Scopus

    2-s2.0-85068578952