Архив номеров
Медицинская Техника / Медицинская техника №1, 2025 / с. 41-43

Предсказание изменений самочувствия по данным походки

Н.В. Дорофеев, Р.В. Шарапов, М.С. Горячев, В.О. Сергеева


Аннотация 

Разработана методика прогнозирования самочувствия человека по акселерограммам двойных шагов, получаемых с помощью смартфона во время походки. Измерение двойных шагов смартфоном выполнялось при его размещении без жесткой фиксации в переднем кармане одежды поясного типа. Значение метрики F1-score для найденной структуры голосового регрессора составляет 0,86 для прогнозирования болевых ощущений в области поясницы.


Вернуться к содержанию

Сведения об авторах

Николай Викторович Дорофеев, д-р техн. наук, зав. кафедрой, кафедра управления и контроля в технических системах, 
Руслан Владимирович Шарапов, канд. техн. наук, зав. кафедрой, кафедра техносферной безопасности, 
Максим Сергеевич Горячев, аспирант, 
Валерия Олеговна Сергеева, студент 1 курса магистратуры, кафедра управления и контроля в технических системах, ФГБОУ ВО «Владимирский государственный университет им. Александра Григорьевича и Николая Григорьевича Столетовых», г. Владимир, 

Список литературы

1. Wang Z., Xiong H., Zhang J., Yang S., Boukhechba M., Barnes L.E., Zhang D., DouZ D. From Personalized Medicine to Population Health: A Survey of mHealth Sensing Techniques // IEEE Internet of Things Journal. 2022. Vol. 9 (17). PP. 15413-15434. 
2. Paulovich F.V., De Oliveira M.C.F., Oliveira Jr. O.N. A future with ubiquitous sensing and intelligent systems // ACS Sensors. 2018. Vol. 3 (8). PP. 1433-1438. 
3. Servia-Rodriguez S., Rachuri K.K., Mascolo C., Rentfrow P.J., Lathia N., Sandstrom G.M. Mobile sensing at the service of mental well-being: A large-scale longitudinal study / Proc. of the 26th International Conference on World Wide Web. 2017. PP. 103-112. 
4. Mohr D.C., Zhang M., Schueller S.M. Personal sensing: Understanding mental health using ubiquitous sensors and machine learning // Annual Review of Clinical Psychology. 2017. Vol. 13. PP. 23-47. 
5. Huh J.-H. Big data analysis for personalized health activities: Machine learning processing for automatic keyword extraction approach // Symmetry. 2018. Vol. 10 (4). № 93. PP. 1-30. 
6. Singh P., Koural P.S., Mohapatra S., Kumar V. et al. Human heart health prediction using GAIT parameters and machine learning model // Biomedical Signal Processing and Control. 2024. Vol. 88. Art. 105696. PP. 1-10. 
7. Werner C., Hezel N., Dongus F., Spielmann J. et al. Validity and reliability of the Apple Health app on iPhone for measuring gait parameters in children, adults, and seniors // Scientific Reports. 2023. Vol. 13. Art. 5350. PP. 1-11. 
8. Dorofeev N.V., Sharapov R.V., Goryachev M.S., Romanov R.V. Features of smartphone diagnostics of human health based on gait parameters / Proceedings of the 2023 IEEE 16th International scientific and technical conference actual problems of electronic instrument engineering (APEIE). Novosibirsk. Russian Federation. 2023. PP. 280-283. 
9. Jayasinghe U., Hwang F., Harwin W.S. Comparing loose clothing-mounted sensors with body-mounted sensors in the analysis of walking // Sensors. 2022. Vol. 22. Iss. 17. Art. 6605. PP. 1-16. 
10. Jiao Y., Hart R., Reading S., Zhang Y. Systematic review of automatic post-stroke gait classification systems // Gait & Posture. 2024. Vol. 109. PP. 259-270. 
11. Parashar A., Parashar A., Shabaz M., Gupta D., Sahu A.K., Khan M.A. Advancements in artificial intelligence for biometrics: A deep dive into model-based gait recognition techniques // Engineering Applications of Artificial Intelligence. 2024. Vol. 130. Art. 107712. 
12. Dorofeev N.V., Grecheneva A.V. Algorithm for motion detection and gait classification based on mobile phone accelerometer data // Izvestiya of Saratov University. Mathematics. Mechanics. Informatics. 2023. Vol. 23 (4). PP. 531-543. 
13. Olsen S., Rashid U., Barbado D., Suresh P. et al. The validity of smartphone-based spatiotemporal gait measurements during walking with and without head turns: Comparison with the GAITRite® system // Journal of Biomechanics. 2024. Vol. 162. Art. 111899. PP. 1-9. 
14. Dorofeev N., Grecheneva A., Sharapov R. Informational Image of a Person’s Gait According to Mobile Phone Data / 2023 International Russian Smart Industry Conference (SmartIndustryCon). 2023. PP. 259-263. 
15. Aartolahti E. Comparison of spatiotemporal gait parameters in indoor and outdoor walking among older adults // Archives of Physical Medicine and Rehabilitation. 2024. Vol. 105. Iss. 4. PP. e85-e86. 
16. Lin G., Zhao X., Wang W., Wilkinson T. The relationship between forward head posture, postural control and gait: A systematic review // Gait & Posture. 2022. Vol. 22. PP. 316-329. 
17. Zawada S.J., Aissa N.H., Conte G.M., Pollock B.D., Athreya A.P., Erikson B.J., Demaerschalk B.M. In situ physiologic and behavioral monitoring with digital sensors for cerebrovascular Disease: A Scoping Review // Mayo Clinic Proceedings: Digital Health. 2023. Vol. 1. Iss. 2. PP. 139-160. 
18. Liang A. Assessing gait dysfunction severity in Parkinson’s Disease using 2-Stream spatial-temporal neural network // Journal of Biomedical Informatics. 2024. Art. 104679. 
19. Recenti M., Garguilo P., Chang M., Ko S.B., Kim T.J., Ko S.U. Predicting stroke, neurological and movement disorders using single and dual-task gait in Korean older population // Gait & Posture. 2023. Vol. 105. PP. 92-98. 
20. Abujrida H., Agu E., Pahlavan K. DeepMed: Deep learning- based medication adherence of Parkinson’s disease using smartphone gait analysis // Smart Health. 2023. Vol. 30. Art. 100430.