S'abonner

Activity Recognition Using Multiple Inertial Measurement Units - 02/06/16

Doi : 10.1016/j.irbm.2016.02.008 
N. Jalloul a, b, , F. Porée a, b, G. Viardot d, P. L'Hostis d, G. Carrault a, b, c
a Laboratoire Traitement du Signal et de l'Image (LTSI), Université de Rennes 1, Campus de Beaulieu, 35042 Cedex, Rennes, France 
b INSERM, U1099, Université de Rennes 1, Campus de Beaulieu, 35042 Cedex, Rennes, France 
c INSERM, CIC-1414, Hôpital de Pontchaillou, 2 rue Henri Le Guilloux, 35033 Cedex, Rennes, France 
d Biotrial, 35000 Cedex, Rennes, France 

Corresponding author at: Laboratoire Traitement du Signal et de l'Image (LTSI), Université de Rennes 1, Campus de Beaulieu, 35042 Cedex, Rennes, France.Laboratoire Traitement du Signal et de l'Image (LTSI)Université de Rennes 1Campus de BeaulieuCedex, Rennes35042France

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

pages 7
Iconographies 7
Vidéos 0
Autres 0

Abstract

Objectives: This paper addresses the design of an ambulatory monitoring system based on a set of wearable, wireless inertial measurement units able to perform activity recognition for healthy individuals and Parkinson's disease patients, as well as analyze and assess the severity of levodopa induced dyskinesia.

Material and methods: The monitoring system is composed of six Shimmer3 modules placed at different positions of the individual's body. Both healthy individuals and one patient performed a protocol of simple daily life activities while wearing the Shimmer3 modules. As an initial step, validity of the monitoring system in identifying healthy individuals' activities is assessed. Data corresponding to the activities was separated and features in both time and frequency domains were extracted. Multiple factor analysis was used to evaluate and infer the relationships between the different module positions. A method of feature selection was implemented to determine the most important features, positions and sensors included in the different modules. The classification of activities was done using a KNN classifier.

Results: Promising results were obtained in classifying the activities of healthy individuals, with a global accuracy of 77.6%. However, certain adaptation is required for the application on Parkinson's disease patients.

Conclusion: While activity recognition for healthy individuals using this system was successful, further evaluation of the contribution of each module needs to be done in order to determine optimal module positions. To validate the obtained results on Parkinson's disease patients, a larger study based on more patient acquisitions is envisioned.

Le texte complet de cet article est disponible en PDF.

Keywords : Bioinformatics, Biomedical sensors, Signal Processing


Plan


© 2016  AGBM. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 37 - N° 3

P. 180-186 - juin 2016 Retour au numéro
Article précédent Article précédent
  • Biocompatibility and Biodegradation of Multiphasic Calcium Phosphate Ceramic Bone Substitute Transformed by Ostrich Cancellous Bone for Bone Tissue Engineering
  • Z. Wang, Z. Li, Y. Weng, Y. Liu, B. Liu, Y. Yang

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.