Mot automatisera gångbedömning med sensorfusion: Sensorsynkronisering och etablering av ground truth för segmentering

Abstract

Idag används Timed Up and Go (TUG)-testet ofta för att bedöma balans- och gångförmåga hos äldre. Bedömningen bygger på visuella observationer där endast den totala testtiden registreras. Detta kan ge en begränsad bild av patientens rörelseförmåga och försvårar identifieringen av vilka delmoment som behöver förbättras. Med hjälp av sensorteknik går det att få mer objektiva och detaljerade insikter om personers balans- och gångfunktion. Detta kandidatarbete utgör ett första steg mot en sensorfusionbaserad metod för automatisering av TUG-testet. Arbetet fokuserade på tre områden: datainsamling, synkronisering mellan radar- och IMU-sensorer samt etablering av ground truth baserad på Motion Capture (MoCap)-data. Data samlades in med samtliga system från gruppmedlemmar, handledare samt frivilliga forskningspersoner som utförde TUG testet. Vidare utvecklades en metod för tidsmässig synkronisering av sensorsigna lerna, samt en automatiserad segmenteringsalgoritm för att identifiera TUG-testets olika delmoment utifrån MoCap-data. Resultaten visade att den signalbaserade metoden fungerade väl för tidsmässig synkronisering mellan IMU- och radarsensorerna, vilket är avgörande för fusion av data från dessa två typer av sensorer. Den automatiserade segmenteringsmetoden uppvisade en felnivå som var jämförbar med variationen mellan manuella annoteringar. Detta tyder på att metoden kan användas som referens vid framtida utveckling och validering av sensorfusionbaserade system för förbättrad fallriskbedömning och individanpassad rehabilitering.