Analiza danych
Prowadzone badania stanowiły punkt wyjścia do stworzenia naszego systemu. Dane, które uzyskano w badaniach następnie poddano zaawansowanej obróbce. Zapraszamy do zapoznania się z tym jakże skomplikowanym procesem.
W pierwszej kolejności dane otrzymane z systemów czujników podległy wstępnej filtracji, następnie skorygowano błędy dryfu, które mogą powstać podczas procesu integracji danych używając filtru Kalmana. Kolejno zastosowano korektę drgań i w przypadku wystąpienia zakłóceń elektromagnetycznych korektę przebiegów.
Korzystając z informacji o położeniach kątowych czujników wyznaczono poszczególne kąty w stawach.
W przypadku danych z wkładek z pomiarem sił zostały one przefiltrowane i zsumowane, tworząc mapę nacisku stopy.
Dla danych elektromiograficznych przeprowadzono wstępną filtrację sygnałów filtrem dolno- i górno- przepustowym w zakresie 10-500Hz. Następnie wykonano rektyfikację sygnałów i wyznaczono RMS na oknie 200 próbek. Korzystając z pomiarów MVC unormowano amplitudę do 100%.
Otrzymane wyniki zostały następnie podzielone na cykle zgodnie z określonym modelem ruchu. Każda ze zmiennych została unormowana do 100 próbek w cyklu.
Następnie wyniki wyeksportowano do plików tekstowych.
Poszczególne zapisy (raporty, materiał filmowy) zostały ocenione i pogrupowane. Następnie utworzono modele (wzorce) ruchowe dla każdego rodzaju zadania ruchowego.
Dalsza analiza danych odbywała się w oprogramowaniu ICT.
Wprowadzono dane modelowe i dane porównawcze. Dokonano synchronizacji i uporządkowania danych.
Do dalszej analizy wykorzystano GVS – (Global Variable Scores) zdefiniowany jako:
średnia kwadratowa różnica między określoną zmienną znormalizowaną w czasie (x) a średnimi danymi z modelu referencyjnego.
Profile Score (PS) definiowano jako:
PS jest średnią pierwiastkową zmiennych GVS.
Wskaźnik PS wraz z poszczególnymi wskaźnikami GVS stanowi profil ruchu MAP (Movement Analysis Profile) będący podstawą do wykrywania anomalii ruchowych.
Wraz z budową modelu (wzorca) stworzono próg MAP oparty na średniej i odchyleniu standardowym dla każdej z grup.
Korzystając z profilu MAP oceniamy wykonanie zadania ruchowego w stosunku do wzorca (modelu) i wskazujemy w oparciu o GVS zmienną najbardziej odbiegającą od wzorca. Im większy GVS tym większe odejście od wzorca. Idealne dopasowanie GVS = 0.
