|
tel.71 318 01 04
|
|
|
|
CQMotion -komputerowy pomiar ruchu z wykorzystaniem czujników inercyjnych 9D
Zastosowane czujniki wykonane są w najnowocześniejszej technologii MEMS (ang. Micro Electro-Mechanical Systems -popularne określenie miniaturowych urządzeń elektro-mechanicznych). Połączenie danych z akcelerometru, magnetometru i żyroskopu daje najdokładniejszą obecnie, sensoryczną metodę detekcji ruchu. Każdy z zastosowanych sensorów - akcelerometr 3D, magnetometr 3D, żyroskop 3D- uzupełnia luki w sygnale, jakie są wynikiem niedoskonałości pozostałych. Dane z czujników przekazywane są do aplikacji, które mogą dzięki temu realizować zadania zależne od położenia czujnika. Realizacja badania polega na tym, iż czujniki zawierający scalony przetwornik MEMS umieszczany jest w wybranym punkcie ciała pacjenta. Dane zbierane przez układ pomiarowy przesyłane są do komputera centralnego drogą przewodową bądź bezprzewodową. Oprogramowanie zainstalowane w komputerze PC odpowiada za przekształcenie wyniku pomiaru. Analiza, wyświetlanie i drukowanie badania wykonane są z wykorzystaniem programu komputerowego. Wszystkie dane pacjenta, zapisywane są w pamięci komputera; mogą być łatwo przenoszone na inne nośniki typu dyskietka, CD‑ROM oraz analizowane i opracowywane statystycznie ParametryWymiar bazy: 100x60x22mm Wymiar sensora: f30x15 Waga: < 0.5 kg Podłączenie: USB Liczba sensorów: 1-6 Rozdz. przetwarzania: Accel: 12bit (output) Gyro: 12 bit (output) Mag: 12 bit Zakresy: Accel: +/-( 2g,4g,8g) Gyro: +/- 500stopni/sekundę Mag: +/-2,5 Gaussa Częstotliwość akwizycji danych: 50 Hz/sensor Maksymalne obciążenie Accel: 3000g, 0,5ms Dokładność: +/-2%
Opis ProgramOkno główne programu
|
|
Wersja RGB pozwala na zmianę koloru czujnika ułatwiająca identyfikację położenia na obrazie z CQKam
|
Człowiek podczas swojego codziennego życia generuje różnorodne rodzaje ruchu takie jak np. chód, spacer, bieg, jazda na rowerze. Od wieków śledzenie, opisywanie i tworzenie modeli ludzkich ruchów było tematem badań, których wyniki były wykorzystywane np. w medycynie, rehabilitacji ruchowej pacjentów, czy podczas treningu sportowego (Whittle,1996). W ostatnich latach rozwój technologii dostarczył nowych narzędzi, które umożliwiają obserwowanie naturalnego ruchu bez nadmiernej ingerencji, nawet w długich odcinkach czasu.
Metody pomiarowe znajdujące zastosowanie w analizie ruchu można podzielić na trzy grupy:
- metody zajmujące się pomiarem parametrów czasowo-przestrzennych (takich jak prędkość chodu, częstość kroków, długość kroków, udziały poszczególnych faz w cyklu chodu, biegu itp.);
- metody kinematyczne zajmujące się pomiarem trajektorii ruchu wybranych punktów ciała badanego w przestrzeni trójwymiarowej, pomiarem (bezpośrednim lub pośrednim) kątów w stawach, określeniem orientacji poszczególnych segmentów ciała względem siebie, a także pomiarem prędkości i przyspieszeń jednego segmentu ciała względem segmentu sąsiedniego; bez rozpatrywania sił powodujących ruch,
- metody kinetyczne zajmujące się pomiarem (również bezpośrednio lub pośrednio) sił i momentów sił występujących podczas ruchu.
Istnieje wiele systemów śledzących ruch stosowanych do opisu kinematyki ruchu. Są one oparte na różnorodnych technologiach pomiarowych takich jak pomiary mechaniczne, akustyczne, optyczne, magnetyczne, pomiary częstotliwości radiowych, czy sensory bezwładności. Do opisu kinetyki wykorzystuje się pomiar reakcji sił podłoża (ang. Ground Reaction Force - GRF), moment pionowej reakcji podłoża i punkt przyłożenia wypadkowej siły reakcji (lub siły nacisku) na podłoże (ang. center of pressure – CoP). W powyższych metodach zastosowanie znajdują fotokomórki, kamery, goniometry (mocowane na egzoszkieletach oraz bezpośrednio na ciele osoby badanej), systemy elektromiografii dynamicznej, platformy dynamograficzne, itp., oraz nowoczesne, komputerowe systemy rejestrujące ruch badanego obiektu w przestrzeni.
Obecnie standardową, przyjętą w medycynie i rehabilitacji, techniką obserwowania i obrazowania ruchu człowieka są systemy optyczne (Wong i wsp., 2007). Ruch jest rejestrowany przez system kamer, a na podstawie położenia znaczników (markerów) umieszczonych na segmentach ciała osoby badanej określa się lokalne układy współrzędnych związane z poszczególnymi segmentami ciała. Każdy profesjonalny system ilościowej analizy ruchu proponuje własny model pozwalający na określenie ruchu segmentów ciała względem siebie na podstawie położenia markerów.
Aparaturę pomiarową oraz oprogramowanie wykorzystujące digitalizację obrazu wideo produkuje wiele firm, z których najbardziej znane to Simi, eMotion, Ariel APAS (Ariel Dynamics Inc.), PEAK (Peak Performance Technologies Inc.), PRIMAS (DELFT Motion Analysis), Quick MAG (Ohyou Keisoku Kenkyusyo). Systemem analizy ruchu opartym o markery czynne jest system CODA Motion (Charnwood Dynamics), a o markery bierne są systemy: Vicon, BTS, Qualisys, Innovision, Motion Analysis, NaturalPoint. Kliniczna analiza ruchu znalazła zastosowanie w wielu dziedzinach medycyny, gdyż uważana jest za obiektywne narzędzie oceny stanu funkcjonalnego pacjenta.
Systemy optyczne mają jednak swoje ograniczenia. Wymagają dużej przestrzeni pomiarowej, aby pacjent mógł swobodnie wykonywać ruchy, są mało mobilne, wymagają bardzo precyzyjnego umieszczania markerów. Wadą są również możliwe przekłamania po przesłonięciu znaczników, np. ręką w trakcie ruchu i duża wrażliwość na oświetlenie, ograniczone pola widzenia kamer, błędy pomiarowe wynikające z nieprawidłowego naklejenia markerów, a także z ruchów skóry i tkanek miękkich. Systemy te nie mogą być używane do monitorowania pacjenta w jego naturalnym środowisku. Ponadto koszt zaadaptowania i wyposażenia pomieszczenia do pomiarów jest bardzo wysoki (Mayagoitia, 2002).
Nowoczesne systemy oparte na czujnikach wykonanych w technologi MEMS (ang. Micro Electro-Mechanical Systems) będących połączeniem akcelerometru, magnetometru i żyroskopu, zwane także czujnikami do pomiaru inercyjnego IMU (ang. inertial measurment unit), dają najdokładniejszą obecnie, sensoryczną metodę detekcji ruchu (np. Esser i wsp., 2009). Każdy z zastosowanych sensorów - akcelerometr 3D, magnetometr 3D, żyroskop 3D- uzupełnia luki w sygnale, jakie są wynikiem niedoskonałości pozostałych. IMU zapewniają pomiar o sześciu stopniach swobody (6DoF), umożliwiający uzyskanie wysokiej rozdzielczości pomiaru niezbędnej dla medycznych urządzeń diagnostycznych.
Realizacja badania polega na tym, iż odpowiednia dla danego zastosowania ilość czujników MEMS umieszczana jest w wybranych punktach ciała pacjenta. Czujniki przesyłają w czasie rzeczywistym dane pozwalające odtworzyć trójwymiarowy model posturalny człowieka, oraz mogą posłużyć do wielowymiarowych analiz, statystyk, wskaźników z graficzną prezentacją. Ponadto dane te mogą być wysłane przez Internet. Systemy oparte na czujnikach MEMS nie wymagają specjalnych pomieszczeń, są mobilne, mogą być używane do monitorowania pacjenta w jego naturalnym środowisku.
Na podstawie:
Allard P, Blanchi J-P, Aissaoui R – Bases of three-dimensional reconstruction. W: Allard P, Stokes IAF, J-P.Blanchi (wyd.) Three-dimensional analysis of human movement. Human KineticsChampaign IL USA, 1995, str. 19-40
Ehara Y, Fujimoto H, MiyazakiM , Mochimaru M, Tanaka S, Yamamoto S - Comparison of the performance of 3D camera systems II - Gait & Posture 1997, vol. 5, pp. 251-255
Esser P., Dawes H., Collett J., Howells K., 2009, IMU: Inertial sensing of vertical CoM movement, Journal of Biomechanics 42, 1578–1581
Gage J (ed.) – The treatment of gait problems in cerebral palsy. Mac Keith Press Cambridge University Press, 2004
Mayagoitia R.E., Nene A.V., et al.,. 2002, Accelerometer and rate gyroscope measurement of kinematics: an inexpensive alternative to optical motion analysis systems. J. Biomech. 35 (4), 537–542.
Perry J. 1992, Gait analysis. Normal and pathological function. SLACK Inc., NJ,
Saunders J.B, Inman V.T., Eberhart H.D., 1953, The major determinants in normal and pathological gait., J Bone Joint Surg; 35A, 543-558
Wagenaar R.C., Beek W.J., 1992, Hemiplegic gait: a kinematic analysis using walking speed as a basis., J Biomech, vol. 25, 1007 – 1015
Whittle M.W., Clinical gait analysis: A review - Hum Mov Sci, 1996, vol. 15, 369 – 387
Winter D.A. 1991, Biomechanics and motor control of human gait: Normal, pathological and elderly. Univ. Waterloo Press, Waterloo,
Wong,W.,Wong, M., et al., 2007. Clinical applications of sensors for human posture and movement analysis: a review. Prosthet. Orthot. Int. 31 (1), 62–75
oraz materiałów umieszczonych na stronach www producentów
np. Xsens Technologies B.V. website 2013. [http://www.xsens.com].
Literatura
Analizie poddano doniesienia opisujące przykłady zastosowania czujników MEMS (IMU), zarówno pod kątem ich zastosowania, jaki w poszukiwaniu danych dotyczących wpływu czujników na zdrowie badanych osób.
Czujniki ruchu MEMS będące połączeniem akcelerometru, magnetometru i żyroskopu, podobnie jak systemy optyczne służącą do obserwowania i obrazowania ruchu człowieka. Kliniczna analiza ruchu znalazła zastosowanie w wielu dziedzinach medycyny, gdyż uważana jest za obiektywne narzędzie oceny stanu funkcjonalnego pacjenta Pierwsze doniesienie literaturowe dotyczące zastosowania czujników ruchu MEMS pochodzą z początku 21 wieku (1), jednak dopiero w ciągu ostatnich kilku lat nastąpił wyraźny wzrost zainteresowania tymi czujnikami, o czym świadczy wzrastająca ilość publikacji dotyczących zastosowań.
Podjęto próby zdalnego monitorowania aktywności osób za pomocą czujników MEMS. Zbierano dane od 16 osób (kobiet i mężczyzn), w wieku pomiędzy 23 a 50 lat, podczas aktywności takich jak siedzenie, stanie, spacer, bieg , skakanie, upadek, leżenie. Osoby te miały umieszczony czujnik MEMS na pasku. Powstała baza danych, na podstawie której, poprzez porównanie sygnałów, można określić jaki rodzaj aktywności prowadzi osoba nosząca aktualnie czujnik MEMS (2).
Dotychczas największa ilość opublikowanych badań z użyciem czujników inercji IMU dotyczy analizy chodu. W tabeli pokazano zestawienie badań dotyczących analizy szybkości chodu u osób zdrowych oraz osób z dysfunkcjami narządów ruchu (na podstawie przeglądu literatury oraz 3).
Zródło |
Podmiot badań |
Eksperyment |
Aminian i wsp.,. (4) |
5 zdrowych osób |
Spacer po bieżni z preferowaną prędkością |
Miyazaki (5) |
18 zdrowych osób; 7 pacjentów protezą powyżej kolana 10 pacjentów z hemiplegią |
zdrowe osoby: 25 m, spacer z preferowaną prędkością; pacjenci z protezą powyżej kolana: 25 m spacer z małą, średnią i dużą prędkością; pacjenci z hemiplegią: 15 m spacer spacer z małą, średnią i dużą prędkością; |
Tong and Granat (6) |
1 pacjent z uraxem rdzenia kręgowego; 1 zdrowa osoba |
4,5m spacer z preferowaną prędkością. |
Aminian i wsp.,. (7) |
9 młodych osób; 11 starszych osób |
młode osoby: Spacer po bieżni z preferowaną prędkością, oraz większą i mniejszą; 30m spacer po ziemi z preferowaną prędkością starsze osoby: 30m spacer po ziemi z preferowaną prędkością |
Zijlstra and Hof (8) |
25 zdrowych osób |
Spacer po bieżni, 6 prędkości (0.5m/s, 0.75m/s, 1.0m/s, 1.25m/s, 1.5m/s and 1.75m/s); spacer z małą, średnią i dużą prędkością;. |
Tanaka i wsp.,. (9) |
10 zdrowych osób |
spacer z różnymi prędkościami |
Sabatini i wsp.,. (10) |
5 zdrowych osób |
Spacer po bieżni 7 prędkości (3km/s do 6km/s co 0.5km/s). |
Alvarez i wsp.,. (11) |
1 zdrowa osoba |
spacer z preferowaną prędkością. |
Ojeda and Borenstein (12) |
1 zdrowa osoba |
spacer z normalną i energiczną prędkością; spacer wzdłóż pętli, po schodach 14 minutowy i 12 minutowy spacer ulicami miasta |
Song i wsp., (13) |
17 zdrowych osób |
Spacer i bieg po bieżni z różnymi prędkościami od 4.8km/h do 15.4km/s. |
Yeoh i wsp.,. (14) |
5 zdrowych osób |
Spacer i bieg po bieżni z różnymi prędkościami od 1km/h do 13km/s. |
Martin i wsp.,. (15) |
10 zdrowych osób |
10 m spacer z preferowaną prędkością |
Bebek i wsp.,. (16) |
1 zdrowa osoba |
Półgodzinny spacer po pętli |
Huang i wsp., (17) |
1 zdrowa osoba |
Spacer wzdłóż kwadratu, trójkąta itd the square, itd. |
Li i wsp., (18) |
8 zdrowych osób |
Spacer po bieżni 6 prędkości (0.8m/s, 1.0m/s, 1.2m/s, 1.4m/s, 1.6m/s and 1.8m/s); 100 m spacer z preferowaną prędkością. |
Mariani i wsp., (19) |
10 młodych osób; 10 starszych osób |
5 m po łuku , 3 m po ósemce and 25 m 6 minutowy spacer. |
Weenk i wsp., (20) |
11 zdrowych osób (2 kobiety i 9 mężczyzn pomiędzy 20-30 lat) |
spacer z preferowaną prędkością (około 5 km/h). |
Za pomocą czujnika umieszczonego na stopie badanej osoby zbierano dane w różnych sposobach chodu lub na różnych podłożach, aby zaobserwować zmiany w obrazie analizowanych parametrów (21, 22, 23). Analizowano również zmiany w sposobie chodzenia będące skutkiem wypadków (24, 25). Pokazano, że czujniki IMU są dobrą alternatywą dla systemów optycznych w przypadku analizy stabilności chodu (26, 27, 28). Obecnie trwają badania nad zastosowaniem czujników inercji do monitorowania pacjentów z chorobami neurologicznymi np. chorobą Parkinsona (29) czy porażeniem mózgowym (30).
Jak pokazuje przegląd literatury czujniki ruchu MEMS mogą być wykorzystywane do wykrywania nieprawidłowości neurologicznych i motorycznych oraz oceny stanu funkcjonalnego pacjenta. Należy przypuszczać, że w najbliższym czasie pojawią się nowe dane literaturowe wskakujące na możliwości ich wykorzystania.
Spis literatury
1. Luinge H.J., Veltink P.H., 2005, Measuring orientation of human body segments using miniature gyroscopes and accelerometers., Med Biol Eng Comput. Mar;43(2):273-82.
2. Korbinian F., Nadales V., Josefa M., Robertson P., and Angermann M., Reliable Real-Time Recognition of motion related human activities using MEMS inertial sensors. (2010) ION GNSS 2010, 21. Sep. - 24. Sep. 2010,Portland, Oregon, USA.
3. Yang S, Li Q.I nertial sensor-based methods in walking speed estimation: a systematic review. Sensors (Basel). 2012;12(5):6102-16. doi: 10.3390/s120506102. Epub 2012 May 10
4. Aminian, K.; Robert, P.; J´equier, E.; Schutz, Y. Estimation of speed and incline of walking using neural network. IEEE Transa. Instrum. Meas. 1995, 44, 743–746.
5. Miyazaki, S. Long-term unrestrained measurement of stride length and walking velocity utilizing a piezoelectric gyroscope. IEEE Trans. Biomed. Eng. 1997, 44, 753–759.
6. Tong, K.; Granat, M. A practical gait analysis system using gyroscopes. Med. Eng. Phys. 1999, 21, 87–94.
7. Aminian, K.; Najafi, B.; Bula, C.; Leyvraz, P.; Robert, P. Spatio-temporal parameters of gait measured by an ambulatory system using miniature gyroscopes. J. Biomech. 2002, 35, 689–699.
8. Zijlstra, W.; Hof, A. Assessment of spatio-temporal gait parameters from trunk accelerations during human walking. Gait Posture 2003, 18, 1–10.
9. Tanaka, S.; Motoi, K.; Nogawa, M.; Yamakoshi, K. A new portable device for ambulatory monitoring of human posture and walking velocity using miniature accelerometers and gyroscope. In Proceedings of 26th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, San Francisco, CA, USA, 1–5 September 2004; Volume 1, pp. 2283–2286.
10. Sabatini, A.M.; Martelloni, C.; Scapellato, S.; Cavallo, F. Assessment of walking features from foot inertial sensing. IEEE Trans. Biomed. Eng. 2005, 52, 486–94.
11. Alvarez, J.; Gonz´alez, R.; Alvarez, D.; Loprez, A.; Rodrıguez-Urıa, J. Multisensor approach to walking distance estimation with foot inertial sensing. In Proceedings of 29th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, Lyon, France, 23–26 August 2007; pp. 5719–5722.
12. Ojeda, L.; Borenstein, J. Non-GPS navigation for security personnel and first responders. J. Navig 2007, 60, 391–407.
13. Song, Y.; Shin, S.; Kim, S.; Lee, D.; Lee, K. Speed estimation from a tri-axial accelerometer using neural networks. In Proceedings of 29th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, Lyon, France, 23–36 August 2007; pp. 3224–3227.
14. Yeoh, W.; Pek, I.; Yong, Y.; Chen, X.; Waluyo, A. Ambulatory monitoring of human posture and walking speed using wearable accelerometer sensors. In Proceedings of 30th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, Vancouver, BC, Canada, 20–24 August 2008; pp. 5184–5187.
15. Martin, S.; van Asseldonk, E.; Baten, C.; Veltink, P. Ambulatory estimation of foot placement during walking using inertial sensors. J. Biomech. 2010, 43, 3138–3143.
16. Bebek, O.; Suster, M.; Rajgopal, S.; Fu, M.; Huang, X.; Cavusoglu, M.; Young, D.; Mehregany, M.; van den Bogery, A.; Mastrangelo, C. Personal navigation via high-resolution gait-corrected inertial measurement units. IEEE Trans. Instrume. Meas. 2010, 59, 3018–3027.
17. Huang, C.; Liao, Z.; Zhao, L. Synergism of INS and PDR in self-contained pedestrian tracking with a miniature sensor module. IEEE Sensors J. 2010, 10, 1349–1359. Sensors 2012, 12 6114
18. Li, Q.; Young, M.; Naing, V.; Donelan, J.M. Walking speed estimation using a shank-mounted inertial measurement unit. J. Biomech. 2010, 43, 1640–1643.
19. Mariani, B.; Hoskovec, C.; Rochat, S.; B¨ula, C.; Penders, J.; Aminian, K. 3D gait assessment in young and elderly subjects using foot-worn inertial sensors. J. Biomech. 2010.
20. Weenk D, van Beijnum BJ, Baten CT, Hermens HJ, Veltink PH. Automatic identification of inertial sensor placement on human body segments during walking.J Neuroeng Rehabil. 2013 Mar 21;10(1):31. [Epub ahead of print]
21. Girard G, Côté S, Zlatanova S, Barette Y, St-Pierre J, van Oosterom P. Indoor pedestrian navigation using foot-mounted IMU and portable ultrasound range sensors. Sensors (Basel). 2011;11(8):7606-24. doi: 10.3390/s110807606. Epub 2011 Aug 2
22. Angermann M., Robertson P., Kemptner T., and Mohammed KhiderM., A High Precision Reference Data Set for Pedestrian Navigation using Foot-Mounted Inertial Sensors, International Conference on Indoor Positioning and Indoor Navigation (IPIN) 2010, 15-17 September 2010, Zürich, Switzerland
23. Angermann M., Friese A.,Khider M.,, Krach B., Krack K., Patrick Robertson P., A Reference Measurement Data Set for Multisensor Pedestrian Navigation with Accurate Ground Truth. European Navigation Conference (ENC-GNSS 2009), Naples, Italy, May 2009
24. Jasiewicz, J.; Allum, J.; Middleton, J.; Barriskill, A.; Condie, P.; Purcell, B.; Li, R. Gait event detection using linear accelerometers or angular velocity transducers in able-bodied and spinal-cord injured individuals. Gait Posture 2006, 24, 502–509.
25. Salbach, N.; Mayo, N.; Higgins, J.; Ahmed, S.; Finch, L.; Richards, C. Responsiveness and predictability of gait speed and other disability measures in acute stroke. Arch. Phys. Med. Rehab. 2001, 82, 1204–1212.
26. Bruijn SM, Ten Kate WR, Faber GS, Meijer OG, Beek PJ, van Dieën JH. Estimating dynamic gait stability using data from non-aligned inertial sensors. Ann Biomed Eng. 2010 Aug;38(8):2588-93. doi: 10.1007/s10439-010-0018-2. Epub 2010 Mar 31.
27. Yang, S.; Mohr, C.; Li, Q. Ambulatory running speed estimation using an inertial sensor. Gait Posture 2011, 34, 462–46
28. Esser P., Dawes H., Collett J., Howells K., 2009, IMU: Inertial sensing of vertical CoM movement, Journal of Biomechanics 42, 1578–1581
29. Esser P, Dawes H, Collett J, Feltham MG, Howells K. Validity and inter-rater reliability of inertial gait measurements in Parkinson's disease: a pilot study. J Neurosci Methods. 2012 Mar 30;205(1):177-81. doi: 10.1016/j.jneumeth.2012.01.005. Epub 2012 Jan 16
30. Bar-On L, Aertbeliën E, Wambacq H, Severijns D, Lambrecht K, Dan B, Huenaerts C, Bruyninckx H, Janssens L, Van Gestel L, Jaspers E, Molenaers G, Desloovere K. A clinical measurement to quantify spasticity in children with cerebral palsy by integration of multidimensional signals. Gait Posture. 2012 Dec 3. pii: S0966-6362(12)00403-1. doi: 10.1016/j.gaitpost.2012.11.003.
Goniometr (inklinometr, kątomierz) CQKatomierz4D
Dwa sensory IMU mogą stworzyć goniometr, który będzie mierzył kąty pomiędzy częściami ciała, do których są zamocowane. Urządzenia takie stosowane są do pomiaru ruchliwości stawów oraz kręgosłupa (1,2,3).
Pomiar zakresu ruchomości kręgosłupa za pomocą czujników IMU jest dokładny, jak pokazały badania z udziałem 26 ochotników. Otrzymane wyniki były zgodne z danymi opublikowanymi wcześniej w literaturze.
1. Bakhshi S., Mahoor M.H., Davidson B.S. Development of a body joint angle measurement system using IMU sensors. Conf Proc IEEE Eng Med Biol Soc. 2011;2011:6923-6. doi: 10.1109/IEMBS.2011.6091743.
2. Ha T.H., Saber-Sheikh K, Moore AP, Jones MP. Measurement of lumbar spine range of movement and coupled motion using inertial sensors - a protocol validity study.
Man Ther. 2013 Feb;18(1):87-91. doi: 10.1016/j.math.2012.04.003. Epub 2012 May 9
Source
3. Cooper G., Sheret I., McMillan L., Siliverdis K., Sha N., Hodgins D., Kenney L., Howard D.J. Inertial sensor-based knee flexion/extension angle estimation. Biomech. 2009 Dec 11;42(16):2678-85. doi: 10.1016/j.jbiomech.2009.08.004. Epub 2009 Sep 27.