ID pick sq2st squat walk si2st st2si
01 0 0 0 0 0 0
(pick: bending to pick an object, sq2st: from squat to stand, si2st: from sit to stand, st2si: from stand to sit.)
其中以加速度門檻辨識日常生活跌倒與否較多誤判者依序為：站立到蹲
下、站立到坐下、蹲下到站立三者。列表之結果顯示：較多之誤判發生於 蹲下之動作，共計16 次；其次則為由站立到坐之動作，共計 8 次；再其次 則為由蹲下至站立之動作，共計7 次。720 組日常生活動作資料中，加速度 門檻辨識之specificity 為 95.42%。
將使用肌電訊號(EMG)門檻辨識各受測者之日常生活辨識結果列於表 8：
表 8 各受測者日常生活動作之肌電訊號誤判列表 (次數) EMG pick sq2st squat walk si2st st2si
subject01 1 0 0 0 0 0
(pick: bending to pick a object, sq2st: from squat to stand, si2st: from sit to stand, st2si: from stand to sit.)
在使用肌電訊號之誤判部份，結果顯示在所有受測者中，各項日常生活 動作之誤判僅蹲、行走、由坐椅至站立各出現一次誤判，以及彎腰撿物出 現兩次誤判。720 組日常生活動作資料中，肌電訊號門檻辨識之 specificity
為99.31%。比較加速度門檻與肌電訊號門檻辨識日常生活動作之結果，可 以發現肌電訊號門檻在specificity 之整體表現優於加速度門檻。
五、討論
在上一章節之 4.1 與 4.2 中，以肌電訊號(EMG)之平均峰值作為各實驗
特徵值，根據比較之結果，模擬絆倒時各肌肉的肌電訊號峰值皆顯著大於 進行一般日常活動的肌電訊號峰值(p＜0.01, paired T-test)，此一結果顯示利 用肌電訊號(EMG)將跌倒從日常活動中分辨出來確實具有可行性。將此結果 畫成長條圖，可以發現若試圖將肌電訊號之貼片數量最佳(最小)化，雙腳之 脛前肌(tibial anterior)與外側腓腸肌(gastrocnemius lateralis)在日常生活與模 擬跌倒之肌電訊號峰值表現相差較大，應為較良好之選擇。而脛前肌與腓 腸肌之肌電訊號峰值差異較大之原因可能由於受測者在遭遇不預期之絆倒 時採用了「跨步」的回復平衡策略，從前述文獻回顧可以得知跨步之回復 平衡策略可分為elevating strategy 與 lowering strategy(Eng, JJ, Winter, DA et al., 1994)，為了因應危急情況下不同策略之被拘束腳與跨步腳的動作，可能 因此提升脛前肌與腓腸肌的活化程度。然而從跨步的回復平衡策略而言，
若欲觀察進行跨步策略時之肌肉活化程度，則肌電訊號貼片位置應選擇以 大腿與髖部相關之肌肉作為觀測對象，本研究所選擇之脛前肌與外側腓腸 肌可能較適合作為針對ankle strategy 之研究應用。此肌電訊號貼片之位置 選擇，於實驗設計階段考慮不夠周全為本研究限制之一。
右腳脛前肌與右腳外側腓腸肌相較於左腳之表現，在絆倒時產生之肌電
訊號特別顯著大於日常生活動作(p＜0.001, paired T-test)，此一結果可能由於 本研究之受測者慣用側皆於右手側，導致失去平衡時使用右腳產生嘗試回 復平衡之現象較為活躍。實驗設計模擬絆倒之拘束部位為受測者之腳踝，
亦有可能在模擬實驗拘束受測者腳踝時影響脛前肌與腓腸肌之表現導致此 一結果。此外，受測者雙手之斜方肌在絆倒實驗亦有特別顯著大於日常生 活動作肌電訊號之表現(p＜0.001, paired T-test)，且差異程度大於三角肌。本 研究認為與受測者面臨絆倒，軀幹產生前向的傾斜時，提昇手臂向前或向 下撐住防護墊之保護軀幹動作相關，而三角肌之收縮通常影響上肢動作之 外展(abduction)與內引(adduction)動作，故在前後向傾倒狀況之應用相對少 於斜方肌。
在跌倒辨識速度的部份，肌電訊號之平均辨識時間為161 毫秒，而加速 度訊號之平均辨識時間則為282 毫秒，顯示肌電訊號在辨識速度上可能較 速度或加速度等慣性資訊有優勢。圖 9(於 49 頁處)之辨識成功累計比率分 布圖結果，亦顯示在可供辨識之時間區間越短的情況下，使用肌電訊號門 檻辨識之速度優勢將大於使用加速度門檻辨識。
然而，除了辨識跌倒所需要的辨識時間外，若要獨立以肌電訊號作為跌 倒辨識的門檻，仍需要比較肌電訊號與慣性門檻的辨識率。將加速度、肌 電訊號以及以OR 邏輯閘合併肌電訊號門檻與加速度門檻判別跌倒與日常 生活之辨識率、平均辨識時間列於表 6(於 49 頁處)。加速度之 sensitivity
為87.76%，specificity 為 95.42%；EMG 之 sensitivity 為 76.02%，specificity 為99.31%；而合併 EMG 與加速度門檻判別之 sensitivity 為 95.92%，
specificity 為 95.42%，跌倒之平均辨識速度為 135 毫秒。無論加速度門檻或 是肌電訊號門檻在日常生活之判別率specificity 皆達到 95%以上，於可以接 受之誤判範圍。此外，相較於獨立使用加速度門檻辨識絆倒，獨立使用肌 電訊號門檻辨識絆倒之sensitivity 僅約 76%，本研究評估此一辨識率，認為 肌電訊號(EMG)以現階段而言，較不適用於獨立作為跌倒感測器辨識絆倒的 發生，或是可能需要針對不同回復平衡動作調整量測肌電訊號的肌肉部 位；但合併使用肌電訊號與加速度辨識絆倒，無論sensitivity 或 specificity 皆可以得到95%以上的辨識成果，sensitivity 相較於獨立辨識具有相當顯著 之提升。雖然在specificity 的部份不如獨立使用肌電訊號門檻可以達到 99%
之水準，但是下降幅度有限，且若於實際生活之運用中，sensitivity 之重要 性亦高於specificity，而平均辨識時間相較於原本單獨使用加速度門檻辨識 的282 毫秒，也提升至合併判別的 135 毫秒。此一結果顯示若能以肌電訊 號結合加速度或其他慣性門檻辨識跌倒的發生，在辨識率與辨識速度皆有 優於單獨使用慣性感測器作為跌倒辨識系統的可能性，提升整體跌倒辨識 系統之效能。
在日常生活的辨識方面，根據誤判列表之結果可以發現，由sacrum 處 之加速度門檻判斷日常生活是否為絆倒時，累計較多誤判之動作為受測者
身體質心(center of mass)向上或向下移動較多之情況。推測誤判之原因可能 為受測者所採用之動作策略的不同，導致sacrum 之加速度於站立急起或蹲 下急降之時超過預設辨識絆倒門檻導致誤判。例如蹲下時以雙腳同時蹲下 或是以雙腳前(後)向移動一步後蹲下，不同之策略將會影響完成動作所需 的時間以及過程中加速度等慣性所可能出現的最大值。而肌電訊號由於藉 由評估八條肌肉的整體運動程度作為辨識跌倒或日常生活之依據，在日常 生活中較不易由於少數肌肉過度活化而誤判，故可以達到較高之specificity。
在跌倒辨識方面，造成加速度門檻辨識之sensitivity 降低的原因推測可 能是人體在絆倒發生後，立刻藉由四肢或軀幹及時出力亦或移動步伐，將 身體跌倒之趨勢控制住，使加速度未超過辨識絆倒之門檻，導致sensitivity 降低。而造成肌電訊號辨識結果sensitivity 降低之原因推測可能為：肌電訊 號貼片只貼於受測者身上四肢的八個相關肌肉，但受測者在面臨不預期跌 倒時不一定會使用本研究預測的這八個身體肌肉出力，或是運動相關的肢 段以調節姿勢回復平衡。此外，受測者也有可能只需要一個肌肉部位出力 便可調節平衡，然而目前的門檻為了保守起見採用八個肌肉中的任三個肌 肉於200 毫秒內超過門檻才判斷為絆倒以減低誤判，這也可能是導致以肌 電訊號辨識之sensitivity 降低的原因。
合併使用肌電訊號與加速度門檻判別模擬絆倒之sensitivity 約為 96%，
而限制此sensitivity 提升至 100%之因素，推測除了本身方法之限制以外，
還有可能由於本研究所創造模擬跌倒實驗有不完善之處所致。由於模擬絆 倒發生後人體會藉由各種反應試圖取回平衡，而產生複雜且無法預測之動 作。若施測者不慎將實際失敗之模擬跌倒反應(慣性資料於日常動作範圍 內)，計入成功之模擬絆倒，則由於實際此次實驗不為成功之模擬絆倒，導
致無論加速度或肌電訊號門檻皆無法判定其為跌倒，即有可能造成 sensitivity 降低之情形。
在此將此合併辨識之結果與前述文獻之回顧合併列於下表：
表 9 回顧之感測系統综合比較
(acc: accelerometer, gyro: gyroscope, Sens: sensitivity, Spec: specificity, ADL:
activity of daily living, lead time: the time after signals exceed the threshold to the time when fall impact occur)
自跌倒被感測器辨識後至受測者接觸地面之時間。表 9 由於不同研究 使用之模擬跌倒方式以及辨識所需時間之定義各不相同，所以無法直接與 其研究結果相互比較。而此研究與先前研究最大差異處在於此研究採用之
跌倒模型，為了較清楚的說明其差異，本研究將跌倒之現象整理歸納於下 圖 11。
造成失去平衡之原因可能為絆倒、滑倒、踩空、暈眩(Smeesters, C., Hayes, W. C. et al., 2001)，在失去平衡之後，失去平衡者可能會因應不同之失去平
衡原因、地面情況、步態條件選擇不同的回復平衡策略與動作嘗試回復平 衡(Eng, JJ, Winter, DA et al., 1994; Horak, FB. 2006)，進而回復平衡成功避免 事故傷害之風險。此外，也有可能因為暈眩失去意識，而無法採取回復平 衡之動作，或是回復平衡動作失敗而導致軀幹失去控制傾倒落下，發生跌 倒事故(如圖 11 之左側虛線框處)。落下過程中軀幹之加速度或是速度等慣 性將會快速增加。
圖 11 跌倒現象之歸納整理簡圖
圖中絆倒、滑倒、踩空、暈眩為常見造成失去平衡之跌倒，其中暈眩將
不會產生跌倒回復平衡之動作。
前述文獻所模擬的跌倒大部分為滑倒、暈眩，而盛行率較高之絆倒 (Campbell, AJ, Reinken, J et al., 1981; Roudsari, BS, Ebel, BE et al., 2005)卻較 少見於跌倒感測器相關之研究，因此本研究選擇了發生率較高之絆倒作為 此研究模擬之主題。除此之外，先前之研究較多聚焦於暈眩此種跌倒類型，
因此也較常於模擬跌倒實驗中專注於模擬圖 11 左側虛線框處，軀幹直接失 去控制落下之過程；但在實際生活中遭遇跌倒時，跌倒者由回復平衡動作
因此也較常於模擬跌倒實驗中專注於模擬圖 11 左側虛線框處，軀幹直接失 去控制落下之過程；但在實際生活中遭遇跌倒時，跌倒者由回復平衡動作