足底壓力中心 - 壓力感測元件數量對步態動力學參數預測準確度之影響

不同感測元件數量下，少量感測元件組成之系統與Pedar-X 系統的 CoP 數據 RMSE 見表4。CoP 的分析分為內外 (Medial-Lateral, ML) 和前後 (Anterior-Posterior, AP) 兩個軸向。結果顯示，ML 方向的 RMSE 落在 5.54 至 11. 78 mm 間，AP 方向則落在 8.33 至 29.88 間。

表4 各數量配置與黃金標準之 CoP 差異變異量

3 個 5 個 7 個 9 個 11 個 13 個 15 個 17 個走 ML 11.78 8.23 6.43 6.70 6.15 6.09 5.68 5.90

AP 16.85 13.76 10.30 8.88 8.33 8.44 8.84 8.71 跑 ML 10.94 8.49 7.24 7.03 6.57 5.87 5.77 5.54 AP 29.88 24.9 23.20 21.52 20.23 19.68 19.61 19.83 以動作型態區分比較，ML 方向上走跑 RMSE 無明顯差異，但在 AP 方向就明顯大於走路。走路時 AP 方向的 RMSE 落在 8.33 至 16.85 mm，跑步則落在 19.61 至 29.88 mm，較走路多出約 10-13 mm。

以感測元件數量區分比較，不管任何軸向或動作型態，各種數量配置與黃金標準

之 CoP 方均根誤差隨感測器數增加而降低。並且超過 11 個之後，增加的感測元件已無法再將足壓系統與黃金標準間的RMSE 明顯降低。逆迴歸 (圖 16) 結果顯示，數列為收斂數列，約7 至 8 個感測元件使達優良標準。

圖14 各數量配置與 Pedar-X 足壓系統之內外方向 CoP 方均根誤差

圖15 各數量配置與 Pedar-X 足壓系統之前後方向 CoP 方均根誤差

(a) (b)

圖16 CoP差異變異量與感測元件數量之逆迴歸曲線圖

(a)、(b) 、 (c) 、(d) 分別為走-ML方向、走-AP方向、跑-ML方向、跑-AP方向

Agrawal, 2017)，而增加的感測器正好位於足部中間及外側，因此對於預測 vGRF 曲線起到較大幫助。

相比先前類似研究，Chesnin 等人在 2000 年發表的研究結果，使用配置了 24 個感

測元件的足壓鞋墊，測得的 vGRF 與測力板值之相關係數僅 <0.70，是本研究約 5 至 7 個就能做到的；Crea, Donati, De Rossi, Oddo & Vitiello (2014) 以 64 個感測單元來預測走路時的垂直地面反作用力，與測力板的相關係數為 0.88，本實驗測得內含 99 個感測元 Cunningham & West, 2001)。雖有低估的情形，這樣的原始數據並不能直接代表真正的 vGRF (圖 10)，但在經過與測力板數值做線性迴歸來獲得轉換公式後，方能準確推算 Zanotto & Agrawal, 2017)，但走路速度較慢、著地期長度約為跑步的兩倍；跑步正好相反，CoP 的移動範圍較小但移動迅速，是誤差的可能來源。以上兩點原因，使走路和跑步的CoP 誤差變異量得到中和的效果，因而表現出類似的 CoP 預測能力。

對於任何步態偵測系統來說，能夠準確分期是很重要的功能，著地期的判斷由兩個時間點決定：初始觸地時間 (Initial contact) 及腳趾推蹬離地 (Toe off) 的瞬間。本研究在選擇感測器時考量多數人採取足跟先著地 (Heel strike) 的模式來跑步，盡可能針對足

跟位置做加強，盡可能縮小初始接觸位置和感測器的距離以降低誤差來源，不過難以避免少數人採前足著地跑法，此時的 CoP 計算起始點便可能位於較少感測元件分布的地方，誤差從做為該筆試做的數據處理原點即產生，進而放大後續資料點與 Pedar-X system 的誤差。除非有疾病或足跟疼痛 (Sullivan, Burns, Adams, Pappas & Crosbie, 2015)，

一般健康族群走路時多為足跟著地，在跑步時則有人偏好採前足觸地模式，以 Breine, 能讓Initial contact 位置判斷的準確性降低，進而放大該筆資料誤差。不過有趣的是，以

(COP 變異量之 RMSE

量解剖學位置外，還加入了陣列式的排法，這可能說明了陣列式排法確實有增進 CoP 預測準確度的可能性，陣列式排法的實質效益尚需進一步研究加以驗證。

總結上述討論本研究結果有三點主要發現與建議：(一) 感測元件數量增加，對於預測 vGRF 曲線和 CoP 座標皆有正面影響，並且 11 個感測元件是預測能力達到平穩的起始點。(二) 人體步態著地期中，鞋內、鞋外的壓力、力量表現雖有相似之處，但仍不同，不建議將這兩種測量方法所測得之參數直接進行比較或互換 (Chevalier, Hodgins

& Chockalingam, 2010)。若欲同時使用這兩種測量方法，將原始數據進行數學處理 (Chesnin, Selby-Silverstein & Besser, 2000; Debbi, et al., 2012) 將對步態動力學參數預測有幫助。(三) 預測 vGRF 曲線和 CoP 座標所需考量的條件不盡相同，vGRF 主要考量重要解剖學位置如峰值發生位置，CoP 預測能力則在加入平均陣列排法後得到改善。因此如欲以同一系統偵測此二參數，在感測元件位置的選擇上，可考慮以解剖學位置與陣列式這兩種邏輯同時並進 (尤其 Initial contact 位置)。為了更準確預測 CoP，可以先了解欲偵測的動作形態下完整的CoP 軌跡，以 Becker, Pisciotta, James, Osternig & Chou (2014) 的研究結果做為範例示意 (圖 17)，選擇直接配置一個感測器在軌跡上，或者以陣列方式設置兩個以上的感測器在軌跡的兩側。

圖17 感測元件配置範例示意圖

本研究的實驗設計與數據處理有一些限制須加以闡明。首先，本研究的數據結果僅適用於研究中所挑選的各個不同數量感測元件配置，感測器選擇放在不同位置將有不同結果。第二，本研究結果僅適合應用於穿鞋情況下的走跑步態，因鞋的質量和物

性 (包括大底、鞋墊) 會影響鞋內足底壓力、鞋外的力量及壓力，其所測得的數值並不能代表鞋外壓力或其他穿著情境。先前文獻亦指出不論是鞋底物性不同 (Addison &

Lieberman, 2015)、穿鞋與赤足執行一樣的動作 (Kernozek, LaMott & Dancisak, 1996)，或者同時收取穿鞋時的鞋內及鞋外力量 (Chevalier, Hodgins & Chockalingam, 2010)，分別的兩者間皆不能相互通用。第三，簡化足底壓力感測元件也將為系統帶來限制。CoP 式 (Hinkle, Wiersma and Jurs, 2003; McSeveny, et al., 2009)，制定判別足底壓力相關參數預測準確度的標準，也可以有其他方式。

的使用通常僅限於實驗室環境 (Pappas, Popovic, Keller, Dietz & Morari, 2001)，為了取得較為全面的臨床相關數據，建議加入研究步態實驗室以外的系統 (Schepers, Koopman &

Veltink, 2007)。另外，上述儀器分析的人體運動時常不是日常活動 (Veltink, Liedtke, Droog & van Der Kooij, 2005)，但日常活動才是影響人類生活品質的關鍵因素，而這需要在日常生活條件下使用可靠的技術來測量 (Najaﬁ, et al., 2003)。

無線式足底壓力感測系統便是取代方案之一，其外觀就如同一般鞋墊，便攜的特性讓研究能夠走出室內環境，到居家或運動場進行測試，更符合在實際活動時的步態。

但相較有線方式，無線傳輸光是連線配對就花時間、資料傳輸速度亦較慢，因此無線傳輸的產品多設置較少量的感測元件，目的是減少所偵測到的資料量，以縮減原始資料處理時間及暫存資料所需空間，並且降低傳輸所需付出的時間成本。不過感測元件數量少，可能無法真實反映步態特徵，但數量又和成本花費呈正相關，本研究結果得到的 11 個感測元件便是為此困境找到一個出口，選擇重要的感測位置、捨棄無關緊要的位置，盡可能在所有條件限制之下將利益最大化。

本研究只是足壓量測技術商品化過程的中介點，更進一步應用建議依據產品定位、

用途，鎖定特定特徵值做為目標參數，進行感測元件數量與擺放位置的比對，找出最低數量。舉例來說，Cheung, et al., 2017 就僅使用兩個感測元件，分別置於大腳趾與足跟，就能夠正確判斷百分之80 到 84 的跑步著地策略樣本。若要開發一套足壓鞋墊，受眾鎖定業餘跑者，主要參數主要圍繞在運動傷害，那麼可能可以針對內外足壓比值來量化足內旋程度 (Brund, et al., 2017)、初始觸地期的撞擊負荷率峰值或平均來量化觸地時下肢所受衝擊等，進行與黃金標準的比較，能準確預測該特定參數即可，無須具備預測整個著地期間的所有參數的能力。

引用文獻

Addison, B. J., Lieberman, D. E. (2015). Tradeoffs between impact loading rate, vertical im-pulse and effective mass for walkers and heel strike runners wearing footwear of varying stiffness. Journal of Biomechanics, 48, 1318-1324. doi:10.1016/j.biomech.2015.01.029 Barnett, S., Cunningham, J. L., West, S. (2001). A comparison of vertical force and temporal parameters produced by an in-shoe pressure measuring system and a force platform.

Clinical Biomechanics, 16, 353–357. doi:10.1016/S0268-0033(01)00026-2

Becker, J., Pisciotta, E., James, S., Osternig, L. R., Chou, L. S. (2014). Center of pressure tra-jectory differences between shod and barefoot running. Gait & Posture, 40, 504-509.

doi:10.1016/j.gaitpost.2014.06.007

Breine, B., Malcolm, P., Segers, V., Gerlo, J., Derie, R., Pataky, T., . . . De Clercq, D. (2017).

Magnitude and spatial distribution of impact intensity under the foot relates to initial foot contact pattern. Journal of Applied Biomechanics, 1-21. doi:10.1123/jab.2016-0206

Brund, R. B. K., Rasmussen, S., Nielsen, R. O., Kersting, U. G., Laessoe, U., Voigt, M. (2017).

Medial shoe-ground pressure and specific running injuries: A 1-year prospective cohort study. Journal of Science and Medicine in Sport, 20, 830-834. doi:

10.1016/j.jsams.2017.04.001

Castro, M., Abreu, S., Sousa, H., Machado, L., Santos, R., & Vilas-Boas, J. P. (2013). Ground reaction forces and plantar pressure distribution during occasional loaded gait. Applied Ergonomics, 44(3), 503-509. doi:10.1016/j.apergo.2012.10.016

Cavanagh, P. R., & Ulbrecht, J. S. (1994). Clinical plantar pressure measurement in diabetes rationale and methodology. The Foot, 4, 123-135.

Chang, B. C., Liu, D. H., Chang, J. L., Lee, S. H., & Wang, J. Y. (2014). Plantar pressure anal-ysis of accommodative insole in older people with metatarsalgia. Gait & Posture, 39(1), 449-454. doi:10.1016/j.gaitpost.2013.08.027

Chesnin, K. J., Selby-Silverstein, L., Besser, M. P. (2000). Comparison of an in-shoe pressure

measurement device to a force plate: concurrent validity of center of pressure measure-ments. Gait & Posture, 12, 128-133.

Chevalier, T. L., Hodgins, H., Chockalingam, N. (2010). Plantar pressure measurement using an in-shoe system and a pressure platform: A comparison. Gait & Posture, 31, 397-399.

doi:10.1016/j.gaitpost.2009.11.016

Cheung, R. T. H., An, W. W., Au, I. P. H., Zhang, J. H., Chan, Z. Y. S., Man, A., . . . Lam, G. W.

K. (2017). Measurement agreement between a newly developed sensing insole and tra-ditional laboratory-based method for footstrike pattern detection in runners. PLoS One, 12(6), e0175724. doi:10.1371/journal.pone.0175724

Chuckpaiwong, B., Nunley, J. A., Mall, N. A., & Queen, R. M. (2008). The effect of foot type on in-shoe plantar pressure during walking and running. Gait & Posture, 28(3), 405-411. doi: 10.1016/j.gaitpost.2008.01.012

Claverie, L., Ille, A., & Moretto, P. (2016). Discrete sensors distribution for accurate plantar pressure analyses. Medical Engineering and Physics, 38(12), 1489-1494. doi:

10.1016/j.medengphy.2016.09.021

Crea, S., Donati, M., De Rossi, S. M. M., Oddo, C. M., Vitiello, N. (2014). A wireless flexible sensorized insole for gait analysis. Sensors, 14, 1073-1093. doi:10.3390/s140101073 Debbi, E. M., Wolf, A., Goryachev, Y., Yizhar, Z., Luger, E., Debi, R., Haim, A. (2012). In-shoe

center of pressure: Indirect force plate vs. direct insole measurement. The Foot, 22, 269-275. doi:10.1016/j.foot.2012.07.001

de Castro, M. P., Meucci, M., Soares, D. P., Fonseca, P., Borgonovo-Santos, M., Sousa, F., . . . Vilas-Boas, J. P. (2014). Accuracy and repeatability of the gait analysis by the WalkinSense system. BioMed Research International, 2014, 348659.

doi:10.1155/2014/348659

Goetschius, J., Feger, M. A., Hertel, J., & Hart, J. M. (2017). Validating Center of Pressure Balance Measurements Using the MatScan^® Pressure Mat. Journal of Sport Rehabilita-tion, 1-14. doi:10.1123/jsr.2017-0152

Goffar, S. L., Reber, R. J., Christiansen, B. C., Miller, R. B., Naylor, J. A., Rodriguez, B. M., . . . Teyhen, D. S. (2013). Changes in dynamic plantar pressure during loaded gait. Physical Therapy, 93, 1175-1184. doi: 10.2522/ptj.20120103

Hegde, N., Bries, M., Swibas, T., Melanson, E., Sazonov, E. (2017). Automatic recognition of activities of daily living utilizing insole based and wrist worn wearable sensors. IEEE Journal of Biomedical and Health Informatics. doi: 10.1109/JBHI.2017.2734803 Hinkle, D. E., Wiersma, W., Jurs, S. G. (2003). Applied statistics for the behavioral sciences(5th

ed.). Boston: Houghton Mifflin.

Ho, I. J., Hou, Y. Y., Yang, C. H., Wu, W. L., Chen, S. K., & Guo, L. Y. (2010). Comparison of plantar pressure distribution between different speed and incline during treadmill jog-ging. Journal of Sport Science and Medicine, 9, 154-160.

Jacobs, D. A., Ferris, D. P., (2016). Evaluation of a low-cost pneumatic plantar pressure insole for predicting ground contact kinetics. Journal of Applied Biomechanics, 32, 215-220.

doi: 10.1123/jab.2015-0142

Jonely, H., Brismee, J. M., Sizer Jr., P. S., & James, C. R. (2011). Relationships between clinical measures of static foot posture and plantar pressure during static standing and walking.

Clinical Biomechanics, 26(8), 873-879.

Kernozek, T. W., LaMott, E. E., Dancisak, M. J. (1996). Reliability of an in-shoe pressure meas-urement system during treadmill walking. Foot Ankle International, 17(4), 204-209.

Kim, T., Park, J. (2017). Short-term effects of sports taping on navicular height, navicular drop and peak plantar pressure in healthy elite athletes: A within-subject comparison. Medi-cine, 96(46), e8714. doi:10.1097/MD. 0000000000008714

Liang, T. C., Lin, J. J., & Guo, L. Y. (2016). Plantar pressure detection with fiber bragg gratings sensing system. Sensors, 16(10).

Mann, R., Malisoux, L., Brunner, R., Gette, P., Urhausen, A., Statham, A., . . . Theisen, D.

(2014). Reliability and validity of pressure and temporal parameters recorded using a pressure-sensitive insole during running. Gait & Posture, 39(1), 455-459.

doi:10.1016/j.gaitpost.2013.08.026

Martinez-Marti, F., Martinez-Garcia, M. S., Garcia-Diaz, S. G., Garcia-Jimenez, J., Palma, A.

J., & Carvajal, M. A. (2014). Embedded sensor insole for wireless measurement of gait parameters. Australasian Physical & Engineering Sciences in Medicine, 37(1), 25-35.

doi:10.1007/s13246-013-0236-7

McSeveny, A., Conway, R., Wilkes, S., & Smith, M. (2009). International mathematics for the middle years 5. Australia: Peason Education Australia.

Moufawad el Achkar, C., Lenoble-Hoskovec, C., Paraschiv-Ionescu, A., Major, K., Bula, C., &

Aminian, K. (2016). Instrumented shoes for activity classification in the elderly. Gait &

Posture, 44, 12-17. doi:10.1016/j.gaitpost.2015.10.016

Najaﬁ, B., Aminian, K., Paraschiv-Ionescu, A., Loew, F., Büla, C. J., Robert, P. (2003). Ambu-latory system for human motion analysis using a kinematic sensor: monitoring of daily physical activity in the elderly. IEEE Transactions on Biomedical Engineering ,50(6), 711–723. doi:10.1109/TBME.2003812189

Nurse, M. A., & Nigg, B. M. (2001). The effect of changes in foot sensation on plantar pressure and muscle activity. Clinical Biomechanics, 16, 719-727.

Oerbekke, M. S., Stukstette, M. J., Schütte, K., de Bie, R. A., Pisters, M. F., & Vanwanseele, B.

(2017). Concurrent validity and reliability of wireless instrumented insoles measuring postural balance and temporal gait parameters. Gait & Posture, 51, 116-124.

Okholm Kryger, K., Jarratt, V., Mitchell, S., & Forrester, S. (2016). Can subjective comfort be used as a measure of plantar pressure in football boots? Journal of Sports Sciences,

在文檔中壓力感測元件數量對步態動力學參數預測準確度之影響 (頁 26-42)