壓力感測元件數量對步態動力學參數預測準確度之影響

全文

(1)國立臺灣師範大學運動與休閒學院運動競技學系碩士學位論文. 壓力感測元件數量對步態動力學參數預測準確度之影響. 研究生：謝長欣指導教授：相子元. 中華民國 107 年 6 月中華民國臺北市.

(2) 壓力感測元件數量對步態動力學參數預測準確度之影響 2018 年 6 月研究生：謝長欣指導教授：相子元摘要本研究欲探討感測元件數量如何改變預測垂直地面反作用力 (vGRF) 曲線及足底壓力中心 (CoP) 座標之準確度。實驗招募 10 名健康參與者進行舒適走路及跑步，記錄步態著地期間，測力板之 vGRF 和 Pedar-X system 之原始壓力值。以皮爾森相關係數 (PCC) 及方均根誤差 (RMSE) 比較分別由 3、5、7、9、11、13、15、17 個感測元件組成的八種配置，與黃金標準所測得之 vGRF 曲線和 CoP 座標的關係變化。結果顯示不論何種軸向或動作型態，各數量配置與黃金標準之 vGRF 曲線相關係數及 CoP 方均根誤差隨感測元件數量增加而升高與降低，超過 11 個之後，再增添感測元件已無法明顯提升預測步態動力學參數的能力。本結果在科技應用上可供足底壓力偵測產品的功能性開發使用，開發者可以依據準確度需求選取感測元件；學術上則填補文獻中在感測元件數量選擇未有共識的缺口。. 關鍵詞：步態著地期、鞋內足底壓力系統、足底壓力負荷模式. i.

(3) Effects of pressure sensor amount on accuracy of predicting gait kinetic parameters June, 2018 Author: Hsieh, Chang-Hsin Advisor: Shiang, Tzyy-Yuan. Abstract The purpose of this study was to define the effect of the pressure sensor amount on accuracy of predicting vertical ground reaction force (vGRF) and center of pressure (CoP) during gait. Ten healthy participants walked and ran at self-selected speed. Pressure values of all sensor of Pedar-X system and vGRF measured by the force plate during stance phase were recorded. Eight sensor layouts were established and vGRF curves and CoP trajectories between each layout, Pedar-X system and the force plate were compared using Pearson’s correlation coefficient (PCC) and root mean square error (RMSE) respectively. The results showed that PCC grew with the amount of sensor and RMSE decreased as sensor increased, and 11 sensors was the stop point. 13, 15 and 17 sensors were no longer able to improve the ability in predicting gait kinetic parameters. This finding can be used for application of plantar pressure detection, developers can select the sensor amount according to required accuracy; as for academic, it fills in the lack of agreement in sensor amount selecting in pervious literature.. Key words: gait stance phase, insole system, plantar pressure loading pattern. ii.

(4) 目次. 中文摘要…………………………………………….….……………………………………i 英文摘要……….…….……………………………………….…..…………………………ii 目次………………………………………..…………………….……………………………iii 表次…………...……………………………………………………..………………………..iv 圖次………………………………………………………………………….…………………v. 第壹章. 緒論…...………………………………………………………………1. 第一節. 研究背景…………………………………….………………………………1. 第二節. 研究問題…….………………………………………………………………2. 第三節. 研究目的………….…………………………………………………………3. 第四節. 研究假設………….…………………………………………………………4. 第五節. 研究範圍與限制……...……………………………………………………4. 第六節. 名詞操作定義………………………………………………………………4. 第七節. 研究之重要性………………………………………………………………5. 第貳章文獻探討…...…………………………………..……………………5 第一節使用有線式鞋內足壓系統的研究……………………………………………5 第二節自製無線式鞋內足壓系統相關研究…………………………………….……7 第三節文獻探討總結………..…………………………………………………………8. iii.

(5) 第參章. 研究方法…………………………………………………………9. 第一節實驗參與者…………………...………………………………………………9 第二節實驗設備………………….……………………………………………..……9 第三節實驗步驟………………………………………………………………..……11 第四節資料處理………………………………………………………………..……13 第五節統計分析………………………………………………………………..……16. 第肆章. 結果…………………………………………………………17. 第一節垂直地面反作用力………….………………………………………………17 第二節足底壓力中心…………………………………………………………..……19. 第伍章討論與建議…………………………………………………………22 第一節. 討論……...………………………………………..…………………………22. 第二節. 結論與建議…………………………………………………………...……26. 引用文獻…...…………………………………..………..…………………..28 附錄一實驗參與者須知……………………………..……………………33 附錄二實驗參與者同意書…………………………..……………………34 附錄三實驗參與者基本資料表……………………..……………………35. iv.

(6) 表次. 表 1 受試者資料與運動速度……………………………….….…………………..………7 表 2 感測元件採用位置……………..……………………………………………………14 表 3 各數量配置與黃金標準之 vGRF 曲線相關性……………………………………17 表 4 各數量配置與黃金標準之 CoP 差異變異量………………………………………19. v.

(7) 圖次. 圖 1 Pedar-X system 安裝示意圖.………………………………………………………10 圖 2 Kistler 三軸測力板…………………………………………………………………10 圖 3 紅外線攝影機與 Vicon 動作擷取系統……………………………………………11 圖 4 反光球黏貼於實驗用鞋右腳的足尖和足跟位置…………………………………11 圖 5 反光球黏貼於受試者第七節頸椎…….……………………………………………11 圖 6 實驗流程圖……………………………...……………………………………………12 圖 7 八種數量配置採計的感測元件………………………………..……………………13 圖 8 vGRF 數據處理流程圖…………………....…………………..……………………15 圖 9 CoP 數據處理流程圖…………………………………………..……………………15 圖 10. 7 個感測元件與測力板 vGRF 原始資料對比………..……………………17. 圖 11 各數量配置與測力板之 vGRF 曲線相關係數….……………..……………….18 圖 12 各數量配置系統—測力板 vGRF 散佈圖(走加跑) …………………………….18 圖 13 走跑情況下，vGRF 相關係數-感測元件數量之逆迴歸曲線……………….19 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………………20 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………………20 圖 16 C oP 差異變異量與感測元件數量之逆迴歸曲線圖…………………………21 圖 17 感測元件配置範例示意圖…………………………………………………………25. vi.

(8) 第壹章緒論. 第一節研究背景近年來電子科技進步快速，精密電子感測器除了提高精準程度外，也朝輕巧及便於攜帶的設計發展，突破過去使用上的限制，更因運動與健康議題的重要性越來越受到重視，使得記錄日常身體活動或專為運動設計的穿戴式科技迅速發展。但目前已成熟開發的功能主要只有簡單計算步數、步頻等，其實感測元件在使用過程中擷取的資料很多，如何進一步分析運用才是未來穿戴科技需要突破的重點。電子感測元件的微型化讓鞋子裡面能安裝感測器，也讓實驗能走出室內環境，不只如此，量測鞋內的足底壓力也能為運動感測帶來其他優勢。以跑步運動為例，在下肢與地面接觸時，儀器如測力板雖能精準測量人體所受外力，但唯有足底壓力能針對足底範圍內，同步提供外力作用的時間與空間參數。舉例來說，足底特定位置的受力不同，就可能具有不同的代表意義，可能改變運動傷害或跌倒發生的機率。這些資訊的取得須倚靠足底壓力，無法自其他測量工具得知，此獨特性讓足底壓力對於臨床及運動相關偵測的重要性不容忽視。臨床上，足底壓力設備可用於監控下肢疾病如膝關節炎、髖關節炎、糖尿病所導致的神經病變患者，腳踝不穩定族群以及不同足弓類型族群的活動情形。現今已有許多足底壓力感測設備能勝任上述監控的角色，包括足底壓力板、有線式鞋內足壓系統和無線式鞋內足壓系統。足底壓力板須鑲嵌在運動平面上，無法跟隨受試者的每一步移動，通常僅能收取一至四步的動力學參數，無法連續且長時間收取資料，因此多應用於站立姿勢 (Goetschius, Feger, Hertel, & Hart, 2017; Soltanzadeh, Najar, Haghpanahi, & Mohajeri-Tehrani, 2017) 或一到三步 (Breine et al., 2017; Sullivan, Burns, Adams, Pappas, & Crosbie, 2015) 的研究。相反地，鞋內式的足底壓力系統由片狀的感測墊包覆感測元件，置入鞋中即可量測足壓參數，資料雖由傳輸線材連接到主機，不過主機比起一般儀器算是非常輕便，可以配戴在腰際隨身進行測量。因此如果基於便攜性、連續量測等考. 1.

(9) 量，鞋內式的足壓系統是比體積大、固定式的足底壓力板要來得有優勢許多。鞋內式足壓系統又可分為兩種：有線與無線。有線式鞋內足壓系統，每支鞋墊中可設置多達 99 個感測元件，具非常高的量測精準度，卻也因收取到的數據量大而須以有線方式進行傳輸，為使用上帶來諸多限制，如配戴過程繁複、實驗動作不能太大等。無線式鞋內足壓系統的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，到戶外或運動場進行測試，更符合在實地運動或競賽時的步態。但相較有線方式，無線傳輸光是連線配對就較花時間、資料傳輸的速度也較慢，因此無線傳輸的產品多設置非較少量的感測元件，目的是減少偵測到的資料量，以達到縮減暫存資料所需空間、降低傳輸所需付出的時間成本。由於感測元件數量減少，可能無法真實反映步態的特徵，但感測元件數量又和製造成本與時間花費呈正相關，因此本研究欲了解感測元件數量與預測能力之間的關係。. 第二節研究問題有線式與無線式的足壓系統各有優劣，也都已經在臨床和研究上被廣為採用。利用有線式鞋內足壓系統作為工具的研究，其應用的範圍主要為觀察病理性原因造成的足壓特徵 (Cavanagh & Ulbrecht, 1994; Nurse & Nigg, 2001; Schmidt, Sauer, Lee, Saliba, & Hertel, 2011) 、特定足弓類型的足壓特徵 (Jonely, Brismee, Sizer Jr., & James, 2011; Teyhen et al., 2009) 或不同足弓類型間足壓差異 (Chuckpaiwong, Nunley, Mall, & Queen, 2008) 、日常活動監控 (Castro et al., 2013; Chang, Liu, Chang, Lee, & Wang, 2014; Goffar et al., 2013) 、運動傷害預防 (Ho et al., 2010) 及運動鞋襪開發 (Okholm Kryger, Jarratt, Mitchell, & Forrester, 2016; van der Zwaard, van der Horst, Elders, & Menz, 2014) 等。儘管目的不盡相同，以上研究卻有一個共通點：都使用有線式的鞋內足壓系統，並將足底多達 99 個感測元件分為 3 至 10 個區塊，才進行分析與討論。近年簡化的無線式鞋內足壓量測器材被廣泛研發，應用的範圍涵蓋足弓型態與內外旋辨識 (Liang, Lin, & Guo, 2016) 以及日常及運動偵測與紀錄 (Cheung et al., 2017; de. 2.

(10) Castro et al., 2014; Hegde et al., 2017; Jacob & Ferris, 2016; Mann et al., 2014; MartinezMarti et al., 2014; Moufawad el Achkar et al., 2016; Oerbekke et al., 2017; Zhang, Zanotto, & Agrawal, 2017) 等。這些自行研發的無線式足底壓力感測系統絕大多數由 2 至 13 個不等的感測元件配置而成，比起較為精密的有線式足壓感測系統，感測元件的數量縮減至十分之一，如此能大幅減少需處理的數據量，不僅讓資料能以無線方式快速傳輸、降低資料處理的時間與硬體成本，同時無線器材也解放傳輸線材對使用者在運動時造成的動作限制，大幅提升靈活性。配置近百顆的感測元件，研究仍分 3 至 10 區進行探討，勢必有精簡的空間；於是許多人投入開發僅配置少量感測元件的器材，但感測元件少卻又可能造成步態參數的偵測失真。先了解感測元件數量與預測步態參數準確度之間的關係，再依照對預測步態的能力要求來選擇感測元件數量，可能會是兼顧成本與偵測能力最有效率的方式。目前卻無針對走跑步態下，足底分區數量或感測元件數量對於預測步態參數的準確度之影響的研究，因此本研究將就此問題進行探討。. 第三節研究目的垂直方向的地面反作用力 (vertical ground reaction force, vGRF) 為評估下肢傷害與運動表現的重要動力學參數。足底壓力中心 (center of pressure, CoP) 軌跡也是常用的步態不對稱指標，能反映出運動時每一瞬間足底承重的分布狀況和轉移路徑。因此能夠準確測量 vGRF 與 CoP 是相關器材或產品最基本且不可或缺的能力。因此本研究欲了解用於走跑步態時，感測元件數量的改變，對於步態著地期垂直方向地面反作用力曲線及瞬時足底壓力中心的預測準確度之影響為何。. 3.

(11) 第四節研究假設 1.. 隨感測元件數量上升，足壓系統的垂直方向地面反作用力曲線與黃金標準量測值之相關性增加，13 個感測元件內即出現平原現象。. 2.. 隨感測元件數量上升，足壓系統的足底壓力中心與黃金標準量測值與測力板量測值的誤差降低，13 個感測元件內即出現平原現象。. 第五節研究範圍與限制本研究中，會從有線式足壓系統中挑選特定感測元件，訂定成 8 種數量的感測元件配置。針對各種足型的足底壓力特徵，本研究訂定一個感測元件挑選之優先順序，研究結果將只能代表此優先順序下，感測元件數量改變對相關參數預測能力的影響。. 第六節名詞操作定義 1.. 足底壓力 (Plantar Pressure) 指人體在站立、步行或其他運動狀態下，足底接觸地面時單位面積所承受力。. 2.. 垂直地面反作用力 (vertical Ground Reaction Force, vGRF) 指人體與地面接觸時，地面產生的反作用力，與人體施予地面的力，大小相等、方向相反，作用於不同施力點。地面反作用力可分為垂直方向作用力、水平方向剪力與內外側旋力三個軸向的力量。. 3.. 足底壓力中心 (Center of Pressure, CoP) 指進行足底壓力測量時，所有感測元件收集的每個資料樣本的受力重心，能反映出運動時足底承重的分布狀況和轉移路徑。. 4.

(12) 第七節研究之重要性在偵測走跑步態時，若僅配置 3 至 17 個感測元件即能具有與 99 個相當的預測能力，不僅可大幅降低足壓量測器材製造的硬體成本，亦能縮減資料處理時間成本，進一步提升操作方便性，甚至增加使用意願。. 第貳章文獻探討可攜式的鞋內足底壓力量測器材分為有線式和無線式，兩者無論在感測元件或是資料收取上皆無差異，只有將資料傳輸到處理的主機 (通常是電腦) 時，有線式以電線傳輸，無線式則以藍芽傳輸為主。有線傳輸必須犧牲一定程度的機動性，無線傳輸則不適合傳輸大量資料，兩者各有利弊。本章分別針對這兩種足壓量測器材的相關文獻進行探討，了解先前研究都如何運用這些儀器。. 第一節使用有線式鞋內足壓系統的研究有線式鞋內足壓系統應用在研究中多是作為工具使用，研究的目的大致可分為兩類：第一類，身體結構、狀態或先天條件不同的族群，在活動時是否有差異，及有哪些運動學或動力學參數可能可以做為辨別特殊病症或族群的指標；第二類，針對單一族群觀察，不同的環境條件、運動狀態下，是否會改變相關的運動學或動力學參數。第一類研究研究發展較早，多應用於臨床相關主題，早在 1994 年 Cavanagh 和 Ulbrecht 就發表了實證性文章，同時也完整的收集與統整了足底壓力的運用。其利用 8 個糖尿病個案來比較各種足底壓力量測工具、介紹足底壓力如何運用以及數據分析方法，可見在當時足底壓力這個技術在臨床上已經被廣泛運用一段時間了。作者在文中提到利用足底壓力評估步態時，要將足底作分區，如此能節省資料處理技術與時間，研究結果也較容易解讀。後來的研究像是以冰凍皮膚的方式模擬在喪失足底感知能力，並將足底分為7區來觀察冰凍後的足壓表現 (Nurse & Nigg, 2001) ；將足底分為 9 區，試. 5.

(13) 圖找出踝關節不穩定患者的步態反映在足底壓力上的特徵 (Schmidt et al., 2011) ；將足底分為 8 區來研究低足弓受試者的足底壓力分布與正常足弓是否有差異 (Chuckpaiwong et al., 2008)；將足底分為 10 區 (Teyhen et al., 2009) 、將內側足底分為 4 區 (Jonely et al., 2011) ，試圖尋找動態足壓參數與靜態足弓內外旋類型的關聯，都是將足底分區來判別不同族群或比較族群間足壓表現差異的例子，此類型的主題至今仍有學者持續進行研究。 Cavanagh 在 1994 的發表中也提到認為足底壓力量測不只可用於實驗室環境中的研究，用於疾病患者的日常活動、一般人的運動監控以及作為鞋款與輔具的建議與處方參考也非常合適且有價值，果真第二類的研究在近 10 年內越發流行。較為典型的是因應路跑運動盛行而衍生出的跑步相關研究如 Ho et al. (2010) 比較健康的年輕女性在不同坡度與速度下跑步時，足底分區的壓力與力量峰值有何不同；或是日常運動上的應用如不同負重狀態下足底壓力負荷模式的改變，例如 Goffar et al. (2013) 針對軍人的負重重量對步態的足部力量與時間積分值之影響做實驗進行探討。近 5 年也開始出現許多偏向科技應用如輔具效果評估、運動產品開發等主題的研究被發表， 2014 年 Chang et al. 將不同材質的矯正鞋墊對於年長者足部內側 4 個特定區塊的壓力峰值、壓力與時間積分值及力量峰值等參數進行比較，了解蹠掌關節疼痛症狀與特徵的改善情形，用以作為評估鞋墊效果的參考；同年 van der Zwaard et al. (2014) 用 9 個足底分區的壓力、力量與時間參數來比較鞋子選擇不同位置切割為彎折處會如何改變走路時的足壓分布； Okholm Kryger et al. (2016) 比較了大專球員在穿著三雙不同足球鞋的情況下，進行日常訓練動作時的足底壓力相關參數，並嘗試了解足底壓力與球員自覺舒適度間有無連結。上述舉例幾乎蓋括了足底壓力應用的發展足跡，應用的主題、領域多元，不過儘管目的不盡相同，多數研究卻仍將足部分為 3 至 10 區，才進行分析與討論。可見足底壓力事實上主要受特定少數位置所影響，相對地，有許多位置的足壓表現幾乎對於研究目的來說無足輕重。. 6.

(14) 第二節自製無線式鞋內足壓系統相關研究承上節，某些位置的足底壓力表現對於步態幾乎沒有代表性與影響力，因此近年簡化的無線式鞋內足壓量測器材與產品被廣泛研發，內部配置感測元件最少只有 2 個，最多不超過 13 個，應用範圍和有線式大致相同，涵蓋日常及負重的步態偵測、足弓型態與內外旋辨識以及運動偵測等。多數發布於學術期刊是自製無線足壓產品的信效度檢驗結果，效度的衡量校標多為足壓板、測力板或較具指標性的有線式足壓系統 (如 Novel 公司的 Pedar-X system 、 Rscan 公司的 Footscan pressure insole 與 TekScan 公司的 F-scan in-shoe pressure system 等)。 de Castro et al. (2014) 研究的系統是將 8 個感測元件黏貼在一般鞋墊上，並以有線式系統做為效標做信效度驗證； Claverie, Ille, & Moretto 在 2016 年的發表則是將 9 個感測元件黏貼在足底，比較兩種貼法預測步態動力學參數的信效度、 Oerbekke et al. (2017) 研發出一個以 13 片感測元件 (覆蓋52% 鞋墊面積) 做成的足壓鞋墊，並進行了在測量站立與走路足底壓力中心與時間參數以測力板作為校標進行信效度檢驗； Liang et al., (2016) 嘗試以 6 個感測器辨識不同足弓與內外旋類型， Zhang et al., (2017) 研發了一個由 8 片感測元件組成的系統，將其所量測的 CoP 與足壓板進行效度的比較； Hedge et al., (2017) 團隊則致力於研發一個套件組合的產品，目標是希望可用於日常活動監控，主要由 3 個壓力感測元件與 1 個陀螺儀組成的感測鞋墊、感測手環組成。更為特殊的還有將電阻式或電容式的感測元件以氣壓感測器來替換， Jacob & Ferris, (2016) 將皮鞋改裝成壓力鞋，分別於足跟處放置 3 個、趾掌關節處放置 5 個氣壓感測器，測量兩種走路速度及坐站轉換動作下，壓力感測器預測垂直地面反作用力的能力，期望壓力鞋能夠取代許多實驗室才能做的事情，讓活動監控更即時、更不受限。以上研究直接與黃金標準比較壓力、力量及時間等動力學參數，也有其他研究只探討單一延伸應用的可行性，例如動作或著地形態的判別，可以直接與動作或影像分析系統所辦別的結果做比較，進行判斷正確與否的測試 (Cheung et al., 2017; Mann et al., 2014; Martinez-Marti et al., 2014; Moufawad el Achkar et al., 2016)。. 7.

(15) 自製感測系統絕大多數由 2 至 13 個不等的感測元件配置而成，比起精密型的有線式足壓感測系統，感測器的數量縮減至十分之一，如此能大幅減少需處理的數據量，不僅讓資料能以無線方式快速傳輸、降低資料處理的時間與硬體成本，同時無線器材也解放傳輸線材對使用者在運動時造成的動作限制，大幅提升靈活性。. 第三節文獻探討總結整體來說，鞋內足底壓力測量的技術開發逐漸往無線傳輸發展，應用上則是越來越多運動或運動鞋的主題被研究。據本章第一節歸納出的結果，即使用內含 99 個感測元件的有線式足壓系統進行實驗，多數研究仍會把 99 個元件進行區塊劃分，劃分至 6 到 10 區後才做資料分析和結果的討論。第二節則也證實了有越來越多人致力於研發少量感測元件組成的系統，內部配置的感測元件數量正好就是集中在 8 到 10 個為主，不過每個自製系統所含的感測元件數量仍都不相同，目前也尚無研究專門探討感測元件數量改變，對於預測步態動力學參數的能力會有什麼影響，因此這就是本研究欲觀察、統整的主題。. 8.

(16) 第參章研究方法. 第一節實驗參與者招募10位健康參與者進行實驗，六個月內無任何可能影響步態之下肢肌肉骨骼系統傷害或神經系統病變，詳細資料見表1 。所有參與者在實驗前詳閱「實驗參與者須知」瞭解本實驗目的、過程以及施測方法，確認有意願參後簽署「實驗參與者同意書」並填寫「實驗參與者基本資料表」。. 表 1 受試者資料與運動速度年齡 (years). 體重 (kg). 身高 (cm). 走速(m/s). 跑速(m/s). Mean(SD). 25.4 (3.8). 68.5 (10.1). 171.6 (4.5). 1.25 (0.8). 3.11 (1.6). Range. 22-34. 56-86. 165-177. 0.98-2.11. 1.54-3.76. 第二節實驗設備一、 Pedar-X System (Novel gmbh, DE) 作為足底壓力量測的工具及鞋內足底壓力之黃金標準。其擁有優於市面上常見同等級儀器的信效度 (Price, Parker, & Nester, 2016)，由一雙測量壓力的鞋墊組成，每支鞋墊包含99個電容式壓力感測器，數據以無線傳輸，能即時由操作Pedar-X software套裝軟體的電腦同步顯示。擷取頻率設定為100 Hz。. 9.

(17) 圖1 Pedar-X system 安裝示意圖. 二、 Kistler三軸測力板 (9287, Kislter, CH) 作為垂直地面反作用力之黃金標準，觀察採用的Pedar-X系統感測元件數量不同，所計算出的 vGRF 與 CoP 之準確性會如何改變。尺寸 90x60cm，擷取頻率設定為 1000 Hz。. 圖2 Kistler 三軸測力板. 三、 Vicon motion capture system (Oxford Metrics Limited, UK) 利用紅外線攝影機與 Vicon 動作分析系統追蹤黏貼於實驗用鞋及受試者第七頸椎的反光球，追蹤受試者足部在空間中的位置及受試者運動速度，擷取頻率設定為 200 Hz。因測力板數據是根據實驗室座標系定義，足壓系統則是根據鞋墊本身的座標系定義而成，因此取得受試者足部在實驗室座標系中的位置，才能將足壓系統所量測到的數據進行座標系轉置，以消除兩個座標系間的偏移與旋轉所造成的誤差。. 10.

(18) 圖3 紅外線攝影機與 Vicon 動作擷取系統. 圖4 反光球黏貼於實驗用鞋右腳的足尖和足跟位置. 圖5 反光球黏貼於受試者第七節頸椎. 第三節實驗步驟實驗開始前請受試者在跑步機上進行熱身，熱身結束後開始進行舒適走路、跑步的測試練習，讓受試者熟悉速度與動作以利實驗順利進行。熱身與練習結束後，將. 11.

(19) Pedar-X 足壓感測系統配戴在受試者身上與足底，所有受測者穿著相同款式的運動鞋及無功能性設計的休閒襪，進行直線的自選速度舒適慢走、舒適快走、舒適慢跑及舒適快跑。一塊 Kistler三軸測力板設置於受試者運動路線中，每一次測試途中受試者若有一步以單腳完整踩踏在測力板上，則該測試視為成功，同時記錄足部接觸測力板期間， Vicon動作擷取系統、三軸測力板及Pedar-X system資料，四個運動項目各記錄5次成功測試進行處理與分析。. 1. Vicon、測力板、Pedar-X校正 2. 說明實驗目的與流程，受試者簽署同意書. 受試者暖身、練習測試項目. 黏貼反光球、穿上Pedar-X準備開始實驗. 資料收集 (平衡次序、不限速度) 慢走 / 快走 / 慢跑 / 快跑. 收集足部接觸測力板期間測力板 vGRF 、 Pedar-X 所有感測元件壓力值進行資料處理與分析. 圖6 實驗流程圖. 12.

(20) 第四節資料處理資料處理分為兩大部分，第一為感測元件選擇，第二則是數據處理與計算。第一步驟就要把由近百個感測元件簡化為十個左右，為確保步態中重要位置之足底壓力未被忽略，如壓力、力量峰值出現位置，必須要犧牲某些較不重要的位置，因此先前研究中自行開發的足壓系統皆依特定解剖學位置來擺放感測元件，避免陣列式平均擺放會忽略重要位置。然而，在計算壓力中心時，感測元件位置過於集中或分布不均，有可能反而無法真實重現實際情況，因此針對不同步態參數，適合的擺放規則也應不同。本研究為在兩者間取得平衡，粗略地將兩種排列方式皆考慮進去，所選定之感測元件數量與配置設定見圖7。解剖位置參考並統整先前研究放置感測器的位置或分區方式，主要考量： (一) 步態中足底壓力及力量峰值出現位置、(二) 步態分期參考位置、 (三) 足弓型態差異出現位置。3個、5個、7個感測元件以前，皆是參考文獻針對解剖學位置擺放，文獻中越常被採計的位置，本研究判斷越為重要。9個和11個感測元件所增加的感測元件主要是以陣列擺法補強對於vGRF可能沒有太大影響，但可能影響CoP準確度的位置。13個感測元件以上，則又回到解剖學位置考量的補強，主要是擴大感測區域。每一次增加感測元件做補強時，大原則是維持前後左右的平衡，前後的部分主要注意蹠骨與足跟兩大區域的平衡，否則依本文的vGRF計算公式可能會有失真現象。以下為八種數量配置下感測元件的採計狀況。. 圖7 八種數量配置採計的感測元件. 13.

(21) 表2 感測元件採用位置 3個. 第一趾掌關節、第五趾掌關節、足跟. 5個. 3個，加上(大腳指)、(足跟分為內、外跟). 7個. 5個，加上(中間趾掌關節)、(外側縱弓上靠近足跟位置). 9個. 7個，加上(橫弓中間段)、(外側縱弓上靠近橫弓位置). 11 個. 9個，加上(內側縱弓靠近足跟及橫弓位置)各 1 個. 13 個. 11個，(橫弓中間段1分為2)、(足跟中間增加 1 個). 15 個. 13個，(足跟靠前方位置1分為2)、(足跟靠後方中間位置). 17 個. 15個，(第五趾掌關節)、(足跟靠後方中間位置) 各加1個. 選擇完成後，進行第二步，處理原始數據為可用資訊。先將儀器收取的原始數據進行擷取並帶入公式，得到各種數量配置下所測得的 vGRF 和 CoP 計算值，計算方法如下。利用所選擇採計的 Pedar-X 足壓系統收取的資料計算 vGRF (公式 (1)) 及X和Y軸向的CoP (公式 (2) 及 (3))。 (1). (2). (3) 其中vGRF為瞬時垂直地面反作用力，Pi是編號i的感測元件測量到的壓力值，A則為該顆壓力感測元件的面積，Pedar-X system中所有感測元件面積皆相同，因此A為一常數，n則是採用感測元件的總數；( XCoP, YCoP ) 為瞬時CoP座標，(xi, yi) 則是編號i 的感測元件之位置座標，x代表內外軸向，y代表前後軸向。將計算得到的vGRF曲線直接和黃金標準(測力板)進行統計分析，評估各種數量配. 14.

(22) 置系統的預測準確程度 (圖8)。 Pedar-X各sensor原始資料、測力板原始資料收集與剪取. 公式處理，得到各數量配置vGRF. 統計分析，各數量與黃金標準比較. 圖8 vGRF 數據處理流程圖計算所得之初始CoP座標，是基於一個自定義的座標系統，與 Pedar-X system的座標系定義方法類似，但不可能達到完全一樣，相似的程度也無從得知。因此，在數據處理時分別對目標參數與黃金標準參數皆進行一次校正歸零的動作，將初始著地瞬間的數值歸零，後續資料點全數減去初始值形成新的數列，讓兩個不同座標系重合，原點為初始接觸點。校正完成後，將計算值數列與 Pedar-X 相減後加上絕對值，得到各數量配置與黃金標準的 CoP 差異量方進行統計分析(圖9)。 Pedar-X各sensor原始資料收集與剪取. 公式處理，得到各數量配置CoP數列. 各數量配置CoP、黃金標準CoP以初始接觸數值為基準分別進行歸零. 數據處理獲得各數量配置與黃金標準之差異量. 以各數量配置與黃金標準之CoP差異量進行統計分析. 圖9 CoP 數據處理流程圖. 15.

(23) 第五節統計分析以三軸測力板作為vGRF預測的黃金標準。由於先前研究以鞋內與鞋外壓力中心相比得到不接近的結果，認為此二參數不適合拿來互相比較 (Chevalier, Hodgins & Chockalingam, 2010)，因此本研究將 Pedar-X system 系統計算輸出之鞋內 CoP 視為 CoP 座標的黃金標準。本研究使用SPSS 23.0版之軟體進行統計分析，以皮爾森相關係數 (Pearson’s Correlation Coefficient, PCC) 表示不同數量配置的足壓系統vGRF曲線與黃金標準之相關性，相關係數越高，表示足壓系統預測vGRF曲線越為準確。以方均根誤差 (root mean square error, RMSE) 量化不同數量配置的足壓系統與黃金標準間CoP數據差異之變異程度，變異越大，代表預測的CoP軌跡線形狀與黃金標準越不同。由於先前未有研究針對相同問題點或參數進行探討，如何界定「PCC多大算是能夠準確預測vGRF」、「CoP變異量之RMSE要多小才算夠準」並無先例可考，更無公定標準。因此，本研究採用一個評估足壓系統預測能力好壞的統計方法，以此法簡單判定最節省感測元件的配置需要何種程度的預測能力。首先以各數量配置之PCC或RMSE 數列，推得適配的迴歸公式，接著依該迴歸公式算出 3 至 99 感測元件下之PCC或 RMSE估計值，進而得到 95% 信心水準區間，vGRF低於兩倍標準差及RMSE高於兩倍標準差就視為準確度不足。. 16.

(24) 第肆章結果. 第一節垂直地面反作用力不同感測元件數量下，足壓系統與測力板所測得 vGRF 曲線之相關性見表 3。以動作型態區分比較，走路時各數量配置與測力板之 vGRF 曲線相關係數落在 0.692 至 0.883，跑步落在 0.768 至 0.917，走加跑則介於 0.759 與 0.922 之間，跑步時足壓系統與測力板的相關性高於走路。. 表 3 各數量配置與黃金標準之 vGRF 曲線相關性 3個. 5個. 7個. 9個. 11 個. 13 個. 15 個. 17 個. 99 個. 走. .692. .697. .791. .805. .854. .862. .871. .860. .883. 跑. .789. .768. .872. .893. .911. .892. .894. .884. .917. 走+跑. .777. .759. .856. .882. .909. .896. .897. .885. .922. 註：所有相關係數皆達 0.001 層級顯著以感測元件數量區分，隨數量增加，與測力板的相關性上升，上升量逐漸趨緩。跑步運動中，7 個感測元件起相關係數即達平穩，11 個感測元件測得之相關係數與 Pedar-X system 的所有感測元件 (99 個) 相當。走路時，約 11 個感測元件才出現平穩的現象，但 7 個感測器測得之 vGRF 已與測力板數據達高度相關 (PCC = 0.791)。逆迴歸結果顯示，數列為收斂數列(圖 13)，約 7 至 8 個感測元件使達 95% 信心水準。. 圖 10 7 個感測元件與測力板 vGRF 原始資料對比. 17.

(25) 圖 11 各數量配置與測力板之 vGRF 曲線相關係數. 圖 12 各數量配置系統—測力板 vGRF 散佈圖(走加跑). 18.

(26) 圖13 走跑情況下，vGRF相關係數-感測元件數量之逆迴歸曲線. 第二節足底壓力中心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. 走跑. 3個. 5個. 7個. 9個. 11 個. 13 個. 15 個. 17 個. 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. 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. 19.

(27) 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. 20.

(28) (a). (b). (c). (d). 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. 21.

(29) 第伍章討論與建議本研究旨在探討如果僅用 Pedar-X system 中的少數幾顆感測元件，能夠得到的 vGRF 曲線和 CoP 軌跡與黃金標準相比會有多大差距。先前研究採用 Pedar-X system 作為實驗儀器仍會將 99 個感測單元劃分為 3 至 10 區左右才進行計算與分析，但少有研究提出確切分區依據或原因，因此本研究希望證實這樣的分區數量是否正確。以下將針對 vGRF 曲線及 CoP 軌跡這兩個步態中常用的主要動力學參數分別進行討論。. 第一節討論垂直地面反作用力研究結果顯示，少量感測器配置組成的足壓系統，在預測 vGRF 曲線時，可以明顯看出感測器數量對其與黃金標準之相關程度有正面影響，並且 11 個感測器就能達到與 Pedar-X system 相當的效果。事實上，在跑步動作中，9 個感測元件的配置即達平穩，不過走路時從 9 個感測器增加到 11 個，足壓系統與測力板相關係數從 0.805 上升至 0.854，而後才停止明顯的上升現象。如圖 7，11 個感測元件已大致佈滿整個足底，因此再往上增加時，每次增加都只是對重點部位做加強，由本實驗結果看來，這樣的補強對於預測 vGRF 能力已無至關的必要。表 3 中可見相關係數最主要的上升出現在感測元件從 5 個加至 7 個時，可見中間趾掌關節或外側縱弓靠近外側足跟位置在步態著地期中所承受的力量不容忽視。另外值得注意的兩個發現是：(一) 感測器從 9 增至 11 個，在足弓位置增加 2 個感測器，原先選擇的主因是希望減少 CoP 誤差，未料卻在預測走路的 vGRF 曲線時起到幫助作用，原因可能是走路時足弓在 Foot Flat 階段產生較大的塌陷 (Kim & Park, 2017) 接觸到鞋墊面積較大，起到承重的作用，進而造成 CoP 軌跡往內側偏移 (Zhang, Zanotto & Agrawal, 2017)；(二) 感測元件從 7 個增加至 9 個，對於預測跑步的 vGRF 正面影響大於走路；可能的原因為跑步的足底壓力中心走向偏向中間位置行進 (Zhang, Zanotto & 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. 22.

(30) 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 個感測元件的 Pedar-X system 與測力板的相關係數 0.92，11 個感測元件與黃金標準之相關係數已達 0.85 以上，可見欲得知一般步態著地期的垂直地面反作用力，沒有必要使用到 24 個甚至是 64 個感測元件。值得注意的是，和 Claverie 等人的做法相同，本篇以少量壓力元件偵測，僅用局部的小面積壓力直接加總，會小於測力板數值，如圖 17。不過可以看到足壓系統與測力板 vGRF 曲線之形狀與峰值發生時間點非常類似，代表足壓系統與黃金標準具高相關性，這在預測 vGRF 及步態著地期中的分期是至關重要的 (Barnett, 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 vGRF。. 足底壓力中心根據實驗數據，利用少量感測器組成的足壓系統預測 CoP 位置時，感測器數量增加能降低黃金標準的誤差變異量，對預測準確度有正面影響，不過超過 11 個感測元件之後 RMSE 就不再下降，僅有小幅度的波動。基本上感測元件在 9 個時計算出的 CoP 與黃金標準之 RMSE 已接近平穩，再增加兩個感測器在內側縱弓位置至 11 個對 CoP 預測雖有幫助，不過已無太大影響。不過這說明了在設計離散式感測元件的配置時，內側縱弓位置也會接觸鞋內表面，若情況允許建議不要忽略此部位。CoP 的 RMSE 在 AP 軸向的表現並不會隨動作型態改變，因走路相較跑步有較大 ML 方向移動範圍 (Zhang, 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. 23.

(31) 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, et al. (2017) 的研究為例，3.2 m/s 速度下跑步時，有 60% 參與者為典型後足著地、22% 為非典型後足著地、18% 採前足著地策略，其中典型後足著地 Initial contact 位置位於足跟位置，非典型位於後足偏外側，前足著地策略下 Initial contact 位置則位於中足外側。這可以與本研究中感測元件從 7 增加至 9 個 (增加橫弓中間與外側縱弓上靠近橫弓位置) 時，對走路的 RMSE 沒有正面影響、跑步卻明顯降低的結果做連結。另外，本研究中少量感測元件組成的足壓系統所偵測並計算出的 AP 軸向 CoP 在走與跑時 RMSE 隨數量增加而減少的趨勢是相同的，但跑步時的 RMSE 穩定大於走路約 12 mm。這同樣有可能是跑步的著地型態不一所造成的結果，非典型後足著地有可能讓 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. (. COP 最大位移範圍. ) 公式將 RMSE 標準化過後，ML 方向和 AP 方向的數值是接近的，. 這似乎也能解釋此結果，真正的原因可能需要再進一步研究才得以確認。與先前類似研究相比，Claverie, Ille & Moretto (2016) 的研究，將 9 個感測元件黏貼在足底皮膚進行走路的 CoP 的預測與計算，其黃金標準是利用測力板測得的鞋外力矩推算得知。研究結果在 ML 方向的 RMSE 為 4.1 至 5.5 mm，略小於本研究 7 顆感測器測得的 6.4 mm。可能原因為該研究將感測單元黏貼固定在皮膚上，而本研究採用鞋墊式感測片，在運動過程中足部與鞋墊的接觸面可能有微小的相對移動或者鞋大底受到擠壓產生變形，進而產生誤差。反觀 AP 方向，本研究 9 顆感測器測得的 RMSE 為 8.9 mm，Claverie 等人的研究結果則為 12.5 至 15.5 mm，大於本研究結果，可能為感測元件配置位置不同，該篇決定感測器擺放位置的方法是先將足底分為 9 區，接著以足壓板偵測與正式實驗相同動作試做，選擇各區的壓力峰值位置採計，本研究選取位置除考. 24.

(32) 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. 25.

(33) 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 的推算是利用力矩概念，計算出的座標將被限制在感測元件位置連線圍成的輪廓內。可先以壓力板進行一次目標動作試做，將最大足部輪廓訂出，在放/配置感測元件時要確定自訂系統的輪廓勿小於最大足部輪廓，如此應可有效減少 CoP 超出可量測範圍的情況。不過此法僅為補強用，延續上一點限制，鞋內與赤足的步態參數仍有差異，無法確保此誤差完全不產生。最後，如同定義線性相關程度的研究就有至少兩種分級方式 (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。. 第二節結論與建議針對本研究參與者族群推論，用於一般人走跑步態及日常使用，7 個感測元件能夠大致預測 vGRF 曲線，11 個為預測 vGRF 曲線及 CoP 軌跡的準確度提升的停滯點，再往上增加感測元件無太大效益。統計方法評估約 7 至 8 個感測元件即可達優良的預測水準。本研究結果與發現在科技應用上可供足底壓力偵測產品的功能性開發使用，開發者可以依據所需求的準確程度選取感測元件，縮減壓力感測元件數量，如此不僅可以大幅降低製造及資料處理成本，也能提升使用時的機動性。學術上則針對尚未有研究針對感測元件數量加以探討的缺口加以填補，另外也提供幾項在進行類似研究時的實驗設計或數據處理時可以注意的細節。生物力學測量設備如三維動作影像分析和測力板，是最廣泛用於分析步態的儀器，這些裝置為步態動力學、運動學和肌肉活動領域的研究有巨大貢獻。然而，這些設備. 26.

(34) 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。. 27.

(35) 引用文獻. Addison, B. J., Lieberman, D. E. (2015). Tradeoffs between impact loading rate, vertical impulse 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 trajectory 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.20160206 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 analysis 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. 28.

(36) measurement device to a force plate: concurrent validity of center of pressure measurements. 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 traditional 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), 405411. 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, 269275. 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 Rehabilitation, 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 29.

(37) 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 jogging. 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 measurement 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. Medicine, 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 30.

(38) 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). Ambulatory 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, 35(10), 953-959. doi:10.1080/02640414.2016.1206661 Pappas, I. P., Popovic, M. R., Keller, T., Dietz, V., Morari, M. (2001). A reliable gait phase detection system. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 9(2), 113–125. doi:10.1109/7333.928571 Price, C., Parker, D., & Nester, C. (2016). Validity and repeatability of three in-shoe pressure measurement systems. Gait & Posture, 46, 69-74. Schepers, H. M., Koopman, H. F., Veltink, P. H. (2007). Ambulatory assessment of ankle and foot dynamics. IEEE Transactions on Biomedical Engineering, 54(5), 895–902. doi:10.1109/TBME.2006.889769 Schmidt, H., Sauer, L. D., Lee, S. Y., Saliba, S., & Hertel, J. (2011). Increased in-shoe lateral plantar pressures with chronic ankle instability. Foot & Ankle International, 32(11), 1075-1080. doi:10.3113/FAI.2011.1075. 31.

(39) Soltanzadeh, Z., Najar, S. S., Haghpanahi, M., & Mohajeri-Tehrani, M. R. (2017). Plantar static pressure distribution in normal feet using cotton socks with different structures. Journal of the American Podiatric Medical Association, 107(1), 30-38. Sullivan, J., Burns, J., Adams, R., Pappas, E., & Crosbie, J. (2015). Plantar heel pain and foot loading during normal walking. Gait & Posture, 41(2), 688-693. doi:10.1016/j.gaitpost.2015.01.025 Teyhen, D. S., Stoltenberg, B. E., Collinsworth, K. M., Giesel, C. L., Williams, D. G., Kardouni, C. H., . . . McPoil, T. (2009). Dynamic plantar pressure parameters associated with static arch height index during gait. Clinical Biomechanics, 24(4), 391-396. van der Zwaard, B. C., Vanwanseele, B., Holtkamp, F., van der Horst, H. E., Elders, P. JM., Menz, H. B. (2014). Variation in the location of the shoe sole flexion point influences plantar loading patterns during gait. Journal of Foot and Ankle Research, 7:20. Zhang, H., Zanotto, D., & Agrawal, S. K. (2017). Estimating CoP trajectories and kinematic gait parameters in walking and running using instrumented insoles. IEEE Robotics and Automation Letters, 2(4), 2159-2165. doi:10.1109/lra.2017.2721550. 32.

(40) 附錄一實驗參與者須知感謝您參加本研究，題目為：「壓力感測元件數量對步態動力學參數預測準確度之影響」，目的為了解壓力感測器的數量改變，會如何影響步態著地期垂直地面反作用力及足底壓力中心軌跡的預測準確度有何影響。為避免其他因素影響，使實驗得以順利進行，敬請遵守下列事項：. 一、請據實填寫基本資料。二、事先了解實驗流程。三、在實驗進行前，做好暖身活動，避免受傷。四、請穿著輕便衣物，上衣勿過於寬鬆，下身以短褲為主。五、實驗時，參與者會在實驗室中進行直線的自選速度舒適走路、快走、舒適慢跑及快跑，四個運動狀態須完成 5 次成功測試。. 再次感謝您的熱情參與及合作！. 國立臺灣師範大學運動競技研究所研究生謝長欣敬上. 33.

(41) 附錄二實驗參與者同意書本人已詳閱實驗參與者須知，且經研究者解說後，已完全了解實驗內容、步驟，及實驗期間可能發生的狀況。本人同意參加此實驗「壓力感測元件數量對步態動力學參數預測準確度之影響」，並會於實驗期間全力配合，盡自己最大努力完成此實驗。. 參與者保護說明 1.. 您將具有隱私權和匿名的權力。. 2.. 實驗者有責任告知實驗內容和實驗目的。. 3.. 您可以隨時要求解答有關實驗的各種問題。. 參與者：. (簽名). 日期：. 因為您的熱情協助，本研究得以順利完成，且對運動生物力學領域有所貢獻，誠摯感謝您的支持與配合！. 國立臺灣師範大學運動競技研究所研究生謝長欣敬上 34.

(42) 附錄三實驗參與者基本資料表在您瞭解本實驗且願意參與本實驗後，請填寫下列各項基本資料，讓實驗者了解您的生理狀況與運動背景，使實驗得以順利進行。而您所填寫的資料將會受到嚴格保密，不會有公開的危險。. 參與者姓名：出生日期：身高：. 公分. 體重：. 公斤. 近六個月內，是否有下肢肌肉、骨骼、肌腱、韌帶的運動傷害： 1.. 是 □否. 如受過傷，受傷部位：是否痊癒： □是 □ 否. 感謝您如實填寫！. 國立臺灣師範大學運動競技研究所研究生謝長欣敬上. 35.

(43)