Dual IMU System for Accurate Gastrointestinal Motility Tracking

📄 arXiv: 2608.04319v1 📥 PDF

作者: Ziyao Zhou, Boyan Li, Chenyang Ren, Tiancheng Cao, Dawei Wang, Hen-Wei Huang

分类: eess.SP, eess.SY

发布日期: 2026-08-05

💡 一句话要点

提出双IMU系统以解决胃肠道运动追踪问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱八：物理动画 (Physics-based Animation)

关键词: 胃肠道运动 双IMU系统 传感器融合 实时监测 医疗应用

📋 核心要点

  1. 现有的单IMU系统在追踪胃肠道运动时易受到身体运动和呼吸伪影的影响，导致数据不准确。
  2. 本文提出的双IMU系统通过将一个IMU集成到可吞服胶囊中，另一个IMU外部佩戴，以区分内外部运动。
  3. 实验结果显示，双IMU系统能够有效抑制噪声，相关系数超过0.8，表明其在胃肠道运动追踪中的有效性。

📝 摘要（中文）

胃肠道运动障碍影响食物在消化道中的协调运动。无线运动胶囊通过记录压力、pH和温度间接评估胃肠道运动。单一IMU系统易受身体运动和呼吸引起的伪影影响。为解决这一问题，本文提出了一种双IMU系统，能够区分内在的胃肠道运动与外在的身体运动。实验验证表明，该系统有效区分了平台运动与转盘运动，显示出其在胃肠道特定运动隔离方面的潜力。

🔬 方法详解

问题定义：本文旨在解决单一IMU系统在胃肠道运动追踪中因身体运动和呼吸引起的伪影问题，导致数据准确性不足。

核心思路：通过设计双IMU系统，一个IMU集成在可吞服胶囊中监测内部运动，另一个IMU外部佩戴以捕捉全身动态，从而有效区分内外部运动。

技术框架：整体架构包括两个IMU的协同工作，使用传感器融合算法（如扩展卡尔曼滤波器、Madgwick滤波器和Mahony滤波器）实时计算两个IMU之间的相对方向。

关键创新：双IMU系统的设计是本文的主要创新点，能够有效隔离胃肠道特定运动与外部运动，克服了单IMU系统的局限性。

关键设计：在实验中，使用四元数分析来计算IMU之间的相对方向，确保了数据的准确性和实时性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，双IMU系统能够有效区分平台运动与转盘运动，相关系数超过0.8，显示出强一致性和有效的噪声抑制能力。这一成果为胃肠道运动的精确追踪提供了新的解决方案。

🎯 应用场景

该研究的潜在应用领域包括医疗监测、消化系统疾病的诊断与治疗，以及运动科学等。通过提供更准确的胃肠道运动数据，能够帮助医生更好地评估患者的健康状况，制定个性化的治疗方案，具有重要的实际价值和未来影响。

📄 摘要（原文）

Gastrointestinal (GI) motility disorders impair the coordinated movement of food through the digestive tract. The Wireless Motility Capsule was developed to indirectly assess GI motility by recording pressure, pH, and temperature along the GI tract. Although an inertial measurement unit (IMU) enables precise and direct motion tracking, a single-IMU system is highly susceptible to artifacts caused by body movement and respiration. To address this limitation, we propose a dual-IMU system designed to distinguish intrinsic GI motility from extrinsic body motion. One IMU is integrated into an ingestible capsule to monitor internal movement, while a second IMU is worn externally to capture whole-body dynamics. Experimental validation was conducted using a turntable to simulate random body movements and a Stewart platform oscillating at 0.1 Hz to emulate GI motility. Three sensor fusion algorithms, including the Extended Kalman Filter, Madgwick Filter, and Mahony Filter, were benchmarked to calculate the real-time relative orientation between the two IMUs using quaternion analysis. The results show that the dual-IMU system effectively differentiates platform motion from turntable motion, demonstrating its potential to isolate GI-specific motility. Pearson correlation coefficients greater than 0.8 between the baseline and noise-cancelled motility signals indicate strong agreement and effective noise suppression.