通过使用IMU数据融合方法评估腰椎间盘损害的步态
Yongsong Wang1, Zhixin Li2, Guohui Zhao3
1School of Computer Science and Artificial Intelligence, Changzhou University, Changzhou, Jiangsu, China.
概括
这项研究引入了一种使用惯性运动单元 (IMU) 的新型步态特征模型,用于腰椎间盘 (LDH) 患者. 该模型准确地识别了步行障碍,达到95.50%的分类准确度,以改善临床评估.
科学领域:
- 生物力学 生物力学
- 医疗工程 医学工程
- 康复科学 康复科学 康复科学
背景情况:
- 目前的腰椎间盘 (LDH) 步态评估依赖于主观指标,忽视运动能力和肢体个体差异.
- 惯性运动单元 (IMU) 提供客观的步态监测,但需要先进的特征提取用于临床应用在LDH.
- 在LDH患者中,步行障碍呈现出复杂的动力学和时空变化,现有方法无法完全捕捉到.
研究的目的:
- 开发一个客观的,数据驱动的步态特征模型,用于使用IMU数据的腰椎间盘 (LDH) 患者.
- 通过结合动力学参数和解决四肢间运动功能差异,增强LDH的临床评估.
- 通过先进的信号处理和机器学习,提高诊断准确度和了解LDH的步态变化.
主要方法:
- 多源自适应的卡尔曼数据融合了来自IMU的加速和角速度数据,以估计患者的态度.
- 使用自适应卡尔曼过,零速度更新和峰值检测算法进行步行阶段细分和事件检测.
- 在LDH患者和健康对照人群中分析了12种步态特征 (空间时空,动力,可变性,稳定性),随后进行机器学习分类.
主要成果:
- 拟议的模型成功地细分了LDH患者的步态阶段,并确定了LDH患者的关键步态事件.
- 在LDH患者和健康受试者的受影响和健康四肢之间,在步行特征中发现了显著的生物学差异.
- 基于提取的步态特征的机器学习分类在识别LDH步态模式方面实现了95.50%的高精度.
结论:
- 开发的LDH步态特征模型提供了一种有效和客观的方法,用于临床步态评估腰椎间盘.
- 这种方法克服了主观评分的局限性,通过整合动力学数据和解决个体肢体功能.
- 这项研究为早期检测,监测和康复计划提供了有价值的工具,用于患有LDH相关步行障碍的患者.
