使用智能手机和机器学习对中风患者的无监督步行评估

科学领域:

• 生物医学工程 生物医学工程
• 康复技术 康复技术 康复技术
• 神经学 神经学

背景情况:

• 家庭康复对于长期,高剂量的中风后下肢治疗至关重要.
• 无监督的步态评估对于监测患者康复和调整干预措施至关重要.

研究的目的:

• 开发基于智能手机的无线系统,用于对中风患者进行无监督步行评估.
• 评估系统在提取步态特征和检测异常步态模式方面的准确性.

主要方法:

• 使用智能手机运动传感器和机器学习算法.
• 收集了9名中风患者和10名健康受试者的步态数据.
• 将系统性能与维康的运动捕捉系统进行比较.

主要成果:

• 实现了与Vicon (R2 = 0.99) 相比的步态特征提取性能.
• 在检测中风患者异常步行模式时,已证明100%的准确性.
• 发现了步态特征与Fugl-Meyer下肢评估 (FMA-LE) 分数之间的相关性.

结论:

• 基于智能手机的系统显示了在中风康复中无监督步行评估的巨大潜力.
• 能够远程客观地监测患者的进展.
• 有助于及时调整康复策略.