人工智能驱动的无标记运动捕捉对于中风幸存者的时空走路分析的有效性
Balsam J Alammari1, Brandon Schoenwether2, Zachary Ripic2,3
1Department of Physical Therapy, Miller School of Medicine, University of Miami, Coral Gables, FL 33146, USA.
Sensors (Basel, Switzerland)
|September 13, 2025
概括
无标记运动捕捉 (MMC) 显示了高的有效性来评估中风幸存者的步态,与仪器行走道相比较. 这项技术通过准确识别步行障碍,有助于康复.
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
- 神经科学是一个神经科学.
背景情况:
- 步行恢复对于中风康复至关重要.
- 准确的步行障碍识别对于有效的治疗至关重要.
- 无标记运动捕捉 (MMC) 是步态分析的一个有前途的技术.
研究的目的:
- 评估无标记运动捕捉 (MMC) 与仪器行走系统 (IWS) 对中风幸存者的步态分析的有效性.
- 在舒适和最快的速度条件下,通过MMC和IWS测量的步态参数进行比较.
主要方法:
- 19名中风幸存者参与了这项研究.
- 参与者在舒适的速度 (CS) 和最快的速度 (FS) 进行了行走试验.
- 步行数据是同时采集使用IWS和MMC系统 (KinaTrax).
- 用皮尔森的相关系数和类内相关系数 (ICC) 来评估协议.
- 布兰德-阿尔特曼图片被用来评估偏见和协议限制 (LoA).
主要成果:
- 在CS和FS条件下,MMC在大多数时空步行参数上与IWS达成良好至优异的协议.
- 在CS期间观察到非性单肢支时间 (SLS) 的适度协议.
- 在这两种条件下,对于脚步宽度和性SLS的差异一致性被发现.
- 布兰德-阿尔特曼分析表明偏差最小,但可变的协议限制.
结论:
- 无标记运动捕捉 (MMC) 对于在中风幸存者中测量时空步态参数具有很高的有效性.
- 在中风康复中,MMC是一种可行的技术,用于步态评估.
- 需要进一步的研究来完善MMC对特定步态参数和条件的准确性.
