在中风患者的运动期间智能预测动态特征
Qinghua Meng1,2, Nan Zhang3,4, Chunyu Bao5,6
1Tianjin University of Sport, Tianjin, 301617, China.
Journal of neuroengineering and rehabilitation
|September 30, 2025
概括
惯性测量单元 (IMU) 传感器和机器学习在步态分析过程中准确估计中风患者下肢关节扭矩. 这为康复提供了传统运动捕捉的便携式替代方案.
科学领域:
- 生物力学 生物力学
- 康复工程 康复工程
- 可穿戴技术可穿戴技术
背景情况:
- 准确的下肢动力学估计对于行走障碍评估和中风康复至关重要.
- 传统的3D光学运动捕捉是精确的,但昂贵和实验室依赖.
- 惯性测量单元 (IMU) 传感器提供了一个便携式和实用的替代方案.
研究的目的:
- 评估IMU传感器与机器学习模型相结合的有效性,用于估计中风患者下肢关节扭矩.
- 评估主要组件分析 - 背向传播 (PCA-BP) 模型用于步态分析的准确性.
主要方法:
- 30名中风患者穿着IMU传感器执行了步行和楼梯谈判任务.
- 使用主要组件分析 (PCA) 来减少IMU衍生动力学数据.
- 使用背向传播 (BP) 神经网络 (PCA-BP模型) 预测下肢关节扭矩.
主要成果:
- 该PCA-BP模型证明了对部,膝盖和脚关节扭矩的高预测准确度.
- 在行走和楼梯任务中,在多个平面上实现了准确的估计.
- 结果显示与OpenSim模拟结果有很好的一致性.
结论:
- 基于IMU的步态分析是中风患者3D光学运动捕捉的可行替代方案.
- 这种方法适用于非实验室和资源有限的环境.
- 该技术为临床康复提供了可移植性和实用性.
