在对膝关节骨关节炎患者的步态评估中应用多维步态特征融合算法
Yuzhe Tan1, Ziyi Wang1, Yuhao Wu1
1School of Electrical and Information, North Minzu University, Yinchuan, China.
Frontiers in bioengineering and biotechnology
|October 6, 2025
概括
一个新的算法融合了步态特征,以评估膝关节骨关节炎 (KOA) 和全膝关节整形术后 (TKA) 患者. 这种方法准确量化了联合协调和运动的复杂性,改善了诊断和康复监测.
科学领域:
- 生物力学 生物力学
- 医疗工程 医学工程
- 数据科学数据科学数据科学
背景情况:
- 膝关节骨关节炎 (KOA) 和全膝关节整形术后 (TKA) 患者的步行评估在同时量化关节动态协调和运动复杂性方面面临限制.
- 现有的方法经常单独评估协调或复杂性,阻碍了对患者的全面评估.
- 提出了一种新的多维步态特征融合算法来解决这些局限性.
研究的目的:
- 开发和验证一个多维步态特征融合算法,以加强对KOA和TKA后患者的评估.
- 通过使用集成的步态特征,同时量化联合动态协调和运动复杂性.
- 为了提高临床环境中对KOA和TKA患者的步态分析的准确性和可解释性.
主要方法:
- 从70名参与者 (健康对照组,KOA患者,TKA患者) 收集了3D运动捕捉数据.
- 构建关节膝关节循环图用于形态特征提取 (量化动态协调).
- 计算了联合角度的样本 (量化运动复杂性) 并与时空参数集成.
- 采用机器学习模型 (RF,SVM,DT,KNN) 用于使用融合和单维特征进行步态分类.
主要成果:
- 在KOA患者中确定了一种病理性补偿模式:循环图特征下降和样本度增加.
- 在协调和复杂度指标上观察到TKA患者的术后改善.
- 多维特征融合显著提高了分类模型的性能,RF实现了96.93%的准确性,优于单维方法.
结论:
- 多维步态特征融合算法有效地克服了孤立协调或复杂性评估的局限性.
- 这种方法为分析KOA病理机制提供了一个可解释的定量工具.
- 该算法可以动态监控TKA后康复进展.
