人工智能在下肢关节时刻预测在典型的发展步态:一个系统的审查和多层随机效应的元分析
Jianqi Pan1, Zixiang Gao2, Zhanyi Zhou3
1Faculty of Sports Science, Ningbo University, Ningbo, China.
Gait & posture
|December 18, 2025
概括
人工智能 (AI) 能够有效地预测下肢关节的时刻. 深度神经网络擅长处理复杂的数据,而表面电磁共振显示出很高的潜力,特别是对脚关节的预测.
科学领域:
- 生物力学 生物力学
- 计算科学 计算科学
- 康复工程 康复工程
背景情况:
- 步态分析通常使用人工智能 (AI) 来预测下肢关节的动作.
- 在步态分析中,人工智能模型和输入输出规范的定量比较是有限的.
- 了解人工智能的有效性对于推进步态研究和临床应用至关重要.
研究的目的:
- 系统地审查和综合有关人工智能方法的文献,用于预测典型发达 (TD) 步行过程中下肢关节的时刻.
- 在这个预测任务中评估不同AI模型和输入输出规范的有效性.
主要方法:
- 在五个数据库 (PubMed,Scopus,IEEE Xplore,ScienceDirect,Web of Science) 进行系统的文献搜索,寻找在2025年7月1日之前发表的研究.
- 根据预先定义的纳入标准对检索的研究进行选.
- 使用PROBAST评估偏差风险和适用性,然后使用多层随机效应模型在R进行元分析.
主要成果:
- 包括11项研究,包括371名TD参与者.
- 深度神经网络 (DNN) 获得了最高的R2 (0.88),而传统的机器学习 (ML) 模型显示出更好的nRMSE (0.11).
- 表面EMG (sEMG) 输入产生了最高的R2 (0.96),脚关节预测在所有指标中都优越.
结论:
- 人工智能方法对于预测TD步态下肢关节时刻是有效的,在模型,输入和输出关节之间存在差异.
- 对于复杂的数据配合,DNN是有利的,而传统的ML模型在较小的数据集中提供了稳定性.
- 作为输入,sEMG显示出有希望的结果,脚关节的预测始终更准确,这表明了未来的研究方向.
